美国哥伦比亚大学工程学院研究团队创建了一种机器学习算法，可通过观察纳米晶体产生的图案来推断材料的原子结构。该成果破解了困扰材料科学界一个世纪的纳米晶体结构解析难题，有望加速新药研发、清洁能源材料开发及文化遗产研究。相关研究成果于2025年4月28日发表在《自然·材料》期刊上。

晶体学是理解几乎所有材料特性的最有效方法。然而，传统方法仅适用于毫米级完美晶体，面对由微小颗粒组成的粉末状纳米晶体时，现有技术仅能获得模糊的原子排列信息，导致诸多关键材料研究陷入停滞。此次，研究团队利用4万个已知原子结构对一个生成式AI模型进行训练，从而开发出一个能够从“失真数据”中还原原子结构的智能系统。

具体而言，研究团队创建了一个包含4万个晶体结构的数据集，并将原子位置打乱，使其看起来像是随机排列的。随后，研究人员训练了一个深度神经网络，将这些几乎随机排列的原子与对应的X射线衍射图案联系起来。该网络利用这些观测结果对晶体进行重建。最后，研究人员让AI生成的晶体经历一个名为“里特维尔德精修”的过程，即根据衍射图案，将晶体“微调”到接近最优状态。

最终，该算法成功掌握了远超预期的高效晶体重建方法，能够精准地从各类纳米级晶体中确定其原子结构，即便对于以往实验手段难以表征的样本亦可实现准确分析。此外，该算法还成功掌握了自然界所允许的原子排列模式。

信息来源：

https://www.nature.com/articles/s41563-025-02220-y

https://www.engineering.columbia.edu/about/news/ai-learns-uncover-hidden-atomic-structure-crystals

https://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2025-04/29/content_588043.htm?div=-1