عملية إيجاد مواد جديدة بخصائص مرغوبة، غالبًا ما يتم تسريعها بواسطة التعلم الآلي.اكتشاف المواد هو الجهد المنهجي لإيجاد أو تصميم مواد ذات خصائص محددة ومرغوبة — سواء كان معدنًا يظل قويًا عند درجات الحرارة المرتفعة، أو بوليمرًا يوصل الكهرباء، أو بلورة فائقة التوصيل. تاريخيًا، كانت هذه عملية بطيئة ومضنية قائمة على التجربة والخطأ: تصنيع مرشح، قياس خصائصه، والأمل في الأفضل. فضاء البحث عن المواد الممكنة ضخم فلكيًا، لذا كان العائق دائمًا هو تحديد المرشحين الجديرين بالاختبار.
تعود جذور هذا المجال إلى القرن العشرين مع الكيمياء التوافقية والفحص عالي الإنتاجية، لكن النموذج الحالي القائم على التعلم الآلي ظهر في العقد 2010 مع توفر قواعد بيانات كبيرة للمواد ووحدات معالجة رسومية قوية.
يعتمد اكتشاف المواد الحديث بشكل كبير على التعلم الآلي. تُدرَّب الخوارزميات على قواعد بيانات للمواد المعروفة وخصائصها المقاسة، لتتعلم العلاقات الإحصائية بين البنية الذرية والسلوك. بمجرد التدريب، يمكن للنموذج فحص ملايين المركبات الافتراضية بسرعة، متوقعًا أيها من المرجح أن يمتلك الخصائص المطلوبة. ثم تُصنَّع المرشحات الأكثر واعدة وتُختبر في المختبر، وتُغذَّى النتائج مرة أخرى في النموذج لتحسين توقعاته — حلقة مغلقة من التنبؤ والتحقق.
يُستخدم لتسريع تطوير بطاريات أفضل، وسبائك أخف للفضاء، ومحفزات أكثر كفاءة للصناعة الكيميائية، ومواد فائقة التوصيل جديدة لنقل الطاقة.
حملة فحص واحدة بالتعلم الآلي في عام 2023 حددت 68,000 بنية بلورية جديدة مستقرة — أكثر من العدد الإجمالي للبلورات غير العضوية المعروفة تجريبيًا في ذلك الوقت.






