机器学习算法可解析纳米晶体结构

据4月28日《自然·材料》杂志报道，美国哥伦比亚大学工程学院团队创建了一种机器学习算法，可以通过观察纳米晶体产生的图案来推断材料的原子结构。该成果破解了困扰材料科学界一个世纪的纳米晶体结构解析难题，有望加速新药研发、清洁能源材料开发及文化遗产研究。

晶体学是理解几乎所有材料特性的最有效方法。然而，传统方法仅适用于毫米级完美晶体，面对由微小颗粒组成的粉末状纳米晶体时，现有技术仅能获得模糊的原子排列信息，导致诸多关键材料研究陷入停滞。

此次，研究团队利用4万个已知原子结构对一个生成式人工智能（AI）模型进行了训练，从而开发出一个能够从“失真数据”中还原原子结构的智能系统。

具体而言，团队创建了一个包含4万个晶体结构的数据集，并将原子位置打乱，使其看起来像是随机排列的。随后，他们训练了一个深度神经网络，将这些几乎随机排列的原子与其对应的X射线衍射图案联系起来。该网络利用这些观测结果对晶体进行重建。最后，他们让AI生成的晶体经历一个名为“里特维尔德精修”的过程，即根据衍射图案，将晶体“微调”到接近最优状态。

尽管该算法的早期版本表现不佳，但最终它学会了比预期有效得多的晶体重建方法。该算法能够从各种形状的纳米级晶体中确定原子结构，包括之前实验难以表征的样本。

团队表示，这个AI模型也学会了自然界所允许的原子排列模式。这种模式识别能力预示着蛋白质结构预测、药物分子设计等领域将迎来范式转变。