論文の概要: PXRD-Bench: How Close Are We to Determining Crystal Structures from Powder Diffraction?

• arxiv url: http://arxiv.org/abs/2610.16480v1
• Date: Mon, 12 Oct 2026 09:34:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.346223
• Title: PXRD-Bench: How Close Are We to Determining Crystal Structures from Powder Diffraction?
• Title（参考訳）: PXRD-Bench:粉末回折から結晶構造を決定するにはどの程度近いのか?
• Abstract要約: PXRD-Benchは、未知の元素単位の原子数に対する評価を拡張し、2相混合で両方の構造を復元する統一ベンチマークである。 約4100万のトレーニング構造とシミュレーションされたPXRD、未確認の合成と構造プロトタイプへの一般化、そして実験的なPXRDからの回復を評価する。 また、PXRDモデリング選択の体系的な研究を通じて開発されたPXRD-to-structureモデルであるBraggliteについても紹介する。
• 参考スコア（独自算出の注目度）: 25.051325257728596
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Determining crystal structures from powder X-ray diffraction (PXRD) would enable routine characterization of newly synthesized materials, including those absent from reference databases. Generative models offer a promising approach, but existing evaluations remain fragmented and largely assume single-phase samples with known composition. To fill this gap, we introduce PXRD-Bench, a unified benchmark that extends evaluation to unknown per-element atom counts and recovery of both structures in two-phase mixtures. It provides approximately 4.1 million training structures with simulated PXRD, tests generalization to unseen compositions and structural prototypes, and evaluates recovery from experimental PXRD after excluding structurally matching training entries. To provide a strong reference baseline, we also introduce Bragglite, a PXRD-to-structure model developed through a systematic study of PXRD modeling choices. It achieves a 44.2\% Top-1 match rate on experimental RRUFF patterns with known composition, 24.6\% above the strongest prior baseline. Further analysis yields several key findings: some models fail to benefit from experimental PXRD, while generalization to unseen structural prototypes and recovery from two-phase mixtures remain challenging. Together, our benchmark, systematic studies, and Bragglite clarify the capabilities and limitations of current PXRD-to-structure models.
• Abstract（参考訳）: 粉末X線回折(PXRD)による結晶構造の決定は、参照データベースにないものを含む、新しく合成された物質の定期的な評価を可能にする。 生成モデルは有望なアプローチを提供するが、既存の評価は断片化され、ほとんどは既知の構成を持つ単相サンプルを仮定する。 このギャップを埋めるために、PXRD-Benchという、未知の元素単位原子数に対する評価を拡張し、2相混合系の両方の構造を復元する統一ベンチマークを導入する。 約4100万のトレーニング構造とシミュレーションされたPXRD、未確認の組成と構造プロトタイプへの一般化、そして構造的に整合したトレーニングエントリを除外して実験的なPXRDからの回復を評価する。 PXRDモデリング選択の体系的な研究を通じて開発されたPXRD-to-structureモデルであるBraggliteについても紹介する。 実験的なRRUFFパターンにおける44.2\%のTop-1マッチレートを、既知の組成で達成し、最強のベースラインより24.6\%高い。 いくつかのモデルは実験的なPXRDの恩恵を受けないが、構造体プロトタイプへの一般化と2相混合物からの回収は依然として困難である。 我々のベンチマーク、系統的研究、ブラッグライトとともに、現在のPXRD-to-structureモデルの性能と限界を明らかにした。

関連論文リスト

• XRDiff: Crystal Structure Prediction from Powder X-Ray Diffraction Data Using Diffusion Models [8.082200701430061]
  生成モデリングは、原子構造よりも先行的な構造を提供し、PXRDパターンから結晶構造へのマッピングを学ぶことができる。 本稿では,PXRDから結晶構造を復元する拡散モデルであるXRDiffについて述べる。
  論文  参考訳（メタデータ） (2026-06-12T00:51:43Z)
• XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction [7.54947954086392]
  XDecomposerは,多相XRDパターンの結合分解と同定のための事前自由なフレームワークである。 実験により、XDecomposerは様々な化学系における再構成精度と位相同定を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-05-07T08:33:56Z)
• 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)
• DiffSpectra: Molecular Structure Elucidation from Spectra using Diffusion Models [68.19129717255053]
  本稿では、分子構造解明を条件生成プロセスとして定式化する生成フレームワークであるDiffSpectraについて述べる。 我々の実験では、DiffSpectraが分子構造を正確に解明し、40.76%のトップ-1と99.49%のトップ10を達成している。
  論文  参考訳（メタデータ） (2025-07-09T13:57:20Z)
• Spectra-to-Structure and Structure-to-Spectra Inference Across the Periodic Table [49.65586812435899]
  XAStructは、結晶構造からXASスペクトルを予測し、XAS入力から局所構造記述子を推測できる学習ベースのシステムである。 XAStructは、周期表全体にわたって70以上の要素にまたがる大規模なデータセットでトレーニングされている。
  論文  参考訳（メタデータ） (2025-06-13T15:58:05Z)
• End-to-End Crystal Structure Prediction from Powder X-Ray Diffraction [37.563382606039006]
  本研究では,PXRDを用いた結晶構造予測モデルであるXtalNetを紹介する。 XtalNetはPXRDを付加条件として利用し、曖昧さを排除し、単位細胞に最大400個の原子を持つ複雑な有機構造を生成する。 XtalNetは、条件付き結晶構造予測タスクにおいて、hMOF-100とhMOF-400において、90.2%と79%のトップ10マッチングレートを達成する。
  論文  参考訳（メタデータ） (2024-01-08T12:50:17Z)
• Compositional Representation of Polymorphic Crystalline Materials [56.80318252233511]
  PCRLは,構成の確率論的モデリングを用いて,利用可能な構造情報から多型を抽出する手法である。 16のデータセットに対する広範囲な評価は、構成表現の学習におけるPCRLの有効性を示す。
  論文  参考訳（メタデータ） (2023-11-17T20:34:28Z)
• Learning Energy-Based Models by Cooperative Diffusion Recovery Likelihood [64.95663299945171]
  高次元データに基づくエネルギーベースモデル(EBM)の訓練は、困難かつ時間を要する可能性がある。 EBMと、GANや拡散モデルのような他の生成フレームワークとの間には、サンプル品質に顕著なギャップがある。 本研究では,協調拡散回復可能性 (CDRL) を提案する。
  論文  参考訳（メタデータ） (2023-09-10T22:05:24Z)

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。