إن الحصول على أطياف ضوئية دقيقة هو ضروري تمامًا لفهم فيزيائي أساسي لأشباه الموصلات من جهة، واستخدامها التكنولوجي والاقتصادي من جهة أخرى، بالإضافة إلى العديد من الأسئلة البحثية بينهما، ولكنه لا يزال يمثل تحديًا من الناحية التجريبية والنظرية. تُعد نماذج التعلم الآلي (ML) بديلًا واعدًا. مؤخرًا، أصبحت أول نماذج ML العاملة متاحة؛ ومع ذلك، يأتي كل منها مع قيود كبيرة خاصة به. في هذه الدراسة، نقدم OptiMate3B، وهو نموذج تعلم آلي يدعم التقدم الذي أُحرز بشكل منفصل من خلال الموجة الأولى من النماذج. OptiMate3B، وهو شبكة انتباه رسومي تستخدم معلومات ثلاثية الجسم، قادر على التنبؤ بالدالة العازلة المعقدة المعتمدة على التردد تحت فرضية الجسيم المستقل وفرضية الطور العشوائي بدقة كمية لمجموعة واسعة من أشباه الموصلات والعوازل البلورية في غضون مللي ثوان. إنه يعمل بشكل جيد بشكل خاص للتركيبات التي تحتوي على عناصر تستخدم عادة في التطبيقات الضوئية والضوئية الإلكترونية. إن واجهة OptiMate3B سهلة الاستخدام تخفض بشكل كبير من الحواجز أمام دخول المجتمع الواسع.
درس غرونرت وآخرون (مون) هذا السؤال.