هوش مصنوعی در طراحی مواد جدیدی که در دنیای واقعی کار می‌کنند، کمک می‌کند.
امروزه هر کسی که به مدل هوش مصنوعی بزرگی دسترسی داشته باشد، می‌تواند در عرض چند دقیقه میلیون‌ها طرح مواد جدید تولید کند. متاسفانه این موضوع منجر به جهش قابل توجهی در تعداد مواد جدید مورد استفاده برای بهبود عملکرد محصولاتی مانند تراشه‌های کامپیوتری و موشک‌ها نشده است. یکی از دلایل این شکاف ترجمه، این است که مدل‌های فعلی به طور قابل اعتمادی پایداری شیمیایی موادی را که تولید می‌کنند در نظر نمی‌گیرند و مواد ناپایدار در دنیای واقعی کاربرد چندانی ندارند. این امر صنایع را مجبور می‌کند بودجه محاسباتی عظیمی را برای حذف تمام مواد ناپایدار تولید شده اختصاص دهند، به طوری که در برخی موارد تنها کسری اندکی از گزینه‌های قابل استفاده باقی می‌ماند. حال محققان MIT چارچوبی را توسعه داده‌اند که می‌تواند در ابتدای فرآیند تولید مواد اعمال شود تا نرخ پایداری را به طور چشمگیری بهبود بخشد و در عین حال خواص مطلوب مواد را نیز بدست آورد. این روش با اطمینان از اینکه هر طرح، قوانین کلیدی شیمی مربوط به الکترون‌های اطراف اتم‌های مواد را قبل از شروع مرحله پرهزینه تولید، رعایت می‌کند، کار می‌کند. محققان رویکرد خود را "تولید کننده کریستال با طراحی محدود شده ظرفیت‌والانس" یا CrysVCD نامگذاری کرده‌اند. در مقاله‌ای که امروز در Nature Computational Science منتشر شد، محققان نشان دادند که چگونه CrysVCD به مدل‌های مواد پرکاربرد اجازه می‌دهد تا قوانین پوسته ظرفیت را بیشتر رعایت کنند و با استفاده از آن، پایداری دینامیکی شبکه - یک آزمایش پایداری سخت‌گیرانه - را در نزدیک به 70 درصد از تولیدات محاسباتی مواد بدست آورند. آن‌ها همچنین نشان دادند که...