داخل قطعة من الألومنيوم، تصطف الذرات في صفوف منتظمة، مثل الطوب في الجدار. لكن في بعض الأحيان ينتهي صف واحد قبل أن يصل إلى الحافة — فتظهر في البلورة «درجة سلم» يسميها الفيزيائيون بالخلع (dislocation). هذه العيوب هي التي تحدد مدى قوة المعدن وليونته وكيفية تصرفه تحت الحمل. من الصعب رؤيتها مباشرة: نحتاج إلى مجهر أشعة سينية يلتقط انعكاسات ضعيفة من المستويات الذرية المشوهة، وعينًا خبيرة لفهم نمط الخطوط الداكنة ومعرفة أين انزاحت الطبقة بالضبط.

الآن تحاول شبكة عصبية القيام بهذا العمل. دُرّبت على آلاف الصور الحاسوبية حيث تم تصوير الخلع المفرد في الألومنيوم بالأشعة السينية من زوايا مختلفة. وتم تضمين معرفة تناظر الشبكة البلورية في الشبكة مسبقًا — أي القواعد التي يمكن للذرات أن تنزاح وفقًا لها. بفضل هذا، لا تقوم النموذج بحفظ الصور فحسب، بل «تفهم» أي خيارات الانزياح ممكنة فيزيائيًا. على بيانات التحقق التي لم ترها من قبل، بلغت دقة التعرف على نوع الخلع 93%.

على عينة حقيقية تحتوي على ما يسمى بالانزلاق العرضي (عندما يغير الخلع مستوى حركته)، حددت الشبكة نوع الانزياح بشكل صحيح في 72.7% من الحالات. هذا أقل من المحاكاة، لكنه بالفعل قابل للمقارنة مع العمل اليدوي للبشر، الذي يقضي ساعات في مقارنة الصورة بالأنماط المحسوبة. يعتقد المؤلفون أن التدريب على المحاكاة مع القيود الفيزيائية هو الطريق الصحيح نحو تحليل آلي كامل للعيوب في المواد.

حاليًا، تعمل الشبكة فقط مع الخلع المفرد في الألومنيوم، ولكن يمكن تطبيق نفس النهج على معادن وسبائك أخرى.这将 يسرع فحص الأجزاء المستخدمة في الطيران والمفاعلات والإلكترونيات الدقيقة، حيث كل عيب له أهميته.