作为一个测试案例，XTEC分析了来自APS光束线6-ID-D的数据，这些数据取自两种在接近绝对零度的温度下超导的晶体材料。
在这种超低温下，这些材料转变为超导状态，对电流没有电阻。对本研究更重要的是，在更高的温度下，与材料结构变化相关的其他异常特征也会出现。
通过应用XTEC，研究小组获得了前所未有的关于不同温度下原子结构变化的信息，这些不仅包括材料中原子有序排列的扭曲，还包括发生这种变化时发生的波动。
“由于机器学习，我们能够看到传统XRD无法看到的材料行为，”奥斯本说。“我们的方法不仅适用于超导体中的许多大数据问题，也适用于电池、太阳能电池和任何温度敏感设备。”
APS正在进行大规模升级，将其X射线束的亮度提高500倍，随着升级，APS收集的数据将显著增加，机器学习技术对于及时分析这些数据至关重要。
该研究发表在《美国国家科学院院刊》上，题目为“利用可解释和无监督的机器学习来处理现代X射线衍射的大数据。”
