งานวิจัยนี้นำเสนอการพัฒนาอินเทอร์เฟซ AI เพื่อเชื่อมต่อระหว่างระบบ FINALES และ Kadi4Mat ซึ่งเป็นระบบจัดการข้อมูลการวิจัย (RDM) โดยมีเป้าหมายเพื่อเร่งกระบวนการวิจัยและพัฒนาแบตเตอรี่โซเดียมไอออน (Sodium-ion coin cells) ซึ่งปกติเป็นกระบวนการที่ใช้เวลานานและทรัพยากรสูง
ระบบที่พัฒนาขึ้นใช้เทคนิค Active Learning และการหาค่าเหมาะสมที่สุดด้วยวิธี Bayesian แบบหลายวัตถุประสงค์ (Multi-objective batched Bayesian optimization) เพื่อช่วยในการวางแผนและเลือกการทดลองอย่างชาญฉลาด โดยมุ่งเน้นที่การลดเวลาในการสร้างแบตเตอรี่และเพิ่มประสิทธิภาพการใช้งานไปพร้อมกัน ผลการทดสอบแสดงให้เห็นว่าเฟรมเวิร์กนี้สามารถช่วยระบุชุดพารามิเตอร์ที่เหมาะสม (Pareto front) ได้อย่างมีประสิทธิภาพ ช่วยให้การทำงานร่วมกันระหว่างระบบอัตโนมัติและมนุษย์ในศูนย์วิจัยหลายแห่งเป็นไปได้อย่างราบรื่น
