Повар готовит пирог по рецепту, но вместо пышного теста получает жёсткую корку. Он начинает перебирать причины: может, мука отсырела, или духовка греет неравномерно, или яйца были слишком холодными. Примерно так же ведут себя расчёты в материаловедении: стандартная теория (DFT) часто ошибается, предсказывая, что кристалл будет проводить ток, а эксперимент показывает — он изолятор. Каждый такой промах — сигнал, что в модели чего-то не хватает: магнитного порядка, сильного взаимодействия электронов, скрытого дефекта.

Раньше поиск причины был ручным и долгим, как если бы повар перебирал гипотезы неделями. Новый инструмент XDFT действует как умный помощник на кухне: он сам составляет список подозреваемых из каталога типичных неучтённых эффектов, запускает пробные расчёты для каждой гипотезы и смотрит, какая из них лучше всего сходится с реальностью. При этом он учится на ходу — обновляет байесовскую вероятность того, что данный класс гипотез вообще полезен. На проверочном наборе из 124 материалов алгоритм нашёл верное объяснение для 70 из 90 расхождений. Это 78%, тогда как случайный перебор давал лишь 19%, а статичный список от языковой модели — 20%.

В итоге для каждого материала XDFT выдаёт не только исправленный рецепт расчёта, но и чёткое указание, какой именно физический механизм был упущен. Те случаи, где объяснение найти не удалось, помечаются как кандидаты для новых экспериментов — возможно, там скрыто что-то, чего нет в каталоге. Интересно, что все успешно решённые случаи удалось рассортировать всего по трём группам химических элементов, из которых состоит вещество. Это позволило сформулировать короткое правило из четырёх строк — своего рода шпаргалку для быстрой диагностики без тяжёлых вычислений.

Так повар-неудачник превращается в шеф-повара, который не только печёт идеальные пироги, но и понимает, почему в прошлый раз тесто не поднялось. И если на кухне появляется новый, невиданный ингредиент, он уже знает, с чего начать проверку.