开源AI模型实现了对晶体中缺失原子的高精度预测与还原

人工智能技术正在加速材料科学的创新步伐。瑞士保罗谢尔研究所科学计算、理论与数据中心团队联合意大利帕尔马大学和摩德纳大学的研究人员，开发出名为XtalPaint的开源AI模型，能够高精度预测并还原晶体结构中缺失的原子。相关成果发表于《npj Comput. Mater.》。

在材料科学中，精确掌握晶体中每个原子的位置是进行计算机模拟和预测材料电导率、热导率等关键物理性质的前提。然而，传统X射线衍射实验难以准确检测氢原子，导致许多实验测得的晶体结构存在原子缺失或位置偏差。这使得大量具有潜在应用价值的新材料因信息不完整而无法进入模拟分析阶段。

研究团队从图像修复技术中获得灵感，将用于图像修复的计算机视觉AI技术引入晶体结构重建。传统扩散模型在重构时会在整个图像上引入随机噪声并全面重建，而XtalPaint进行了针对性改进：它仅对晶体中未知原子位置施加噪声，同时最大程度保留已知结构。这种渐进式重建方式以既有晶体框架为参照，显著提升还原准确率并节省计算资源。

在严格测试中，研究人员将已知氢原子位置的晶体结构中的氢原子数据抹去，交由XtalPaint进行还原。结果显示，模型能够以极高的精度恢复缺失原子位置，证明其有效性和可靠性。这一成果不仅验证了AI在微观结构预测中的潜力，也为材料数据库的完善提供了新工具。

XtalPaint的应用前景广阔。它可用于补充和修补现有材料数据库中的缺失信息，矫正数据传输过程中的文献错误。此外，该模型还能拓展应用于锂、钠等电池关键元素的结构重构，为储能材料和新型超导体的开发提供强有力支撑。

这项研究获得了瑞士国家科学基金会NCCR MARVEL项目的资助。随着AI与材料科学的深度融合，XtalPaint有望成为加速新材料发现的重要工具，推动能源、电子等领域的技术革新。

把任意网站变成干净 JSON

现成爬虫与 AI 智能体

试用 Apify