कृत्रिम बुद्धिमत्ता (AI) में हालिया प्रगति ने विज्ञान के कई क्षेत्रों में कार्यप्रणालियों को बदल दिया है। सामग्री अनुसंधान में, AI ने परमाणु, मेसोस्केल, और सतत पैमाने को बेहतर सटीकता और कम गणनात्मक लागत के साथ जोड़कर अधिक कुशल बहुस्तरीय मॉडलिंग सक्षम की है। यह समीक्षा AI-आधारित दृष्टिकोणों की जांच करती है और इनके पारंपरिक विश्लेषणात्मक तथा गणनात्मक बहुस्तरीय तरीकों से संबंध पर चर्चा करती है। मशीन लर्निंग फोर्स फील्ड्स, ग्राफ न्यूरल नेटवर्क्स, और AI-संवर्धित इलेक्ट्रॉनिक संरचना पूर्वानुमान जैसी प्रगतियों का उनके क्षमता और सीमाओं के संदर्भ में मूल्यांकन किया गया है। इस क्षेत्र में वर्तमान प्रगति को दर्शाने के लिए उपलब्ध सॉफ़्टवेयर, गणनात्मक उपकरण और बेंचमार्क पर चर्चा की गई है। चरण संक्रमण, दोष गतिशीलता, और बल्क गुण भविष्यवाणी जैसे क्षेत्रों में अनुप्रयोग दिखाए गए हैं, जिसमें यह बताया गया है कि AI कैसे पूर्वानुमान क्षमताओं को बढ़ाता है। उपरोक्त हालिया प्रगति को उजागर करते हुए, मौजूदा चुनौतियों और संभावित दिशाओं पर भी चर्चा की गई है। यह समीक्षा दो दर्शकों के लिए है: AI शोधकर्ताओं के लिए, यह दर्शाती है कि भौतिक और रासायनिक प्रतिबंध मॉडल विकास को भौतिक संगति सुनिश्चित करने के लिए कैसे प्रभावित करते हैं; और भौतिकविदों, रसायनज्ञों, और सामग्री वैज्ञानिकों के लिए, यह दिखाती है कि AI बहुस्तरीय विधियों को सुधार कर पहले पहुँच से बाहर समस्याओं को हल कैसे कर सकता है।
Maevskiy et al. (Wed,) ने इस प्रश्न का अध्ययन किया।