2020年9月22日，ATTRACT项目组发布题为《基于重大科技基础设施技术创新的系统化：ATTRACT项目》（Systematizing serendipity for big science infrastructures: the ATTRACT project）研究报告，通过分析ATTRACT 项目数据集，探讨政策如何促进科学研究在其原有范围之外的应用，发现-不同于以前提出的发现类型的意外发现模式。通过展示政策干预的潜力，个人和组织能够发现大科学研究的意想不到的商业应用。
ATTRACT资助了170个项目，为每个项目拨款10万欧元，以利用这些项目的各种技术促进企业发展，并为欧洲经济带来更大的经济回报。通常，科研人员会在ATTRACT项目文本中描述为自己的科学研究开发新应用的模式。在此次分析中，通过判读、汇总上述170个项目在文本中反复出现的主题，将项目进行分类，给出ATTRACT项目中的意外发现模式:
1、不同技术的结合（占比41%）。在这一类别下，技术可以来自研究方向相似或差别明显的不同领域，并通过不同程度进行集成。例如，SCENT项目旨在创造新的气体传感器，其利用了两个迄今为止并不相关的学科——高压技术和气体传感，前者主要用于材料的合成，后者此前也并未有与前者结合的案例出现。
2、基于以往研究进行扩展和构建（占比31%）。通过重新审视以前的研究来识别或探索新特征。这项工作通常需要细致地审视以前获得的知识，并在现有数据中寻找新的视角。重新诠释以往研究的另一种方法是增强特征或探讨技术在极端条件下的适用性。例如，有许多项目正在研究电流探测器在极冷的温度下或在辐射非常高的环境中使用的可能性。类似地，也有一些项目通过想象一项技术变得更高效或更强大的情况下，可以创造哪些机会来开发新的应用领域。
3、将技术应用到另一个领域（占比27%）。这一类别与“意外”概念最吻合——为现有技术找到新用途。将现有技术应用于以往从未应用过的领域，可能会出现新用途、新案例。特别是对ATTRACT项目的大型科研机构来说，它们研发的技术可能只应用于自身科学领域之内。但这些新技术也能为其他领域提供新的视角，或者提出新的方法处理领域内现有技术无法充分解决的问题。
4、使用人工智能或机器学习（占比14%）。这一模式是将机器学习应用于某一特定场景。它可以被认为是前一个类别的子集，因为机器学习是源于计算科学的突破，其在不同领域找到了新用途。人工智能或机器学习能够发现人类无法轻易识别的模式，提高了各种传感器从其收集的数据中获取有效信息的能力。这一类别中的许多项目都属于医疗保健领域。
该研究找到了两种以前未被确认的模式——不同技术的结合和使用机器学习。当然，还需要使用其他数据进行更系统的分析，以证实该研究结果并确定实现意外发现的其他方法。
