GraPhAI: 用于求解中心对称晶体结构的神经网络

《Journal of the American Chemical Society》：GraPhAI: Neural Networks for Solving Centrosymmetric Crystal Structures

　　

由于缺乏解决晶体学相位问题（phase problem）的通用方法，从低分辨率衍射数据确定晶体结构具有挑战性。研究人员开发了一种图神经网络（graph neural network, GNN）GraPhAI，并提出了一种新的、高效的衍射数据图表示形式用于深度学习。训练后的GraPhAI模型旨在对低至2 ?分辨率、典型晶胞体积的中心对称晶体结构（centrosymmetric crystal structures）进行从头相位测定（ab initio phasing）。对于含有原子序数Z ≥ 19的原子的结构（例如金属有机框架（metal–organic frameworks, MOFs）、配位化合物或无机结构），成功率超过80%。对于纯有机晶体结构，目前的成功有限。

**研究背景与问题**
从低分辨率衍射数据确定晶体结构是结构科学中的核心挑战，根源在于缺乏通用的晶体学相位问题（phase problem）解决方法。先前工作（PhAI）虽在小晶胞P2₁/c空间群中实现了从头相位测定，但通用性受限——低分辨率数据下传统方法（如电荷翻转、直接法）表现不佳，且许多材料（如金属有机框架（MOFs））样品衍射弱，常规实验数据分辨率低。为突破此局限，研究人员开发了图神经网络GraPhAI，旨在推广到所有中心对称晶体结构，应对最大晶胞尺寸达20 ?的情形。

**研究内容与结论**
研究人员提出基于图表示衍射数据的新范式，训练GraPhAI模型对大量真实结构（含合成结构与实验数据）进行从头相位测定。结果表明：对含重原子（Z ≥ 19）的结构，低分辨率（2 ?）数据下成功率超80%；图表示相比张量表示减少计算成本约1.8倍；模型在不同空间群和晶胞体积下均表现稳健，但轻元素结构有限制。该工作发表在《Journal of the American Chemical Society》，为低分辨率晶体结构测定提供了实用工具。

**关键技术与方法**（≤250字）
1. **训练结构生成**：基于Crystallography Open Database (COD)和Cambridge Structural Database (CSD)统计的晶胞体积对数正态分布，采样生成人工P1?和P2₁/c结构（最大晶胞10或20 ?）。
2. **衍射数据图表示**：将每个布拉格反射作为图节点，特征为结构因子振幅|F_H|和倒易晶格向量长度d_H^*，节点按晶格图连接（缺失邻居由对称等效反射补充）。
3. **GraPhAI神经网络架构**：编码器采用图卷积层（GraphConv）学习节点嵌入，解码器为MLP-Mixer层，结合相位循环（phase recycling）策略（从随机相位开始迭代优化）。
4. **训练细节**：在GPU集群（含AMD Instinct MI250X）上训练1.5–1.8亿个结构，最小化加权二元交叉熵损失。

**研究结果**
*Representation of the Diffraction Data*：提出图表示仅包含可用反射节点，连接成晶格图，避免张量表示中大量零值，且对晶轴基变换不变。
*GraPhAI Neural Network Design and Training*：设计图卷积网络编码反射嵌入，经MLP-Mixer解码得预测相位；输入特征包括|F_H|和d_H^*以引入空间信息。
*Performance of Model GraPhAI-10-v1*：在10,000个真实结构（晶胞≤10 ?）上测试，1 ?/2 ?分辨率下多数结构电子密度相关系数r > 0.9，含重原子类成功率80–99%。
*Performance of Models GraPhAI-20-v1-A and GraPhAI-20-v1-B*：扩展至20 ?晶胞，金属有机和配位化合物结构可解率高，轻元素纯有机结构困难（区别于小晶胞模型）。
*The Effect of Atomic Composition*：含Z ≥ 19重原子结构强度分布均匀、相位依赖性强，易解；轻原子结构强度集中在低角反射、相位随机，成功率低。
*The Effect of Space Group Symmetry*：P1?训练模型（GraPhAI-20-v1-A）可推广至其他中心对称空间群，但在P2₁/c及其超群上略逊于混合训练模型（GraPhAI-20-v1-B）。
*The Effect of Unit Cell Volume*：低分辨率（2 ?）下体积依赖弱，重原子结构在<2500 ?³时>90%成功；1 ?数据中r分布随体积增大变宽。
*The Effect of Permuting Unit Cell Axis*：考虑12种晶轴排列可额外解出一部分结构（r < 0.8者），所有报告结果已计入此操作。
*The Effect of Data Representation*：图表示（GraPhAI-20-v1-A）比张量表示（PhAI-20）训练时间减少1.8倍，且推理性能略优。
*X-ray Diffraction Data*：测试937个实验X射线数据，仅64例失败，失败主因是低分辨率壳层数据完整度不足；成功者中Corr(|F_obs|,|F_calc|)多数>0.7。
*Electron Diffraction Data*：102个电子衍射数据中成功例极少，归因于动力学效应、完整度低和原子散射因子差异，但两个成功案例显示了图表示法的潜力。

**总结讨论与结论翻译**
讨论部分指出：图表示具有计算高效性和对称不变性；目前对轻元素结构局限明显，可能源于强度分布差异和训练数据未覆盖纯有机结构；实验数据验证未发现显著观察差距（observation gap），说明模型适用于实际场景。未来可通过改进架构或纳入多波长/系列衍射数据扩展。
**结论翻译**：研究人员提出了图神经网络GraPhAI，用于解决晶体学相位问题，该网络基于衍射数据的图表示形式，显著节省计算量。训练后的GraPhAI-v1模型能够从头测定最大晶胞尺寸20 ?的中心对称结构，对大量（约10,000个）真实结构测试中，正确率很高，尤其在使用低分辨率（2 ?）数据时。对含原子序数Z ≥ 19元素的结构，成功率超过80%；轻元素结构表现较弱。研究表明，仅用P1?结构训练的模型能够解出其他空间群的中心对称结构，但在P2₁/c及其超群上的性能可通过包含该空间群训练得到改善。对实验衍射数据的测试未发现显著观察差距，因此本文提出的GraPhAI模型对于从低分辨率数据解算典型小分子晶体结构具有实际意义。