La méthode basée sur l’apprentissage par renforcement dirige le design génératif de cristaux vers des candidats qui allient nouveauté et utilité potentielle. Selon Nature Machine Intelligence dans la description de la publication.
Selon cette description, les méthodes génératives de ML ont déjà aidé la recherche de cristaux, mais ne peuvent pas explorer entièrement l’espace de matériaux potentiels. Cette nouvelle approche vise à créer de nouveaux matériaux fonctionnels.
L’importance pratique des résultats ne peut pas être évaluée avec les données disponibles: la source ne révèle pas les caractéristiques de la méthode, les résultats de vérification ou les matériaux spécifiques créés.
commentaire éditorial
Pourquoi c’est important
Si les résultats sont confirmés par une publication complète et des expériences, les signaux observables suivants seront des échantillons concrets de matériaux et une vérification indépendante de leurs propriétés. L’incertitude principale est que la description disponible ne contient pas de données sur la qualité des candidats, leur comparaison avec des méthodes de base et leur applicabilité pratique.