تم اقتراح مجموعة بيانات معيارية MP-20-PXRD بشكل مشترك من قبل جامعة كولومبيا وجامعة ستانفورد في عام 2025 للتدريب الشامل لـ PXRDnet، وهي طريقة تحليل بنية الذكاء الاصطناعي التوليدية تعتمد على نموذج الانتشار. نُشر البحث ذو الصلة في مجلة Nature Materials تحت عنوان "حلول البنية الأساسية من بيانات حيود المسحوق النانوي عبر نماذج الانتشار".

تتكون مجموعة البيانات من المواد المأخوذة من قاعدة بيانات مشروع المواد، مع وجود ما يصل إلى 20 ذرة في الخلية الوحدوية. ويحتوي على 45229 مادة، والتي تستخدم للتدريب والتحقق والاختبار بنسبة 90%، و7.5%، و2.5%.