通过扩散模型从纳米晶粉末衍射数据中得到从头算结构解

材料科学面临的一大挑战是确定纳米级物体的结构。本文提出了一种基于扩散过程的生成式机器学习模型，该模型已在45,229个已知结构上进行训练。该模型因子测量了原子团簇结构晶胞的衍射图样以及相关的统计先验。仅以化学式和信息稀缺的有限尺寸展宽粉末衍射图样为条件，我们发现，我们的模型PXRDnet能够成功解析200种对称性和复杂程度各异的材料中小至10 Å的模拟纳米晶体，涵盖所有七种晶系的结构。我们表明，我们的模型能够在五次中有四次成功且可验证地确定结构候选，这些候选结构的平均误差仅为7%（以Rietveld后细化R因子衡量）。此外，PXRDnet能够从实际实验中收集的噪声衍射图中解析结构。我们认为，以理论模拟为基础的数据驱动方法最终将为确定以前未解决的纳米材料的结构提供一条途径。