生成AIはX線回折パターンから直接MOF構造を解読します 金属有機フレーム(MOFs)は非常に有用な材料であり、多孔質で調整可能で、ガス貯蔵から薬物輸送まであらゆる用途に応用可能です。しかし、粉末X線回折データから構造を特定することは依然としてボトルネックであり、特に専門家にすべてのパターンを手動で解釈させることができない自動化された研究所ではなおさらです。 核心的な問題は、MOFは複雑な三次元ネットワークに配置された数百の原子を含み得ることです。XRD解釈の標準的なアプローチは、ピークの重複や構造的多様性の高さに苦労しています。 Bin Feng、Bingxu Wangらは、この問題を画像生成として再構築しています。彼らのモデルであるXrd2Mofは、XRDパターンをテキストプロンプトとして、MOF構造を生成する画像として扱い、Stable Diffusionアーキテクチャを適用してそれらの間のマッピングを学習します。 重要な洞察は粗い粒度分析です。すべての原子位置を予測しようとするのではなく、MOFをリンカー重心でつながれた金属ノードのネットワークとして表現しています。これは、XRDパターンの鋭いピークの多くが重金属原子から来ているため、うまく機能します。数百の原子を数十の接続点に還元することで、回折に実際に重要な構造情報を保持しつつ、問題を1桁に圧縮できます。 ケンブリッジ構造データベースの約8万個のMOF構造で訓練され、XRDパターンと正しい構造を一致させる確率は93%以上に達します。ほぼすべての既知のフレームワークトポロジーを網羅し、実験データで成功裏に検証します。 実際的な意味:自動駆動型研究所は、生の回折データから人間の介入なしに再構築された結晶構造へと移行できるようになり、これは自動化されたMOF発見パイプラインにはなかった機能です。 論文: