L'ensemble de données de référence MP-20-PXRD a été proposé conjointement par l'Université de Columbia et l'Université de Stanford en 2025 pour la formation de bout en bout de PXRDnet, une méthode d'analyse de structure d'intelligence artificielle générative basée sur un modèle de diffusion. La recherche connexe a été publiée dans Nature Materials sous le titre « Solutions de structure ab initio à partir de données de diffraction de poudre nanocristalline via des modèles de diffusion ».

L'ensemble de données se compose de matériaux échantillonnés à partir de la base de données Materials Project, avec un maximum de 20 atomes dans la cellule unitaire. Il contient 45 229 matériaux, qui sont utilisés pour la formation, la validation et les tests dans un rapport de 90%, 7,5% et 2,5%.