近年来,人工智能在图像生成领域的显著进展引发了对扩散模型等方法的广泛关注。通过学习大量图像数据,这些先进的模型能够从随机噪声中生成高度逼真的图像。现在,深势科技与协作者将这一概念应用于晶体结构的预测上,从X射线粉末衍射(PXRD)数据中“扩散”出材料的精确晶体结构。晶体结构的准确预测对材料的性质理解和新材料的开发至关重要,当前的确定方法涉及复杂的实验和分析过程,效率低且易受人为误差影响。XtalNet 能从 PXRD 数据中直接预测晶体结构,将极大提升研究效率,减少误差,帮助科学家们快速准确地理解材料结构与性质的关联,推动新型功能材料的设计和发现。
在材料科学的探索领域,晶体结构预测(CSP)技术的进步,不仅推动了新材料的发现,更是为材料性能的理解与应用提供了重要的理论基础。长久以来,大多数晶体结构生成方法专注于无机晶体的无条件生成,其单位晶胞内原子数量有限。然而,随着科学技术的快速发展,对基于一些特定条件的晶体生成,对有机晶体的生成,和对更复杂的结构的生成,尤其是单位晶胞内含有更多原子的材料进行精确预测的需求都日益增加。
在这一背景下,深势科技与厦门大学化工学院汪骋团队,以及北京大学大数据科学研究中心共同开发的XtalNet技术应运而生。这项技术结合了汪骋团队在材料晶体科学的专业理解,以及深势科技和北京大学大数据科学研究中心在AI领域的实践经验。这项技术不仅立起了一个AI4Sci领域的新技术锚点,也代表着晶体结构预测技术的一大升级。
XtalNet 的革命性创新
XtalNet 数据集的创新与开放
在 XtalNet 的研发过程中,我们基于理论计算,构建了两个金属有机框架(MOF)数据集——hMOF-100和hMOF-400,覆盖了单位晶胞内100以内和400以内这两个原子数量范围。这不仅是对现有科学数据的一次补充,并且目前这两个数据集已经开放数据下载,以促进科学共享,加速全球科学家对新材料的发现和研究。
XtalNet 的实际应用效果
XtalNet 的未来展望
XtalNet 的成功开发,不仅为晶体结构预测提供了一种全新的高效途径,也为材料科学研究的其他领域带来了启示。随着技术的不断完善和应用的拓展,XtalNet 有望推动新材料的发现和开发,加速材料科学领域的进步。未来,XtalNet 团队将致力于提高模型对实验数据的适应能力,探索与其他实验技术的结合。
arxiv:
https://arxiv.org/abs/2401.03862数据集:
https://drive.google.com/drive/folders/1F76mhwzI1FVbUDYblMw-B1eJF9X1Cxc9?usp=drive_link推荐关注
关于深势科技
深势科技是“AI for Science”科学研究范式的引领者和践行者,致力于运用人工智能和多尺度的模拟仿真算法,结合先进计算手段求解重要科学问题,为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。