生成式 AI 直接從 X 射線衍射圖譜解讀金屬有機框架 (MOF) 結構 金屬有機框架 (MOFs) 是極其有用的材料——多孔、可調整，適用於從氣體儲存到藥物傳遞的各種應用。但從粉末 X 射線衍射數據中識別它們的結構仍然是一個瓶頸，特別是在自動化實驗室中，無法讓專家手動解釋每個圖譜。 核心問題：MOFs 可以包含數百個原子，排列成複雜的三維網絡。標準的 XRD 解釋方法在重疊的峰值和結構多樣性面前掙扎。 Bin Feng、Bingxu Wang 和同事將問題重新定義為圖像生成。他們的模型 Xrd2Mof 將 XRD 圖譜視為文本提示，將 MOF 結構視為要生成的圖像——然後應用穩定擴散架構來學習它們之間的映射。 關鍵見解是粗粒化。與其試圖預測每個原子的位置，他們將 MOFs 表示為由連接中心連接的金屬節點網絡。這是可行的，因為 XRD 圖譜中的尖峰主要來自重金屬原子。將數百個原子簡化為數十個連接點，將問題壓縮了一個數量級，同時保留了對衍射實際重要的結構信息。 Xrd2Mof 在劍橋結構數據庫中訓練了近 80,000 個 MOF 結構，實現了超過 93% 的準確率，將 XRD 圖譜與其正確結構匹配。它涵蓋了幾乎所有已知的框架拓撲，並在實驗數據上成功驗證。 實際意義：自駕實驗室現在可以從原始衍射數據轉換為重建的晶體結構，而無需人類干預——這是自動化 MOF 發現流程中缺失的能力。 論文：