Naukowcy opracowali PRISMat - algorytm do generowania struktur materiałów, który bierze pod uwagę fakt, że atomy w materiale można ustawiać w dowolnej kolejności bez wpływu na jego właściwości fizyczne. System łączy uczenie wzmacniające, gdzie model uczy się poprzez politykę nagradzającą dobre decyzje, z architekturą sieciową odporną na permutacje atomów. To przełom w dziedzinie generatywnego projektowania materiałów, które dotychczas borykały się z nieefektywnościami wynikającymi z ignorowania tej fundamentalnej cechy struktur krystalicznych.
Tradycyjne podejścia do projektowania nowych materiałów bywają czasochłonne i wymagają dużego nakładu obliczeniowego, ponieważ muszą analizować wszystkie możliwe permutacje atomów jako odrębne konfiguracje. PRISMat rozwiązuje ten problem poprzez wprowadzenie niezmienności permutacyjnej bezpośrednio do autoregresyjnego modelu generatywnego. Model uczy się więc generować materiały bardziej inteligentnie, rozumiejąc, że zmiana porządku atomów w zapisie danych nie zmienia rzeczywistego materiału. Uczenie wzmacniające dodatkowo pozwala na kierowanie procesu generowania w stronę struktur o konkretnych, pożądanych właściwościach fizycznych.
Znaczenie tego podejścia dla praktyki jest duże. Naukowcy zajmujący się odkrywaniem nowych materiałów mogą teraz szybciej eksplorować przestrzeń możliwych struktur i znajdować kandydatów na materiały o specyficznych cechach, na przykład lepszą przewodnością, wytrzymałością czy efektywnością energetyczną. PRISMat otwiera drogę do bardziej zautomatyzowanego i wydajnego procesu projektowania materiałów, który może przyspieszyć rozwój elektroniki, baterii czy materiałów budowlanych nowej generacji.