粉末X線回折データから無機結晶構造を決定するための等変拡散解法

結晶の指紋を読み取るコンピュータの教育

今日の多くの技術、たとえば電池や触媒、磁石は、無機結晶内の原子の精密な配列に依存しています。その目に見えない構造は通常X線によって解読され、特徴的な「指紋」パターンとして残ります。しかし、そのパターンを正確な原子地図に変換するには長年の訓練と根気のいる試行錯誤が必要でした。本研究はXRDSolと呼ばれるAIシステムを紹介します。XRDSolはこれらの指紋を読み取り、1秒未満で完全な結晶構造を提案できるため、材料探索の迅速化と信頼できる材料データベース構築への扉を開きます。

粉末パターンが解読しにくい理由

X線が完全な単結晶を通過すると、各原子を特定できる豊かな三次元パターンが得られます。しかし実際の試料は多くの場合、多数の微結晶粒からなる粉末であり、回折パターンは一次元のピーク列に収束し、元の空間情報の多くが失われます。人間の専門家は通常、この圧縮されたパターンを化学や結晶学の知識と組み合わせ、格子定数や対称性、原子位置を推測して繰り返し精密化します。複雑または不十分に知られた材料では、解が不完全だったり議論の余地があったり誤っていることがあり、大規模な構造データベースには欠落やありえない原子座標を含む数千のエントリが存在します。

原子配列を再構築するAI

著者らはXRDSolでこの課題に取り組みます。XRDSolは結晶のグラフ表現上で作用する等変拡散過程に基づく人工知能モデルです。良い初期推定から始める代わりに、XRDSolは既知の単位格子内（化学式と格子定数が既知）に原子をランダムに配置するところから出発します。訓練では、熱力学的に安定な構造を反復的に歪める「ノイズ付加」過程を逆にたどることを学習します。目標の粉末X線回折パターンを圧縮した表現に導かれ、モデルはランダム配置を段階的に「復号（デノイズ）」し、原子を化学的に妥当で観測されたパターンと整合する位置へ徐々に誘導します。基礎となるニューラルネットワークが結晶の回転・並進対称性を尊重するため、物理的に合理的な配列を自然に好む設計になっています。

多くの材料で高速かつ高精度な解

XRDSolを試すために、研究チームはシミュレートした粉末パターンを持つ9,000以上の安定な無機構造のデータセットを使用しました。単一のグラフィックスプロセッサ上で、本モデルは一つの構造に対する解を生成するのに約0.6秒を要します。これは重い量子力学計算や進化的探索に頼る従来手法よりおよそ1万倍から10万倍速い速度です。ケースの80％以上で、XRDSolは既知の構造とよく一致する原子位置を再現し、90％以上で再構築された回折パターンが目標と高い類似性を示しました。特に高対称性の結晶でうまく機能しますが、低対称でより複雑な場合には性能が低下します。それでも、単純な塩から複雑な酸化物、硫化物、金属間化合物に至る事例は、この手法がさまざまな化学系に広く適用可能であることを示しています。

古い記録の修正と欠落構造の補完

既知の答えを再現するだけでなく、XRDSolは疑わしい構造の改善にも役立ちます。著者らは、計算エネルギーが異常に高いデータベースのエントリを何千件も見直しました。これは公開構造に問題があることを示す指標です。粉末パターン、格子、組成のみを入力として、XRDSolは代替の原子配置を提案しました。少なくとも39件の化合物では、新しい構造が回折データにより良く一致し、エネルギーもはるかに低く、いくつかの既研究例では後の実験的再決定と一致しました。さらに回折パターンは知られているが原子位置が欠けている912件のエントリについて、システムは欠落していた座標を補完しました。これには水素やリチウムなど軽元素を含む難しい例、微量不純物を含む天然鉱物、化学的無秩序を示す材料が含まれます。AIが生成したこれらの構造は量子計算や手動検査で確認され、エネルギー的にもっともらしく化学的にも妥当であることが示されました。

自動化された材料探索に向けて

XRDSolは、拡散ベースで対称性に配慮したニューラルネットワークが、粉末X線データから無機結晶構造を解くために必要な専門知識の多くを学習できることを示しています。非常に大きな単位格子、低対称相、完全に無秩序なサイトなどにはまだ課題がありますが、それでもさらなる精密化のための迅速で高品質な出発モデルを既に提供しています。実用的には、専門家でない人にも高速な日常的解析をもたらし、大規模な構造データベースのクリーニングや補完に有力なツールとなり、コンピュータが設計・合成・特性評価・最適化をほとんど人手を介さずに行う閉ループ研究室の重要な構成要素となるでしょう。

引用: Yu, D., Zhu, Z., Leng, F. et al. Equivariant diffusion solution for inorganic crystal structure determination from powder X-ray diffraction data. Nat Commun 17, 3274 (2026). https://doi.org/10.1038/s41467-026-70035-9

キーワード: 粉末X線回折, 結晶構造決定, 等変拡散モデル, 材料インフォマティクス, グラフニューラルネットワーク