AlphaDiffract：基于深度学习的粉末 X 射线衍射数据自动晶体学分析

从粉末 X 射线衍射（PXRD）数据进行材料鉴定和结构理解是材料科学中的长期挑战，关乎发现和表征新型材料。完全结构求解的前提是准确确定晶体格子，包括晶格参数和晶体对称性。传统方法迭代进行，通常需要专业人士输入；虽然现有深度学习方法显示出前景，但从实验数据中实现综合性晶格确定的鲁健、单次方法仍是关键目标。本文引入 AlphaDiffract，一个深度学习框架，实现对晶体系、空间群和晶格参数从 PXRD 模式的准确预测。AlphaDiffract 采用 1D ConvNeXt 架构，这是一种现代卷积神经网络，集成了来自 transformer 的关键设计原则，配合针对每个晶体学属性的专用预测头。模型在超过 3100 万个模拟衍射图案（通过扩充 ICSD 和 Materials Project 数据库中筛选出的 312,267 个结构）上进行训练。关键的是，它对实验数据具有强大的推广能力，在 RRUFF 数据集上实现了 81.7% 的晶体系准确率和 66.2% 的空间群准确率，同时预测所有六个晶格参数。通过提供一个从 PXRD 数据中快速准确进行晶格确定的统一模型，AlphaDiffract 代表了深度学习用于高通量材料发现的重要进步。