機器學習算法可解析納米晶體結構

美國哥倫比亞大學工程學院團隊創(chuàng)建了一種機器學習算法，可以通過觀察納米晶體產(chǎn)生的圖案來推斷材料的原子結構。該成果破解了困擾材料科學界一個世紀的納米晶體結構解析難題，有望加速新藥研發(fā)、清潔能源材料開發(fā)及文化遺產(chǎn)研究。

晶體學是理解幾乎所有材料特性的有效方法。然而，傳統(tǒng)方法僅適用于毫米級完美晶體，面對由微小顆粒組成的粉末狀納米晶體時，現(xiàn)有技術僅能獲得模糊的原子排列信息，導致諸多關鍵材料研究陷入停滯。

此次，研究團隊利用4萬個已知原子結構對一個生成式人工智能（AI）模型進行了訓練，從而開發(fā)出一個能夠從“失真數(shù)據(jù)”中還原原子結構的智能系統(tǒng)。

具體而言，團隊創(chuàng)建了一個包含4萬個晶體結構的數(shù)據(jù)集，并將原子位置打亂，使其看起來像是隨機排列的。隨后，他們訓練了一個深度神經(jīng)網(wǎng)絡，將這些幾乎隨機排列的原子與其對應的X射線衍射圖案聯(lián)系起來。該網(wǎng)絡利用這些觀測結果對晶體進行重建。他們讓AI生成的晶體經(jīng)歷一個名為“里特維爾德精修”的過程，即根據(jù)衍射圖案，將晶體“微調”到接近優(yōu)狀態(tài)。

盡管該算法的早期版本表現(xiàn)不佳，但它學會了比預期有效得多的晶體重建方法。該算法能夠從各種形狀的納米級晶體中確定原子結構，包括之前實驗難以表征的樣本。

團隊表示，這個AI模型也學會了自然界所允許的原子排列模式。這種模式識別能力預示著蛋白質結構預測、藥物分子設計等領域將迎來范式轉變。