返回
Equivariant diffusion solution for inorganic crystal structure determination from powder X-ray diffraction data
DOI:10.1038/s41467-026-70035-9.png)
摘要
En 中文
确定无机材料的晶体结构至关重要,因为原子排列决定了它们的物理、化学和机械性质。粉末X射线衍射(PXRD)仍然是基础表征技术,但从实验PXRD图谱直接解析结构具有挑战性,传统上高度依赖专家手动解释。即使顶尖数据库也包含数千条具有不完整或不可信结构模型的条目。在本工作中,我们开发了一种基于等变图神经网络(equivariant graph neural network)的扩散模型,该模型可直接从PXRD图谱推断原子坐标。模型从随机噪声开始,通过迭代优化坐标生成与目标图谱匹配的化学有效结构。它能在单块GPU上以平均0.6秒解析晶体结构,比先前方法快几个数量级,并在模拟和实验数据集上分别取得82.3%和81.6%的成功率。我们利用该模型修正了39条能量不利的数据库条目,并为912条缺少原子位置的条目完成了高质量结构模型,包括含轻元素、天然矿物及化学无序等困难案例。这种条件等变生成方法实现了从衍射数据稳健的自动化晶体结构解析,并支持未来闭环自主材料发现的进一步发展。一种新的基于等变图神经网络的扩散模型可直接从粉末X射线衍射图谱推断原子坐标,从而实现无机材料快速、自动化的晶体结构测定。
Keyword:
Materials science
Theory and computation
Science
Humanities and Social Sciences
multidisciplinary
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
Commentary: The Materials Project: A materials genome approach to accelerating materials innovation评论: 材料项目: 加速材料创新的材料基因组方法
APL MATERIALS
IF4.5

