200种材料，10Å尺度模拟纳米晶体，哥大团队用4万原子结构训练AI

编辑 | 萝卜皮

一种基于扩散模型的生成式 ML 框架 PXRDnet 解决材料难题。

在材料领域有一个长期存在的问题，它致使救命药物的研发被迫搁置，新一代电池的发展受到阻碍，考古学家无法确定古代文物的来源。

百年来，科学家们一直使用晶体学方法来确定材料的原子结构，它的工作原理是将 X 射线束照射到材料样品上，并观察其产生的衍射图案。

从衍射图案中，理论上可以计算出样品中原子的精确排列。然而，挑战在于，这种技术只有在研究人员拥有大量且纯净的晶体时才能有效。

当他们不得不面对一种被称为纳米晶体的微小粉末时，这种方法只能提供一些线索，无法完全揭示那些看不见的结构。

「人工智能可以从结构数据库中学习各类知识，来解决这个问题。正如 ChatGPT 学习语言模式一样，人工智能模型能够学习自然界中物理允许的原子排列模式。」哥伦比亚大学（Columbia University）工程学院材料科学、应用物理和应用数学教授 Simon Billinge 表示。

Billinge 领导的研究团队提出了一种基于扩散模型的生成式机器学习框架 PXRDnet，它在 45,229 个已知结构上进行训练。

仅基于化学式和信息稀缺的有限尺寸展宽粉末衍射图，PXRDnet 成功解决了 200 种不同对称性和复杂程度的材料中小至 10 Å 的纳米晶体，包括所有七种晶体系统的结构。

相关研究以「Ab initio structure solutions from nanocrystalline powder diffraction data via diffusion models」为题，于 2025 年 4 月 28 日发布在《Nature Materials》。

过去一百年持续不断的材料革命，建立在科学界对原子排列（即材料结构）及其特性对这一底层结构的内在依赖性的深入理解之上。用解析衍射图谱确定材料结构，必要条件是单晶结构解。

图示：纳米材料 PXRD（powder X-ray diffraction） 图谱。（来源：论文）

不过，在许多现实情况下，获取纯单晶样品并不可行，尤其是纳米级原子团簇（即所谓的纳米结构问题）。在这些情况下，衍射图谱的信息含量会显著降低。必须从粉末衍射图谱中重叠的峰中提取峰强度，而这个问题在纳米材料（定义为尺寸小于 1,000 Å 的晶体）中被大大放大，因为有限尺寸效应会导致布拉格峰显著增宽。

总而言之，这项任务困难重重！

PXRDnet 来解决困难

Billinge 团队的目标是看看是否可以使用已有结构形式的先验知识，来训练生成人工智能 (AI) 模型，从而克服从「信息退化的衍射图案」中解决结构问题的挑战。

于是，他们利用 4 万个已知原子结构训练了一个生成式人工智能模型 PXRDnet。

「从之前的研究来看，我们知道纳米晶体的衍射数据所包含的信息不足以得出最终结果。该算法利用了数千个不相关结构的知识来增强衍射数据。」Billinge 解释道。

图示： PXRDnet 结构预测。（来源：论文）

在信息量非常低的情况下，例如 10 Å 纳米晶体尺寸，PXRDnet 的预测表现得非常出色。

PXRDnet 能够在五次测试中有四次成功，且生成了可验证地确定结构候选，这些候选结构的平均误差仅为 7%。此外，PXRDnet 能够从实际实验中收集的噪声衍射图谱中解析结构。

与任何结构求解方法一样，该团队并不期望 100% 的成功，而是寻求一种能够提供结构候选物并可进一步评估其有效性的方法。在这方面，PXRDnet 展现出了卓越的性能，这得益于朗之万动力学（Langevin Dynamics）固有的随机性，从而产生了多个结构候选物。

早期，科学家使用 Liga 算法通过原子对分布函数求解纳米结构的研究，仅在对称性足够高的结构中成功，这限制了该方法的影响力。

PXRDnet 通过利用其训练数据中的信息，在这种低输入信息环境下取得了更大的成功，而这是 Liga 无法做到的。PXRDnet 的成功，表明扩散模型或许可以为更广泛的科学问题提供一种强有力的方法。

这说明对人类来说超级难的问题，对数据驱动的机器学习方法来说并不一定很难。

图示：五次测试的实验数据。（来源：论文）

还有很大的提升空间

虽然如此，这项研究依然存在一些局限性。

PXRDnet 的局限性在于需要预先知道化学式，未来将探索在未知或部分已知化学成分情况下的结构解析能力。此外，当前研究仅适用于晶胞原子数不超过20的材料，未来需扩展至更多原子的材料。

数据质量方面，这里使用的低质量图谱（Q < 8.2 Å^−1）限制了模型性能，而更高质量的数据有望提升预测准确性。机器学习层面，模型基于现成的 CDVAE 主干，其贡献在于解决了纳米材料结构测定难题而非算法创新。

研究人员还表示，未来另一个优化方向是增强对背景信号的稳健性，例如通过消除容器信号干扰来提升模型表现。

结语

图示：晶体衍射示意。（来源：论文）

「粉末晶体学问题是著名的蛋白质折叠问题的姊妹问题，在蛋白质折叠问题中，分子的形状是通过线性数据特征间接推导出来的。」哥伦比亚工程学院机械工程系主任、论文作者之一 Hod Lipson 教授说道，「现在，尤其让我兴奋的是，人工智能在物理或几何背景知识相对匮乏的情况下，竟然能够学会解决困扰人类研究人员一个世纪的难题。」

这个百年粉末晶体学之谜对于 Lipson 来说意义非凡。Lipson 是计算晶体学方法先驱 Henry Lipson（CBE，FRS，1910-1991）的孙子。20 世纪 30 年代，Henry Lipson 与 Bragg 等人合作，开发了早期的晶体学计算技术，这些技术被广泛应用于解决早期的复杂分子，例如青霉素。

「我上中学的时候，这个领域还在苦苦挣扎，那时候构建能够区分猫、狗的算法都超级困难。」论文的第一作者、斯坦福大学的博士生 Gabe Guo 表示：「现在，像我们这样的研究领域，正在展示人工智能的巨大威力。它确实能够增强人类科学家的能力，并将创新推向新的高度。」

总而言之，这项研究为未来的计算晶体学和材料科学研究带来了乐观的展望。

论文链接：https://www.nature.com/articles/s41563-025-02220-y

相关报道：https://www.eurekalert.org/news-releases/1081847