دیمیتری کراسنیکوف از Skoltech، اظهار داشت: «مطالعه ما روش‌های جدیدی برای تنظیم دقیق خواص نانولوله کربنی را مشخص می‌کند. به دلیل خاصیت شگفت‌انگیز آن‌ها، CNTها کاربردهای متنوعی دارند.»
این مطالعه در مقیاس کوچک که بر روی یک مجموعه داده محدود انجام شده است، نه تنها نشان می‌دهد که حتی ۲۵۰ نقطه داده برای پیش‌بینی‌های دقیق کافی است بلکه به‌عنوان گامی به سمت “راکتور هوشمند” در Skoltech نیز عمل می‌کند. هر بار که از آن استفاده می‌شود، تولید نانولوله‌های کربنی با خصوصیات هدف بهتر صورت می‌گیرد. با رشد مجموعه داده‌ها، این تیم دقت پیش‌بینی را افزایش داده و به تدریج دامنه پارامترهای سنتز قابل تنظیم و ویژگی‌های CNT را که قابل کنترل است، گسترش می‌دهد.
یک تیم تحقیقاتی بین‌المللی به سرپرستی دانشمندان Skoltech بهترین الگوریتم هوش مصنوعی را برای تعیین شرایط سنتز نانولوله‌های کربنی با خواص متناسب با کاربردهای خاص در تحویل دارو، حسگرهای نظارت بر محیط زیست، لیزرها، فناوری انرژی هیدروژن، شناسایی کرده است.
