Badacze przedstawili TRACE, nową strukturę dla agentów opartych na modelach językowyc do odkrywania materiałów. Zamiast przechowywać tylko oceniane kandidaty i ich wyniki, system śledzi konkretne edycje - przemiany z materiału wyjściowego na zmieniony, rejestrując obserwowane zmiany właściwości. To fundamentalnie zmienia podejście do optymalizacji.
Problemu stanowią konkurencyjne cele w odkrywaniu materiałów: edycja poprawiająca jedną właściwość często niszczy inną. TRACE przezwycięża to zbierając dowody z wielu przejść, aby oszacować wielokrotnie użyteczne efekty edycji. System potem rankuje przyszłe edycje biorąc pod uwagę ich zdolność do zmniejszenia pozostałych naruszeń ograniczeń dla bieżącego kandydata, jednocześnie chroniąc już spełnione cele.
W kontrolowanych testach porównawczych z tym samym modelem bazowym TRACE osiągnął średnią wskaźnik trafień 25,96 procent wobec 18,13 procent dla LLEMA, poprzedniego standardu branżowego. To 42-procentowa poprawa pokazuje, jak znacznie lepsze wykorzystanie informacji zwrotnej z każdej drogie ewaluacji właściwości może przyspieszać odkrywanie nowych materiałów.