生成式AI直接从X射线衍射图案解读金属有机框架（MOF）结构 金属有机框架（MOF）是极其有用的材料——多孔、可调，适用于从气体储存到药物输送的各种应用。但从粉末X射线衍射数据中识别它们的结构仍然是一个瓶颈，尤其是在自动化实验室中，无法让专家手动解读每一个图案。 核心问题在于：MOF可以包含数百个原子，排列成复杂的三维网络。标准的XRD解读方法在重叠峰和结构多样性面前显得力不从心。 Bin Feng、Bingxu Wang及其同事将问题重新定义为图像生成。他们的模型Xrd2Mof将XRD图案视为文本提示，将MOF结构视为要生成的图像——然后应用稳定扩散架构来学习它们之间的映射。 关键的洞察是粗粒化。与其试图预测每个原子的位置，他们将MOF表示为由连接中心节点连接的金属节点网络。这是可行的，因为XRD图案中的尖峰主要来自重金属原子。将数百个原子简化为几十个连接点，将问题压缩了一个数量级，同时保留了对衍射实际重要的结构信息。 Xrd2Mof在剑桥结构数据库中训练了近80,000个MOF结构，成功实现了93%以上的准确率，将XRD图案与其正确结构匹配。它几乎涵盖了所有已知的框架拓扑，并在实验数据上成功验证。 实际意义在于：自驾实验室现在可以从原始衍射数据到重建的晶体结构，而无需人工干预——这一能力在自动化MOF发现流程中一直缺失。 论文：