.png){kind=icon}
返回
DiffractGPT: Atomic Structure Determination from X-ray Diffraction Patterns Using a Generative Pretrained Transformer
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jpclett.4c03137.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从粉末衍射图谱确定晶体结构是材料科学中的一个复杂挑战，通常需要丰富的专业知识和计算资源。本研究介绍了一种名为DiffractGPT的生成式预训练转换器模型，该模型旨在直接从X射线衍射（XRD）图谱预测原子结构。通过捕捉衍射图谱与晶体结构之间的复杂关系，DiffractGPT实现了快速且准确的逆向设计。该模型在JARVIS-DFT数据集中数千个原子结构及其模拟XRD图谱上进行训练，我们在三种场景下评估了该模型：(1) 无化学信息；(2) 提供元素列表；(3) 提供明确的化学式。结果表明，引入化学信息可显著提高预测精度。此外，训练过程简单快速，为计算、数据科学和实验社区之间的差距架起了桥梁。这项工作代表了自动化晶体结构确定领域的重大进展，为数据驱动的材料发现与设计提供了有力工具。
Keyword:
LIBRARY
期刊
IF:
4.6
论文数:
2.5K
被引数:
7.4W
机构
引用论文
Fast and interpretable classification of small X-ray diffraction datasets using data augmentation and deep neural networks使用数据增强和深度神经网络对小型x射线衍射数据集进行快速且可解释的分类
OAAI
OAAI分享收藏Recent advances and applications of deep learning methods in materials science深度学习方法在材料科学中的最新进展与应用OAAI
OAAI分享收藏Recent progress in the JARVIS infrastructure for next-generation data-driven materials design.png)
APPLIED PHYSICS REVIEWS
OAAI
APPLIED PHYSICS REVIEWSIF11.6
OAAI分享收藏Machine learning-accelerated discovery of novel 2D ferromagnetic materials with strong magnetization机器学习加速发现具有强磁化强度的新型二维铁磁材料ChipOAAI
ChipIF0
OAAI分享收藏Mlatticeabc: Generic Lattice Constant Prediction of Crystal Materials Using Machine LearningACS OMEGAOAAI
ACS OMEGAIF4.3
OAAI分享收藏分享收藏Recent advances and applications of machine learning in solid-state materials science机器学习在固体材料科学中的最新进展及应用OAAI
OAAI分享收藏Extracting accurate materials data from research papers with conversational language models and prompt engineering使用会话语言模型从研究论文中提取准确的材料数据，并提示工程NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容