تعد مسألة اكتشاف المواد التي تلبي عدة قيود متنافسة من أكبر التحديات في تصميم المواد الحاسوبية، لا سيما في السياقات التي تفتقر إلى البيانات حيث تكون الأساليب التقليدية الأقل فعالية. تمثل العوازل المغناطيسية مثالًا صارمًا لذلك، حيث أن الظروف الإلكترونية التي تدعم النظام المغناطيسي غالبًا ما تعزز من الخصائص المعدنية، في حين أن السلوك العازل يُعطل التفاعلات التي تثبت المغناطيسية.

للتغلب على هذه التحديات، قدم الباحثون إطار عمل جديد يُدعى MagMatLLM، والذي يعد أحدث تطورات مجالات الذكاء الاصطناعي. يدمج هذا الإطار بين تقنيات توليد البلورات المعتمدة على نماذج اللغة (Language Models) والاختيار التطوري والتحقق من المبادئ الأولى، حيث يستهدف استقرار النظام والمغناطيسية والسلوك العازل في آن واحد. عوضًا عن الاعتماد على الأساليب التقليدية التي تركز على الاستقرار أولاً، يملي الإطار الجديد قيود الوظيفة خلال عملية التوليد والاختيار، مما يوجه البحث نحو مساحات المواد التي تمثل قيودًا مادية متنافسة.

بفضل هذا الإطار، تم تحديد اثني عشر مرشحًا جديدًا لعوازل مغناطيسية، بما في ذلك Tm$_4$Co$_2$Cr$_2$O$_{12}$ وCr$_4$Nb$_2$O$_{12}$. من بين هذه المواد، كان عشرة منها مستقرة ديناميكيًا وفقًا لتحليل الصوت، وظهرت عليها فجوات طيفية غير صفرية ونقاط مغناطيسية في حسابات كثافة الدالة المعتمدة على الدوران. يمثل هذا العمل خطوة كبيرة نحو إنشاء مفهوم جديد يعمل على توجيه اكتشاف المواد المتعددة الأهداف في المجالات الكيميائية القليلة البيانات، ويوفر استراتيجية قابلة للنقل لتصميم المواد الكمية تحت قيود فيزيائية متنافسة.