論文の概要: AI-Driven Structure Refinement of X-ray Diffraction

• arxiv url: http://arxiv.org/abs/2602.16372v2
• Date: Tue, 24 Feb 2026 10:37:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 13:30:08.442573
• Title: AI-Driven Structure Refinement of X-ray Diffraction
• Title（参考訳）: X線回折のAIによる構造微細化
• Authors: Bin Cao, Qian Zhang, Zhenjie Feng, Taolue Zhang, Jiaqiang Huang, Lu-Tao Weng, Tong-Yi Zhang,
• Abstract要約: このアルゴリズムは,ブラッグの法則をバッチ予測における明示的な制約へと変換する。 ブラッグに一貫性があり、不確実性を認識した強度を洗練可能なインターフェースとして提供することにより、WPEMはAI生成仮説と回折許容構造洗練の間のギャップを埋める。
• 参考スコア（独自算出の注目度）: 6.970927372252305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence can rapidly propose candidate phases and structures from X-ray diffraction (XRD), but these hypotheses often fail in downstream refinement because peak intensities cannot be stably assigned under severe overlap and diffraction consistency is enforced only weakly. Here we introduce the whole-pattern expectation--maximization (WPEM) algorithm, a physics-constrained whole-pattern decomposition and refinement workflow that turns Bragg's law into an explicit constraint within a batch expectation--maximization framework. WPEM models the full profile as a probabilistic mixture density and iteratively infers component-resolved intensities while keeping peak centres Bragg-consistent, producing a continuous, physically admissible intensity representation that remains stable in heavily overlapped regions and in the presence of mixed radiation or multiple phases. We benchmark WPEM on standard reference patterns (PbSO$_4$ and Tb$_2$BaCoO$_5$), where it yields lower $R_p/R_{wp}$ than widely used packages (FullProf and TOPAS) under matched refinement conditions. We further demonstrate generality across realistic experimental scenarios, including phase-resolved decomposition in multiphase materials, quantitative recovery of mixture compositions, separation of crystalline peaks from amorphous backgrounds in semicrystalline systems, high-throughput operando lattice tracking, automated refinement of compositionally disordered solid solutions, and quantitative phase-resolved analysis of complex archaeological samples from synchrotron powder XRD. By providing Bragg-consistent, uncertainty-aware intensity partitioning as a refinement-ready interface, WPEM closes the gap between AI-generated hypotheses and diffraction-admissible structure refinement on challenging XRD data.
• Abstract（参考訳）: 人工知能は、X線回折(XRD)からの候補位相と構造を迅速に提案できるが、ピーク強度が重重なる重なりの下で安定に割り当てられず、回折一貫性が弱くなるため、これらの仮説は下流の洗練において失敗することが多い。 ここでは,ブラッグの法則をバッチ期待-最大化フレームワーク内で明示的な制約に変換する物理制約付き全パターン分解および改善ワークフローである,全パターン予測-最大化アルゴリズム(WPEM)を紹介する。 WPEMは全プロファイルを確率混合密度としてモデル化し、ピーク中心を維持しながら成分分解強度を反復的に推論する。 We benchmark WPEM on standard reference pattern (PbSO$_4$ and Tb$_2$BaCoO$_5$)。 さらに, 多相材料の相分解, 混合組成の定量的回復, 半結晶系の非晶質背景からの結晶ピークの分離, 高スループットオペナンド格子追跡, 組成不整合固溶体の自動改質, シンクロトロン粉末XRDからの複雑な考古学試料の定量位相分解分析など, 現実的な実験シナリオにまたがって, 一般性を示す。 ブラッグに一貫性があり、不確実性を認識した強度分割を洗練可能なインターフェースとして提供することにより、WPEMは、AI生成仮説と、挑戦するXRDデータに対する回折許容構造洗練とのギャップを埋める。

