پراشانت سینگ، دانشمند آزمایشگاهی ایمز، که به همراه گیلرمو وازکز، تلاش یادگیری ماشینی DFT پلاس را رهبری می کرد، گفت: «یادگیری ماشین در اینجا واقعاً مهم است، زیرا وقتی در مورد ترکیب های جدید صحبت می کنیم، مواد سفارش داده شده برای همه در جامعه خاکی کمیاب کاملاً شناخته شده هستند. و Raymundo Arroyave. "با این حال، وقتی بی نظمی را به مواد شناخته شده اضافه می کنید، بسیار متفاوت است. تعداد ترکیبات به طور قابل توجهی بزرگتر می شود، اغلب هزاران یا میلیون ها، و شما نمی توانید تمام ترکیبات ممکن را با استفاده از تئوری یا آزمایش بررسی کنید."

تایلر دل رز، دانشجوی فارغ التحصیل دانشگاه ایالتی آیووا، بسیاری از تحقیقات اساسی مورد نیاز برای پایگاه داده را با نوشتن الگوریتم هایی برای جستجوی وب برای اطلاعات تکمیلی پایگاه داده و محاسبات DFT انجام داد. او همچنین روی اعتبار سنجی تجربی پیش بینی های هوش مصنوعی کار کرد و با اطمینان از اینکه مدل های مبتنی بر ML نشان دهنده واقعیت هستند، به بهبود مدل های مبتنی بر ML کمک کرد.