Varje upptäcktskampanj utgår från något. Ibland är det bara ett mål: en hårdhet, en temperatur, ett pris. Ibland är det ett material som ditt team redan framställer och vill driva längre. Och ibland vill du, innan du anförtror en motor en öppen fråga, se den nå ett svar som du redan känner till.
MS Lattice behandlar dessa som fyra lägen på en motor: Open Discovery, Prototype-Guided Optimization, Guided Rediscovery och Blind Rediscovery Benchmark. Alla fyra körs i alla tjugotre materialdomäner, från din egen agent, via API, SDK eller kommandoraden. Den här guiden beskriver vad varje läge tar emot, vad det gör och vad du får, när vart och ett passar och hur team kombinerar dem.
Välj utifrån vad du redan har
Det enklaste sättet att välja är att utgå från vad du har i handen, och från hur mycket av svaret motorn ska få se medan den söker.
- Ett mål, och inget att utgå från: Open Discovery. Motorn ser bara ditt mål.
- Ett material att förbättra: Prototype-Guided Optimization. Motorn ser ditt mål och din struktur.
- Mål som vägvisare: Guided Rediscovery. Motorn ser de kända målen, som vägledning.
- Mål som hålls förseglade: Blind Rediscovery Benchmark. Motorn ser inget av målen, förrän frysningen.
De två första lägena hittar och förbättrar material. De andra två bevisar motorn: de riktar den mot svar som redan är kända, öppet eller under försegling, så att det går att mäta hur den når fram. Tillsammans täcker de bredden av frågor som ett materialprogram ställer, från vilket material som ska framställas härnäst till om motorn förtjänar ditt labbs tid.


Open Discovery: ett mål, och inget att utgå från
Välj Open Discovery när du har ett mål, inte en utgångsstruktur. Du ger den en domän, ett förinställt mål eller dina egna mål, och en budget. Den söker igenom hela sammansättningsrymden och lämnar tillbaka en rangordnad, varierad uppsättning kandidater, var och en med sin historik. Den passar bäst för nya material, utifrån enbart målet.
Detta är invers design i sin enklaste form. Det registrerade exemplet är ett bearbetningsskikt som beskrevs med tre siffror: 28 GPa, 800 °C och 30 $ per kilo. Ingen utgångsstruktur angavs, och (Ti,Al)N och (Cr,Al)N, skikten som branschen bygger på i dag, hamnade bland de fem främsta. En motor som når branschens egna svar utifrån enbart uppgiften ger dig skäl att granska resten av dess kortlista noga.
Open Discovery passar när en ny produkt behöver ett material som ditt team aldrig har arbetat med, när ett försörjningsproblem utesluter det grundämne som ditt nuvarande material är beroende av och du vill se fältet med nya ögon, eller när du vill ha en bred första överblick över en domän innan du binder dig till en familj. Variationen är avsiktlig: kortlistan ger dig olika starka svar, inte en familj av nästan identiska kopior.
Prototype-Guided Optimization: ett material att förbättra
Välj Prototype-Guided Optimization när du har ett bra material och vill göra det bättre. Du ger den en utgångsstruktur och vad som ska förbättras. Den söker runt din struktur och följer varje variant mot originalet, och du får varianter rangordnade mot din prototyp. Den passar bäst för att ta materialet du använder i dag längre.
Mycket av det industriella materialarbetet ser ut så här. Ett material som redan är i produktion bär på år av processkunskap, leverantörsrelationer och testhistorik, så att byta ut det är dyrt, och den bästa förändringen är ofta en liten: en substitution som håller en egenskap vid en högre temperatur, minskar ett knappt grundämne eller sänker kostnaden medan allt annat hålls nära. Eftersom varje variant följs mot originalet ser ditt team vad var och en vinner och vad den ger upp.
Exemplet som MS Lattice ger är dagens fordonsmagnet, genomsökt efter varianter som behåller sin styrka vid motortemperatur. Samma mönster passar en katod du vill ha med mindre kobolt eller ett skikt som måste klara en varmare skärning. Du behöver inte ett helt nytt material för att börja: utgå från det du har och gör det bättre.
Återupptäcktslägena: vägledd och blind
De två återupptäcktslägena besvarar en annan fråga. De letar inte efter något nytt; de visar hur väl motorn når något känt, så att ditt team kan bedöma hur mycket man kan lita på den innan den riktas mot det okända.
Guided Rediscovery
Välj Guided Rediscovery för att rikta motorn mot ett känt material och se den nå fram. Du ger den kända målstrukturer. Den låter målen vägleda sökningen och poängsätter hur nära varje kandidat kommer dem, och du får en matchningsnivå för varje mål. Styrda mot zirkoniumdiborid matchade alla 14 poängsatta kandidater den på varje nivå, i en kampanj på cirka tre minuter, den närmaste inom 0,0008 Å.
Det passar tidigt i en utvärdering, när ditt team vill se motorn nå ett material som det känner väl, eller som en kort första kampanj som visar kollegor hur kandidater, matchningsnivåer och historik ska läsas innan ni lägger en omgång på en öppen fråga.
Blind Rediscovery Benchmark
Välj Blind Rediscovery Benchmark för att försegla svaret och se om det kommer tillbaka. Du ger den förseglade mål, dolda för motorn medan den söker och rangordnar. Den söker utan svaren, fryser kandidaterna, avslöjar sedan målen och poängsätter matchningen, och du får en graderad bedömning för varje mål. En läckagekontroll bekräftar att varje matchning hittades, inte memorerades; en matchning från något som hade sett målet kallas aldrig blind.
Enligt de registrerade körningarna hittades båda de förseglade ultrahögtemperaturkeramerna, ända ner till hur deras atomer var ordnade, bland 64 kandidater i två omgångar, på 32 minuter, för under 20 cent. Vid en omkörning från början till slut godkändes 9 av 9 kontroller. Välj det innan du förlitar dig på motorn i en ny domän, när en granskare eller kund vill ha belägg som går att kontrollera, eller när du vill jämföra motorer på lika villkor.


