ED-CSP：通过电子衍射预测晶体结构

arXiv:2608.06448v1 公告类型：新 摘要：从稀疏、未索引的电子衍射 (ED) 观测中恢复周期性 3D 晶体结构是一个具有挑战性的生成逆问题。现有的基于 ED 的学习方法主要预测晶体学标签、从索引反射重建结构或从有限结构库中检索候选者。在这里，我们介绍 ED-CSP，这是一种机器学习框架，可以根据化学成分、原子计数和多个探测器平面 ED 点集来预测晶体结构。 ED-CSP 结合了关系集编码器、排列不变多视图聚合和周期流生成器来联合预测晶格参数和分数原子坐标。为了训练模型，我们构建了 ED-CS，这是一个包含 485 万个模拟多视图 ED 晶体结构的数据集，在七个材料存储库中进行了重复数据删除，并进行了过滤以排除 CHILI-100K 重叠。在 2,075 种保留的 CHILI-100K 材料上，仅在 CHILI 上训练的 ED-CSP 实现了 57.49% MR@5 的结构匹配率，优于 PXRDGen (52.92%)，这是一种基于粉末 X 射线衍射的最先进的晶体结构预测模型。扩展训练数据进一步提高性能：从一百万个结构前体进行初始化将 MR@5 提高到 66.27%。对于训练检索库中缺少的 1,024 个作品，该模型仍然达到 53.52% MR@5，展示了超越精确公式检索的真正生成能力。用相同成分的非同构结构的衍射代替目标 ED 观察结果使 MR@5 降低了 22.09 个百分点，这证实了预测取决于输入的衍射图案而不是单独的成分。 ED-CSP 和 ED-CS 为通过稀疏 ED 观测进行生成晶体结构预测建立了基准，并为将来转移到实验数据奠定了基础。