浅谈AI算法在复杂结构解析中的潜力

casjxm

理论上，自然界中物质结构的类型几乎是无穷多种的，至少存在许多人们无法用简单模型来描述的结构，比如复杂的缺陷结构、磁结构，生物分子结构等；但人们在通过实验手段获得物质的结构信息时，往往是先建立一个含未知参数的结构模型，然后通过某种优化算法（如最小二乘，模拟退火等等）去拟合实验数据，符合最好的那个结构模型被认为是最终确定的结构。为了研究方便，所使用的结构模型通常是“简单的”，如使用平移对称性去描述晶体结构，使用调制函数描述调制结构，使用传播矢量描述磁结构，使用邻接概率描述缺陷序等等，但这样就把自然界中的物质结构强制施加了某种模型限制，解析出的结构就不一定是真实的物质结构了。为了突破这种限制，我们需要建立一种弱限制的结构模型来描述复杂结构，但这样参数会比较多，一方面会给经典的优化算法造成收敛压力，另一方面实验条件也很可能跟不上，导致没有足够可信的数据来确定模型参数，这种情况下AI以及类似的神经网络算法也许提供了一种有效的解决方案。