MATAI는 광대한 조성 공간, 경쟁적인 물성 목표, 제조 가능성에 대한 제약 조건으로 인해 어려움을 겪는 고급 금속 합금 발견을 위해 개발된 일반적인 기계 학습 프레임워크이다. MATAI는 엄선된 합금 데이터베이스, 딥 뉴럴 네트워크 기반 물성 예측기, 제약 조건을 고려한 최적화 엔진, 반복적인 AI-실험 피드백 루프를 통합한다. 이 프레임워크는 다중 작업 학습과 물리학 기반 귀납적 편향을 사용하여 조성으로부터 밀도, 항복 강도, 인장 강도, 연신율과 같은 주요 기계적 물성을 직접 추정한다. 합금 설계는 제약 조건이 있는 최적화 문제로 구성되며, 로컬 검색과 기호적 제약 프로그래밍을 결합하는 양면적 접근 방식을 사용하여 해결된다. Ti 기반 합금 시스템에서 MATAI의 성능을 입증했으며, 이는 경량 구조 재료의 대표적인 예시이며, 단 7번의 반복을 통해 낮은 밀도(<4.45 g/cm3), 높은 강도(>1000 MPa) 및 상당한 연성(>5%)을 동시에 달성하는 후보 물질을 빠르게 식별했다. 실험적 검증 결과 MATAI가 설계한 합금이 TC4와 같은 상업적 참고 자료보다 우수함을 확인했으며, 실제 설계 제약 조건 하에서 경량 고성능 재료의 발견을 가속화할 수 있는 프레임워크의 잠재력을 강조했다.
