粉末结构AI解析模型UstcUnfold

casjxm

UstcUnfold模型的核心目标是通过人工智能技术直接从粉末X射线衍射（PXRD）数据中精确解析晶体结构，适用于有机和无机-有机杂化晶体材料。模型通过创新的两阶段神经网络架构和模板库匹配，克服了传统衍射分析方法中重叠峰解析难、依赖高分辨率数据等挑战。

1. ​模型背景与核心创新​

传统晶体结构解析依赖单晶衍射或复杂的粉末衍射分步流程（如索引、分峰、结构求解和精修），存在对样品质量、仪器精度和专家经验的严苛要求。​UstcUnfold提出一种端到端的AI解决方案，特点包括：

• ​直接处理常规PXRD数据​：兼容标准仪器采集的快速、中等分辨率数据（最低20角度60°即可满足精度）。
• ​全面覆盖空间群​：支持所有可能的晶体空间群（共225组）。
• ​两阶段优化机制​：首先生成粗粒度结构，再通过化学约束的扩散网络原子级精修。
• ​模板库驱动​：利用CCDC数据库构建“谱图-结构”模板库，解决衍射峰重叠问题。
  

2. ​模型架构与工作流程​

UstcUnfold由三个核心模块组成：

​a. 模板库构建

• ​数据来源​：基于CCDC数据库的110万+理论结构-PXRD对（20角度0-90°）。
• ​聚类方法​：将PXRD谱按最高峰位置分为900个区间，通过K-means聚类生成2000+代表性模板。
• ​模板类型​：
  
  • ​局部细节模板​：捕获金属-配体键合模式（有机晶体以苯环为伪金属原子）。
  • ​全局框架模板​：描述晶胞内原子分布。
    
• ​筛选标准​：仅保留结构相似且与PXRD谱严格配对的模板。
  

​

b. PXRD嵌入模块​​

• ​输入处理​：对比输入PXRD谱与模板库，筛选相似度最高的4个模板。
• ​特征提取​：
  
  • PXRD嵌入子模块：处理输入谱和匹配模板。
  • 结构嵌入子模块：处理配体结构。
    
• ​矩阵对齐​：将嵌入特征拼接为矩阵，缺失部分补零。
  

​

c. 结构初始化模块​​

• ​粗粒度结构生成​：基于嵌入矩阵，通过残差网络（结合变体Evoformer和Flash-Transformer）预测：
  
  • 空间群（分类任务）。
  • 晶胞参数（a, b, c, α, β, γ）。
  • 原子坐标（类型及xyz位置）。
    
• ​关键技术​：
  
  • 残差堆叠捕获谱图-结构关联。
  • 绝对位置编码区分PXRD与结构特征。
    

​

d. 结构优化模块​​

• ​扩散精修网络​：采用Diffusion     Transformer（DiT）迭代优化粗结构。
• ​化学约束网络（Score & Bond Check Net）​​：     
  
  • 校验键长/键角符合化学规则。
  • 评估预测结构与PXRD匹配度（评分>0.9则保留，否则重新采样）。
    
• ​输出​：原子级精修后的晶体结构。
  

3. ​训练策略与数据平衡​

​训练阶段​

• ​无监督预训练​：
  
  • ​PXRD鲁棒性​：对15%的PXRD tokens随机掩码，训练模型修复（应对噪声/缺失峰）。
  • ​化学约束网络​：用错误结构-PXRD对（原子替换/删除）训练评分能力。
    
• ​监督训练​：
  
  • ​结构初始化​：联合优化空间群（交叉熵损失）、晶胞参数和原子坐标（MAE损失）。
  • ​结构优化​：基于高斯噪声增强数据，原子坐标采用RMSE损失。
  • ​端到端训练​：聚焦优化模块输出。
    

​数据平衡​

• ​空间群分布​：P21/c和P-1占比59%，采用比例采样策略：
  
  • 2000样本的群组：按样本量反比采样（1%-50%）。
  • <2000样本的群组：固定采样50%。
    
• ​测试集​：500个CCDC结构（有机/配位化合物各250个），覆盖225个空间群。
  

4. ​性能评估​

​a. 理论PXRD数据表现​​

• ​晶胞参数​：MAPE     <0.05（最大误差5.7%），配位化合物精度略优于有机化合物。
• ​空间群分类​：225个群组中154个准确率>95%，覆盖CCDC中99.7%的结构。
• ​原子坐标​：MAE     ≈0.71Å（原子数<600时无显著性能衰减）。
• ​键参数​：键长、键角、二面角的MAPE均<0.1。
  

​

b. 实验PXRD数据表现​​

• ​分辨率适应性​：20角度≥60°时结构误差（MAPE）<0.1（常规仪器可达）。
• ​实测案例​：
  
  • 有机/配位化合物空间群预测准确。
  • 晶胞参数MAE≈0.115，原子坐标精度与理论数据相当。
  • 预测结构与实际结构几乎无法区分（见对比图）。
    

5. ​应用意义​

UstcUnfold提供了一种快速、普适的晶体结构解析方案​：

• ​突破传统局限​：无需单晶样品或高分辨率数据，适用于天然有机产物、生物分子配位单元等复杂体系。
• ​跨领域价值​：为化学、材料科学、药学等领域提供原子级结构信息，推动“谱图→结构→分子构型→电子态”的多尺度研究。
  

​总结​：UstcUnfold通过结合模板库匹配与两阶段深度学习架构，实现了从常规PXRD数据到精确晶体结构的端到端预测，为晶体结构解析提供了革命性的AI解决方案。

参考：

Di Wu, Pengkun Wang, Shiming Zhou, Bochun Zhang, Liheng Yu, Xi Chen, XuWang, Zhengyang Zhou, Yang Wang, Sujing Wang, Jiangfeng Du, A PowderDiffraction-AI Solution for Crystalline Structure