Набор данных для оценки Image-to-molecule с фрактальными узорами и иерархическим распознаванием морфологии

Почему имеют значение крошечные кристаллические узоры

Когда капля химического раствора высыхает, она может оставлять за собой удивительно красивые и замысловатые кристаллические ландшафты. В этой статье показано, что эти узоры — не просто декоративные изображения: они незаметно кодируют информацию о самих молекулах. Авторы представляют большую открытую коллекцию изображений, связывающую формы, наблюдаемые в микроскопе, с лежащей в основе химией, создавая площадку, на которой методы искусственного интеллекта могут научиться распознавать, как структура молекулы проявляется во внешнем виде.

Изображения, раскрывающие скрытую структуру

Исследование сосредоточено на семействе родственных соединений — четвертичных фосфониевых солях. Эти материалы тверды при комнатной температуре и могут формировать кристаллы с поразительно различающимися внешними видами, даже когда их молекулы отличаются лишь одной небольшой группой. С помощью сканирующих электронных и оптических микроскопов команда записала более 3 500 высокоразрешающих электронных изображений и почти 400 оптических изображений от 19 таких соединений и 10 их смесей. Каждое изображение фиксирует, как кристаллы растут, ветвятся и организуются по мере высыхания капель раствора на поверхности.

Библиотека форм на разных масштабах

Исследователи спроектировали коллекцию изображений так, чтобы одинаковые типы структур можно было сравнивать справедливо. Для каждого соединения они сделали не менее 100 изображений в электронном микроскопе при 14 тщательно подобранных увеличениях — от широких панорам всего высохшего пятна до тонких деталей размером всего в несколько десятков нанометров. Дополнительные изображения смесей были сняты при множестве «переходных» увеличений, чтобы проверить, насколько хорошо компьютерные модели справляются с новыми, слегка отличающимися условиями просмотра. Оптические микроскопические снимки при меньших увеличениях отражают те же паттерны и могут использоваться вместе с электронными изображениями для более творческих методов на основе изображений.

Фракталы, слои и кристаллические ландшафты

Одним из самых заметных результатов является исключительное разнообразие форм. Некоторые соединения образуют отчетливо фасетированные кристаллы с резкими краями, другие дают более гладкие, напоминающие расплавленные отложения. Внутри одного соединения могут появляться несколько различных микроландшафтов, что указывает на разные кристаллические формы. Частые мотивы включают древовидно-ветвящиеся «фрактальные» структуры, пучки иголок, решетчатые ламеллы и сложные многослойные текстуры. Эти узоры повторяются иерархически: крупные структуры строятся из меньших, схожих элементов, которые остаются распознаваемыми при увеличении или уменьшении изображения, подобно тому, как выглядит береговая линия с разных высот.

От изображений к молекулам и обратно

Важно отметить, что предыдущие работы авторов показали: модель глубокого обучения уже способна различать близкородственных представителей этого семейства соединений, опираясь только на микроскопические изображения. Этот результат подразумевает, что визуальный вид кристаллов действительно отражает тонкие различия в молекулярной структуре. Новый опубликованный набор данных идет дальше, делая полную, кураторскую коллекцию изображений общедоступной, с параметрами съемки и организованными папками. Это открывает две дополняющие друг друга линии исследований в машинном обучении: алгоритмы, которые читают микроскопическое изображение и определяют, какое соединение его породило, и алгоритмы, которые по описанию молекулы генерируют правдоподобные кристаллические узоры, которые можно было бы увидеть в лаборатории.

Что это значит для будущих материалов

Для неспециалистов главное — формы, видимые в микроскоп, не случайны: это отпечатки молекул, их сформировавших. Сопоставляя тысячи тщательно задокументированных изображений с известными химическими структурами, эта работа создает эталонный ресурс для исследователей, желающих обучить компьютеры понимать и даже проектировать новые материалы по их внешнему виду. Со временем такие инструменты могут помочь химикам быстро отбирать соединения, оптимизировать производственные этапы или целенаправленно конструировать кристаллические узоры, повышающие свойства материалов в приложениях от электроники до лекарств.

Цитирование: Arkhipova, D.M., Boiko, D.A., Oganov, A.A. et al. Image-to-molecule benchmarking dataset with fractal pattern and hierarchical morphology recognition. Sci Data 13, 570 (2026). https://doi.org/10.1038/s41597-026-06941-w

Ключевые слова: микроскопические изображения, морфология материалов, машинное обучение, кристаллические узоры, открытие материалов