編輯 | 蘿卜皮

一種基于擴散模型的生成式 ML 框架 PXRDnet 解決材料難題。

在材料領域有一個長期存在的問題，它致使救命藥物的研發被迫擱置，新一代電池的發展受到阻礙，考古學家無法確定古代文物的來源。

百年來，科學家們一直使用晶體學方法來確定材料的原子結構，它的工作原理是將 X 射線束照射到材料樣品上，并觀察其產生的衍射圖案。

從衍射圖案中，理論上可以計算出樣品中原子的精確排列。然而，挑戰在于，這種技術只有在研究人員擁有大量且純凈的晶體時才能有效。

當他們不得不面對一種被稱為納米晶體的微小粉末時，這種方法只能提供一些線索，無法完全揭示那些看不見的結構。

「人工智能可以從結構數據庫中學習各類知識，來解決這個問題。正如 ChatGPT 學習語言模式一樣，人工智能模型能夠學習自然界中物理允許的原子排列模式?！垢鐐惐葋喆髮W（Columbia University）工程學院材料科學、應用物理和應用數學教授 Simon Billinge 表示。

Billinge 領導的研究團隊提出了一種基于擴散模型的生成式機器學習框架 PXRDnet，它在 45,229 個已知結構上進行訓練。

僅基于化學式和信息稀缺的有限尺寸展寬粉末衍射圖，PXRDnet 成功解決了 200 種不同對稱性和復雜程度的材料中小至 10?? 的納米晶體，包括所有七種晶體系統的結構。

相關研究以「Ab initio structure solutions from nanocrystalline powder diffraction data via diffusion models」為題，于 2025 年 4 月 28 日發布在《Nature Materials》。

過去一百年持續不斷的材料革命，建立在科學界對原子排列（即材料結構）及其特性對這一底層結構的內在依賴性的深入理解之上。用解析衍射圖譜確定材料結構，必要條件是單晶結構解。

圖示：納米材料 PXRD（powder X-ray diffraction） 圖譜。（來源：論文）

不過，在許多現實情況下，獲取純單晶樣品并不可行，尤其是納米級原子團簇（即所謂的納米結構問題）。在這些情況下，衍射圖譜的信息含量會顯著降低。必須從粉末衍射圖譜中重疊的峰中提取峰強度，而這個問題在納米材料（定義為尺寸小于 1,000 ? 的晶體）中被大大放大，因為有限尺寸效應會導致布拉格峰顯著增寬。

總而言之，這項任務困難重重！

PXRDnet 來解決困難

Billinge 團隊的目標是看看是否可以使用已有結構形式的先驗知識，來訓練生成人工智能 (AI) 模型，從而克服從「信息退化的衍射圖案」中解決結構問題的挑戰。

于是，他們利用 4 萬個已知原子結構訓練了一個生成式人工智能模型 PXRDnet。

「從之前的研究來看，我們知道納米晶體的衍射數據所包含的信息不足以得出最終結果。該算法利用了數千個不相關結構的知識來增強衍射數據。」Billinge 解釋道。

圖示： PXRDnet 結構預測。（來源：論文）

在信息量非常低的情況下，例如 10 ? 納米晶體尺寸，PXRDnet 的預測表現得非常出色。

PXRDnet 能夠在五次測試中有四次成功，且生成了可驗證地確定結構候選，這些候選結構的平均誤差僅為 7%。此外，PXRDnet 能夠從實際實驗中收集的噪聲衍射圖譜中解析結構。

與任何結構求解方法一樣，該團隊并不期望 100% 的成功，而是尋求一種能夠提供結構候選物并可進一步評估其有效性的方法。在這方面，PXRDnet 展現出了卓越的性能，這得益于朗之萬動力學（Langevin Dynamics）固有的隨機性，從而產生了多個結構候選物。

早期，科學家使用 Liga 算法通過原子對分布函數求解納米結構的研究，僅在對稱性足夠高的結構中成功，這限制了該方法的影響力。

PXRDnet 通過利用其訓練數據中的信息，在這種低輸入信息環境下取得了更大的成功，而這是 Liga 無法做到的。PXRDnet 的成功，表明擴散模型或許可以為更廣泛的科學問題提供一種強有力的方法。

這說明對人類來說超級難的問題，對數據驅動的機器學習方法來說并不一定很難。

圖示：五次測試的實驗數據。（來源：論文）

還有很大的提升空間

雖然如此，這項研究依然存在一些局限性。

PXRDnet 的局限性在于需要預先知道化學式，未來將探索在未知或部分已知化學成分情況下的結構解析能力。此外，當前研究僅適用于晶胞原子數不超過20的材料，未來需擴展至更多原子的材料。

數據質量方面，這里使用的低質量圖譜（Q < 8.2 ?^?1）限制了模型性能，而更高質量的數據有望提升預測準確性。機器學習層面，模型基于現成的 CDVAE 主干，其貢獻在于解決了納米材料結構測定難題而非算法創新。

研究人員還表示，未來另一個優化方向是增強對背景信號的穩健性，例如通過消除容器信號干擾來提升模型表現。

結語

圖示：晶體衍射示意。（來源：論文）

「粉末晶體學問題是著名的蛋白質折疊問題的姊妹問題，在蛋白質折疊問題中，分子的形狀是通過線性數據特征間接推導出來的?！垢鐐惐葋喒こ虒W院機械工程系主任、論文作者之一 Hod Lipson 教授說道，「現在，尤其讓我興奮的是，人工智能在物理或幾何背景知識相對匱乏的情況下，竟然能夠學會解決困擾人類研究人員一個世紀的難題。」

這個百年粉末晶體學之謎對于 Lipson 來說意義非凡。Lipson 是計算晶體學方法先驅 Henry Lipson（CBE，FRS，1910-1991）的孫子。20 世紀 30 年代，Henry Lipson 與 Bragg 等人合作，開發了早期的晶體學計算技術，這些技術被廣泛應用于解決早期的復雜分子，例如青霉素。

「我上中學的時候，這個領域還在苦苦掙扎，那時候構建能夠區分貓、狗的算法都超級困難?！拐撐牡牡谝蛔髡摺⑺固垢４髮W的博士生 Gabe Guo 表示：「現在，像我們這樣的研究領域，正在展示人工智能的巨大威力。它確實能夠增強人類科學家的能力，并將創新推向新的高度。」

總而言之，這項研究為未來的計算晶體學和材料科學研究帶來了樂觀的展望。

論文鏈接：https://www.nature.com/articles/s41563-025-02220-y

相關報道：https://www.eurekalert.org/news-releases/1081847