粉末衍射机器学习基准数据库SIMPOD

casjxm

SIMPOD（Simulated Powder X-ray Diffraction Open Database）是一个首个公开的粉末X射线衍射机器学习基准数据库，旨在解决现有数据集私有化、结构单一性问题。该数据库包含467,861个晶体结构及其模拟衍射数据，源自开放资源Crystallography Open Database（COD），覆盖矿物、金属有机框架、有机化合物等多样化结构。

核心特性与创新
1.        数据规模与多样性
o        来源：整合COD截至2023年中期的晶体结构（筛选4-256原子的结构以平衡难度与计算成本）。
o        组成：包含空间群、晶胞参数、原子坐标等完整晶体学信息（JSON格式），以及一维衍射图谱和二维径向图像（PNG格式）。
o        多样性验证：涵盖所有230个空间群，元素覆盖周期表多数原子（图4a-b），有机化合物占比显著（H/C/N/O原子超10⁵个）。
2.        双模态数据设计
o        一维衍射图谱：模拟2θ范围5°–90°（10,824个强度点），Cu靶波长（1.5406 Å），峰值宽度0.01°，强度归一化至[0,1]。
o        二维径向图像：通过数学变换将衍射图压缩为512×512像素图像，适配计算机视觉模型。

技术验证与可靠性
1.        数据一致性
o        人工验证200个随机衍射图谱，与Mercury软件模拟结果高度一致（图3展示典型匹配案例）。
o        结构分布与COD高度相似（Kullback-Leibler散度：原子分布<6.58×10⁻⁴，空间群分布<9.84×10⁻³）。
2.        径向图像有效性
o        实验证明：使用径向图像的模型性能显著优于一维数据（表2 vs 表1）。
o        改进测试：1/4圆径向图像进一步将Swin V2模型的Top-5准确率提升至83.82%。
3.        局限性说明
o        模拟与实验差异：未包含背景噪声/可变峰宽，导致模型在20组实验数据测试中Top-5准确率最高仅35%。
o        波长限制：仅支持Cu靶，未涵盖中子衍射等其他辐射类型。

应用与性能基准
•        空间群预测任务：
o        最佳模型（Swin V2 + 预训练）在测试集达45.32%准确率（表2），较传统MLP/DRF模型提升>10%。
o        模型复杂度（GFLOPs）与准确率呈正相关。

数据获取与使用
•        访问地址：Science Data Bank (DOI: 10.57760/sciencedb.09755)。
•        文件结构：
o        JSON文件：晶体结构ID、衍射图谱向量、晶胞参数等。
o        PNG图像：径向图像（按ID命名）。
•        工具支持：提供数据加载教程与处理代码（GitHub: BCV-Uniandes/SIMPOD）。

研究价值
SIMPOD填补了公开、多样化的粉末衍射机器学习基准空白，为以下任务提供支持：
1.        晶体参数预测（空间群/晶胞/原子坐标）
2.        晶体结构生成
3.        计算机视觉与衍射模式的跨模态学习

引用：
Sergio Rincón, Gabriel González, Mario A. Macías1 & Pablo Arbeláez, a new benchmark for machine learning applied to powder X-ray diffraction, Scientific Data | (2025) 12:1186