这是物理系本科学生达安·德·博斯在他的论文研究中开始探索的问题。将机器学习理论应用于材料提出了一些挑战，但他的努力导致了一个工作理论，现在可以在实验室的真实材料上进行测试。
自学材料必须做到两点。他们需要进行计算，同时从这些计算中学习。一种材料可以被看作是一个有许多参数的系统，就像一个有许多旋钮的混合面板，每个旋钮都可以代表不同的值。这些“信息”——或者说所有这些旋钮的配置——也必须被存储起来；否则，材料就会“忘记”它学过的东西，不再表现出想要的特性。理想情况下，在学习过程中，材料将自动调整这些参数以优化所需的特性。
在用计算机软件模拟一个自学系统时，计算和学习这两个活动可以很容易地共存。然而，在材料方面，人们很快发现这两种过程可能会相互干扰。
“我们通过允许两个过程在不同的时间尺度上发生来解决这个问题。Daan解释说：“处理数据的过程比调整参数的过程要快得多。
利用数学技术和计算机模拟，他对模型进行了广泛的分析，发现这种方法是有效的。“据我们所知，这是第一个使用这一原理的模型，”Daan说。他和他的导师马克·塞拉·加西亚（Marc Serra Garcia）目前正在就他们的发现撰写一篇论文。他们的理论模型有可能应用于其他材料，以描述类似的“学习”行为。
达安·德·博斯
在他的项目进行到一半的时候，达安受到塞拉·加西亚的邀请，在AMOLF的双周物理研讨会上发表演讲。对德博斯来说，这是一次激动人心的经历：“幸运的是，我喜欢做演讲，所以我很高兴能做这件事。”
这些研讨会通常是为博士候选人和博士后保留的，但塞拉·加西亚对达恩的研究非常有信心，他想与AMOLF的同事分享。“站在一群科学家面前解释我的研究是一种不可思议的经历。这与向同学们做演讲非常不同——你不能只是忽略细节或编造一些东西。它迫使你做好充分的准备，并真正理解你的主题。”
Daan从小就对物理学着迷。“我还记得我第一次听到‘物理’这个词的时候，我立刻意识到我想学习关于它的一切。那一定是在小学的最后几年。父亲告诉我，他在服兵役期间是如何计算坦克炮弹的弹道的。我无法理解这个想法——你怎么能计算出来呢？你怎么预测子弹会落在哪里？“我只是想弄清楚，”达安热情地说。
他对预测周围世界的迷恋从未消失。
在他的学士学位项目中，Daan学到了很多东西。他分享说：“我学会了一个研究小组如何运作，如何撰写拨款提案，如何搜索和阅读科学文献，如何进行科学演讲，以及如何专业地撰写文章和设计图形。”此外，这是他第一次参加科学会议。
Daan对学术界的职业生涯充满了热情。“我可能会在莱顿完成我的硕士学位。我已经在寻找一个令人兴奋的项目开始了。在那之后，我可能会攻读博士学位。我的最终目标是通过研究和大学工作来谋生。”
