نمو بلورة من الجرمانيوم فائق النقاء يشبه خَبز سوفليه حساسة: أي ارتفاع بسيط في الحرارة أو ذرة شائبة زائدة — وتصبح السبيكة كلها صالحة فقط لإعادة الصهر. هذه البلورات هي قلب الكواشف التي تلتقط أندر الأحداث: من المادة المظلمة إلى اضمحلال بيتا المزدوج. لكن عددًا قليلًا من الشركات في العالم يعرف كيف يزرعها بإنتاجية عالية، وأسرار الإتقان تنتقل عبر عقود.

الآن جاءت الشبكة العصبية للنجدة. دُرّبت على تسجيلات 48 عملية نمو حقيقية: كل دقيقة كانت تُسجَّل قدرة السخان، وسرعة سحب السبيكة، والمؤشرات غير المباشرة للتلوث. النموذج المعماري BiLSTM مع «الانتباه متعدد الرؤوس» تعلّم من هذه الإشارات أن يتنبأ بأي جزء من البلورة سيكون صالحًا للكواشف. وتبين أن الدقة كافية لملاحظة المشكلة قبل وقت طويل من نهاية العملية.

تحليل أهمية الميزات (SHAP) أظهر أن تركيز الشوائب وسرعة السحب هما العاملان الرئيسيان اللذان يحددان الإنتاجية. هذا ليس مفاجئًا للمتخصصين، لكن مثل هذه الاستنتاجات كانت سابقًا تعتمد على الحدس، والآن تعتمد على إحصاءات قابلة للقياس. الفائدة العملية واضحة: يمكن تغيير نمط النمو مسبقًا لإنقاذ السبيكة الباهظة الثمن.

إذا نجحت هذه الطريقة، سيتوقف إنتاج الجرمانيوم فائق النقاء عن كونه فنًا للنخبة. كواشف البحث عن جسيمات المادة المظلمة وغيرها من الأحداث النادرة ستصبح أكثر توفرًا، وبالتالي ستتسارع التجارب. إنها الحالة التي لا يستبدل فيها التعلم الآلي فيزيائي التقنية، بل يمنحه أداة دقيقة بدل التجربة والخطأ.