関連論文リスト

• SpectraFormer: an Attention-Based Raman Unmixing Tool for Accessing the Graphene Buffer-Layer Signature on SiC [17.50135994670192]
  我々は、成長後の部分的な分光データから直接SiC Raman基板のコントリビューションを再構成する、トランスフォーマーに基づくディープラーニングモデルSpectraFormerを提案する。 再構成基板信号のサブトラクションにより、従来の解析手法ではアクセスできないZLGに付随する弱い振動特性が明らかになる。
  論文  参考訳（メタデータ） (2026-01-07T23:20:19Z)
• A probabilistic foundation model for crystal structure denoising, phase classification, and order parameters [2.4960857119636963]
  原子論シミュレーションは大量のノイズ構造データを生成する。 PTMやCNAといった既存のツールは、手作り格子の小さなセットに制限されている。 ここでは、相分類、OP抽出を統一した対数確率基礎モデルを提案する。
  論文  参考訳（メタデータ） (2025-12-11T19:46:56Z)
• OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction [63.318434943975255]
  分子内コンフォーメーションと周期的パッキングの条件付き関節分布を学習する大規模100Mパラメータ全原子拡散モデルであるOXtalを導入する。 実験的に検証された600Kの結晶構造の大規模なデータセットを活用することで、OXtalは、以前のabinitio機械学習CSPメソッドよりも改善の順序を達成できる。 オキシタルは80%以上のパッキング類似率を獲得し、分子結晶化の熱力学的および運動論的規則性の両方をモデル化する能力を示している。
  論文  参考訳（メタデータ） (2025-12-07T20:46:30Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• Integrable Floquet Time Crystals in One Dimension [0.20524609401792396]
  周期的に駆動される1次元2次元格子ハミルトニアンの族における離散時間結晶(DTC)相の実現を実証する。 我々の研究は、1次元で頑健で長寿命のDMCを実現するための新しいメカニズムを確立する。
  論文  参考訳（メタデータ） (2025-10-05T19:16:10Z)
• Cryo-EM as a Stochastic Inverse Problem [3.7068356204071637]
  核電子顕微鏡(Cryo-EM)は、生体分子の高分解能イメージングを可能にする。 伝統的な手法では、離散的なコンフォーメーションの集合を仮定し、連続的な構造的変動を回復する能力を制限する。 本稿では, 逆問題 (SIP) としてCreo-EM再構成を定式化する。 コンフォメーション・アンサンブルを表現・進化させるために粒子を用いて数値的に解く。
  論文  参考訳（メタデータ） (2025-09-05T23:35:04Z)
• On The Sample Complexity Bounds In Bilevel Reinforcement Learning [49.19950489963245]
  二段階強化学習(BRL)は、生成モデルを調整するための強力なフレームワークとして登場した。 連続状態-作用複雑性において$mathcalO(epsilon)$の最初のサンプルを示す。 我々の分析は、既存の$mathcalO(epsilon)$のバウンダリで、複雑さを改善します。
  論文  参考訳（メタデータ） (2025-03-22T04:22:04Z)
• Trajectory Consistency Distillation: Improved Latent Consistency Distillation by Semi-Linear Consistency Function with Trajectory Mapping [75.72212215739746]
  軌道整合性蒸留(TCD)は、軌道整合性と戦略的サンプリングを含む。 TCDは低NFEで画像品質を著しく向上させるが、教師モデルと比較してより詳細な結果が得られる。
  論文  参考訳（メタデータ） (2024-02-29T13:44:14Z)
• Hessian-Free High-Resolution Nesterov Acceleration for Sampling [55.498092486970364]
  最適化のためのNesterovのAccelerated Gradient(NAG)は、有限のステップサイズを使用する場合の連続時間制限(ノイズなしの運動的ランゲヴィン)よりも優れたパフォーマンスを持つ。 本研究は, この現象のサンプリング法について検討し, 離散化により加速勾配に基づくMCMC法が得られる拡散過程を提案する。
  論文  参考訳（メタデータ） (2020-06-16T15:07:37Z)
• Observing localisation in a 2D quasicrystalline optical lattice [52.77024349608834]
  8倍対称光学格子における非および弱い相互作用ボソンの基底状態について実験的および数値的研究を行った。 弱い格子に対する拡張状態は見いだすが、非相互作用系の格子深さは$V_0.78(2),E_mathrmrec$である。
  論文  参考訳（メタデータ） (2020-01-29T15:54:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。