Как расшифровать внутреннюю симметрию кристаллов по дифракционным пикам без кропотливого ручного анализа
Идентификация материалов и понимание структуры на основе данных порошковой рентгеновской дифракции (PXRD) — давняя задача в материаловедении, имеющая фундаментальное значение для открытия и характеристики новых материалов. Предпосылкой для решения полной структуры является точное определение кристаллической решетки, включая параметры решетки и кристаллографическую симметрию. Традиционные методы для этого являются итеративными и обычно требуют участия экспертов, и хотя существующие подходы глубокого обучения показали себя многообещающими, ключевой целью остается надежный одноразовый метод комплексного определения решетки на основе экспериментальных данных. Здесь мы представляем AlphaDiffract, систему глубокого обучения, которая обеспечивает современную производительность при прогнозировании параметров кристаллической системы, пространственной группы и решетки непосредственно на основе картин PXRD. AlphaDiffract использует одномерную адаптацию архитектуры ConvNeXt, современной сверточной нейронной сети, которая объединяет ключевые принципы проектирования трансформаторов в сочетании со специальными головками прогнозирования для каждого кристаллографического свойства. Модель обучена на крупнейшем на сегодняшний день наборе физических данных, содержащем более 31 миллиона смоделированных дифракционных картин, созданных путем дополнения 312 267 курируемых структур из баз данных ICSD и Materials Project. Что особенно важно, он демонстрирует сильное обобщение экспериментальных данных, достигая точности кристаллической системы 81.7% и точности пространственной группы 66.2% в наборе данных RRUFF, а также дополнительно прогнозируя все шесть параметров решетки. Предоставляя унифицированную модель для быстрого и точного определения решетки на основе данных PXRD, AlphaDiffract представляет собой значительный шаг вперед в использовании глубокого обучения для высокопроизводительного открытия материалов.
## В чем суть открытия Вместо того, чтобы решать 3D-кристаллическую головоломку по частям методом медленных проб и ошибок, алгоритм смотрит на тени, отбрасываемые рентгеновскими лучами, и мгновенно определяет точную форму и симметрию решетки. ## Как это устроено: принцип работы Архитектура адаптирует современную 1D-сверточную сеть, основанную на принципах проектирования, основанных на трансформаторах, отображая непрерывные одномерные порошковые дифракционные картины в богатые скрытые представления. Многозадачные головки прогнозирования отходят от магистрали для одновременной классификации кристаллической системы, прогнозирования симметрии пространственной группы и регрессии всех шести непрерывных параметров решетки за один прямой проход. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** code_benchmark - **Бенчмарки и прирост:** Crystal system accuracy: 81.7%, Space group accuracy: 66.2% on experimental RRUFF dataset; regression of all 6 lattice parameters - **Размер выборки / валидация:** N = 31M+ simulated patterns from 312,267 curated structures (ICSD and Materials Project); evaluated on RRUFF experimental dataset - **Реализация в открытом доступе:** Да (верифицируемый репозиторий кода) ## Что это меняет на практике Ускоряет высокопроизводительное обнаружение автономных материалов за счет устранения узких мест, связанных с участием человека в синхротронных и лабораторных трубопроводах порошковой дифракции, что обеспечивает автоматическую идентификацию фаз для батарей, катализаторов и конструкционных сплавов. ## Границы метода и риски Производительность экспериментальных данных ухудшается по сравнению с синтетическими тестами из-за инструментального расширения, предпочтительной ориентации и многофазных смесей, которые еще не полностью учтены в обучающих наборах однофазного моделирования.