Att kombinera lägen över omgångarna
De flesta program väljer inte ett läge och stannar där. En kampanj slutar med en kortlista och en historik, och nästa omgång utgår från det du behöll: behåll vinnaren, skärp målet, kör igen. En vanlig ordning ser ut så här.
- Bevisa den på det du känner tillKör Guided Rediscovery eller Blind Rediscovery Benchmark på material som ditt team redan förstår i måldomänen. Matchningsnivåerna och de graderade bedömningarna visar hur mycket du kan lita på motorn där.
- Öppna fråganKör Open Discovery utifrån enbart målet, med dina krav och preferenser, för en rangordnad, varierad uppsättning kandidater.
- Kontrollera det som spelar rollSkicka de kandidater du väljer till verifiering från första principer av stabilitet, elastiska konstanter eller fononer innan något går till labbet.
- Förfina de bästaTa den starkaste kandidaten, eller materialet du redan framställer, som utgångsstruktur för Prototype-Guided Optimization, och rangordna dess varianter mot den.
- Lämna över till labbetExportera kortlistan som strukturfiler med sin historik till ditt labb, eller låt Norck syntetisera, validera och tillverka vinnaren.
Team som redan har ett material i produktion kör ofta ordningen tvärtom: Prototype-Guided Optimization först, för att se hur långt dagens material kan nå, och sedan Open Discovery om gapet till målet fortfarande är för stort. Varje läge körs på samma motor och varje kandidat har med sig samma slags historik, så en omgång läses på samma sätt som nästa. Din AI-agent kan också köra ordningen: via MCP bygger den varje plan, ser priset först och läser tillbaka kandidaterna, för kampanjer på minuter eller veckor.
Vad de registrerade resultaten säger dig
- 14 av 14kandidater som träffar målet i Guided Rediscovery
- 0.0008 Åden kandidat som kom närmast zirkoniumdiborid
- 2 av 2förseglade mål hittade blint
- < $0.20för den blinda körningen med 64 kandidater
De två återupptäcktsresultaten besvarar olika frågor. Guided Rediscovery visar att när motorn får se var svaret finns, når den dit exakt och snabbt. Blind Rediscovery Benchmark visar något svårare: att den når dit utan att få se det. Lästa tillsammans med formelresultatet, rätt struktur rankad högst för 13 av 15 föreningar utifrån enbart en formel, är de skälet att ta en kortlista från Open Discovery på tillräckligt stort allvar för att lägga labbtid på den.
Frågor som team ställer
Vilket läge bör vi börja med?
Börja med det du har. Ett mål och inget annat pekar mot Open Discovery; ett material du framställer i dag pekar mot Prototype-Guided Optimization. Om ditt team först vill se motorn fungera i er domän, börja med Guided Rediscovery eller ett blint benchmarktest på material ni känner till.
Fungerar alla fyra lägen i varje domän?
Ja. Alla fyra lägen körs i alla tjugotre domäner, från din egen agent, via API, SDK eller kommandoraden.
Kan vi köra ett blint benchmarktest på material vi känner till?
Ja. Målen förblir förseglade medan MS Lattice söker och rangordnar, kandidaterna fryses, och först då avslöjas målen och varje matchning graderas.
Behöver vi ett helt nytt material för att få ut värde?
Nej. Börja med det material du har och gör det bättre. Prototype-Guided Optimization är byggt för det.


MatterSpaces första domänmotor
MatterSpace byggde MS Lattice för de forskare och ingenjörer som upptäcker och designar nya material, med utgångspunkt i de egenskaper deras produkt behöver.









