La Materials Genome Initiative (MGI) e il National Materials Genome Project sono stati lanciati dal governo americano e cinese nell'ultimo decennio. Uno degli obiettivi principali di queste missioni è facilitare l'identificazione dei dati sui materiali per accelerare la scoperta e lo sviluppo dei materiali. I metodi attuali sono candidati promettenti per identificare le strutture in modo efficace, ma hanno una capacità limitata di gestire tutte le strutture in modo accurato e automatico nel grande database dei materiali, perché diverse risorse materiali e vari errori di misurazione portano alla variazione della lunghezza del legame e dell'angolo di legame.

Feng Pan e i suoi colleghi, dalla Peking University Shenzhen Graduate School, proporre un nuovo paradigma basato sulla teoria dei grafi (schema GT) per migliorare l'efficienza e l'accuratezza dell'identificazione dei materiali, che si concentra sull'elaborazione della "relazione topologica" piuttosto che sul valore della lunghezza del legame e dell'angolo di legame tra diverse strutture.

Nello schema GT, i ricercatori prima semplificano le strutture cristalline in un grafico, che consiste solo di vertici e spigoli, in cui gli atomi sono semplificati come vertici e gli atomi adiacenti con i legami chimici effettivi sono "connessi" con bordi. Se le connessioni topologiche nei grafi semplificati tra due strutture sono le isomorfe, lo schema GT li considererà come un'unica struttura. Utilizzando questo metodo, viene realizzata per la prima volta la deduplicazione automatica per database di grandi materiali, che identifica 626, 772 strutture uniche da 865, 458 strutture originarie.

Inoltre, lo schema GT è stato modificato per risolvere alcuni problemi avanzati come l'identificazione di strutture altamente distorte, distinguere strutture con forte somiglianza e classificare strutture cristalline complesse in materiali big data. Rispetto ai tradizionali metodi di chimica strutturale, lo schema GT può affrontare questi problemi molto più facilmente, che migliora l'efficienza e l'affidabilità dell'identificazione del materiale.

Usando questa tecnica di intelligenza artificiale, i ricercatori stanno cercando di ottenere un calcolo ad alto rendimento, preparazione e rilevamento per il database dei materiali. Lo schema GT sovverte i metodi tradizionali di ricerca sui materiali e accelera lo sviluppo nel campo della ricerca sui materiali.