داخل بلورة الألومنيوم، ترتب الذرات في شبكة دورية منتظمة، تشبه البناء بالطوب. لكن في المواد الحقيقية، تتعطل هذه البنية المثالية: قد تنقطع صفوف الذرات قبل بلوغ حدود البلورة، مكوّنة عيوبًا خطية تُعرف بالانخلاعات. تحدد هذه العيوب الخواص الميكانيكية للمعدن: الصلابة، والليونة، والسلوك تحت الحمل. الرصد المباشر للانخلاعات مهمة معقدة تتطلب مجهرية الأشعة السينية، التي تسجل انعكاسات الحيود الضعيفة من المستويات الذرية المشوهة، ثم تفسير أنماط الخطوط الداكنة بواسطة خبير متمرس.

الآن، تحاول شبكة عصبية حل هذه المهمة. دُرّبت النموذج على آلاف الصور الاصطناعية، حيث تُضاء انخلاعات مفردة في الألومنيوم بأشعة سينية من زوايا مختلفة. في بنية الشبكة، دُمجت معرفة مسبقة بتناظر الشبكة البلورية — مجموعة قواعد تحدد متجهات الانزياح الممكنة للذرات. بفضل هذا، لا تحفظ النموذج الصور فحسب، بل "تفهم" الخيارات الفيزيائية المسموح بها، مما يعزز قدرتها على التعميم. على بيانات اختبار لم تشارك في التدريب، بلغت دقة تحديد نوع الانخلاع 93%.

على عينة حقيقية بما يسمى الانزلاق العرضي (حيث يغيّر الانخلاع مستوى حركته)، حددت الشبكة نوع الانزياح بشكل صحيح في 72.7% من الحالات. هذه النسبة أدنى من المحاكاة، لكنها تقارب العمل اليدوي البشري، حيث يقضي الشخص ساعات في مقارنة الصورة بأنماط محسوبة. يرى المؤلفون أن التدريب على المحاكاة مع القيود الفيزيائية هو الطريق الصحيح نحو تحليل آلي كامل للعيوب في المواد.

حاليًا، تعمل الشبكة فقط مع انخلاعات مفردة في الألومنيوم، لكن يمكن نقل نفس النهج إلى معادن وسبائك أخرى. هذا سيسرّع فحص الأجزاء المستخدمة في الطيران والمفاعلات والإلكترونيات الدقيقة، حيث كل عيب له حساب.