北京
晶体结构看似近乎完整，但如果缺失部分原子，计算机模拟就无法使用。氢原子是这类缺失的常见来源，如今研究人员改编了一项用于图像修复的人工智能技术，来预测这些隐藏原子的位置。 该方法由保罗·谢尔研究所（PSI）科学计算、理论与数据中心的乔瓦尼·皮齐团队领导，并与意大利帕尔马大学和摩德纳大学的科研人员合作开发。研究成果发表在《npj计算材料学》上。该技术将计算机视觉——即AI识别和理解视觉信息的能力——应用于不完整的晶体结构。 专门化的AI系统早已辅助材料研究。例如，微软的MatterGen可以根据应包含的元素及其比例等基本信息，构建复杂的晶体结构。研究人员随后可将生成的结构用于计算机模拟，以探索潜在材料。 而新方法则聚焦于填充实验已知结构中的缺失位置。完善这些晶体学记录，可能使以往无法用于模拟的材料变得可用，或大幅改进现有模型，有助于在氢存储以及潜在新型超导体等领域寻找有用特性。 “在模拟材料特性时，我们依赖数据库中关于每个原子在晶体结构中位置的信息。”乔瓦尼·皮齐团队博士生蒂莫·雷恩茨表示。 氢原子始终是一个难以解决的挑战。虽然氢常常存在于晶格中，但用于确定原子排列的标准X射线衍射方法难以检测到它。因此，晶体可视化图像中氢原子的位置常常不准确，甚至可能完全缺失，而这项新AI技术正是为了填补这一空白。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
