综述：加速材料发现：机器学习在X射线吸收光谱中的综述

《Advanced Intelligent Systems》：Accelerating Materials Discovery: A Review of Machine Learning in X-Ray Absorption Spectroscopy

　　

X射线吸收光谱（XAS）是一种探测材料局域结构与电子特性的关键技术。先进的同步辐射设施产生复杂且高维的光谱，这给传统分析方法带来了重大挑战，同时也为机器学习（ML）提供了前所未有的机遇。本综述系统阐述了ML模型如何推动XAS数据分析的变革。研究人员不仅综述了用于光谱分类与聚类的监督和无监督学习方法，还深入探讨了前沿深度学习架构，包括用于精确“结构-光谱”映射的图神经网络（GNN），以及用于生成任务和结构预测的扩散模型。研究人员全面概述了数据驱动XAS的关键挑战，包括光谱与结构的特征工程、解决“光谱-结构”逆向问题的策略，以及用于弥合模拟与实验数据之间“域差距”的Sim2Real方法。此外，研究人员强调了模型可解释人工智能（XAI）和不确定性量化在建立科学研究信任方面的重要性。最后，本综述展望了由材料信息学和自主实验驱动的该领域未来。以贝叶斯优化为代表的自适应学习（Active Learning）技术正在开创“自驱动”智能XAS实验，这将极大地加速新材料的发现与设计。

**1 引言**
X射线吸收光谱（XAS）通过测量原子核心能级电子吸收X射线后产生的能量依赖吸收系数，揭示材料的局域电子结构和配位环境。同步辐射光源的发展使得单发飞秒级XAS光谱成为可能，但也产生了复杂且高维的数据。传统分析方法面临高维度和噪声的瓶颈，而机器学习（ML）提供了一种鲁棒且高效的信息提取途径。本综述回顾了ML在XAS分析中的最新进展，包括监督/无监督学习、深度学习架构、特征工程、逆向问题求解以及Sim2Real策略，并展望了自主实验的未来。

**2 XAS跨学科应用及其数据挑战**
XAS在能源、生物、化学和材料科学等领域广泛应用，例如表征电催化剂、电池电极和金属蛋白中的氧化态（OS）与配位数（CN）。第四代同步辐射光源带来更高的亮度和数据产出速率，导致“大数据”体积和“实时”速度的双重挑战。传统手动特征提取和计算密集型拟合方法无法满足实时操作实验的需求，促使AI辅助的自主实验平台兴起，以实现即时数据解释和动态决策。

**3 机器学习模型**
**3.1 无监督机器学习**
无监督方法用于从无标签光谱中提取隐含特征。主成分分析（PCA）降维并保留主要变化，用于时间分辨XANES分析；多元曲线分辨结合交替最小二乘（MCR-ALS）实现盲源分离，解析纯组分光谱；变分自编码器（VAE）在非线性域学习潜在表示，优于PCA的聚类效果；流形学习如t-SNE和统一流形逼近与投影（UMAP）用于可视化高维特征，有效分离不同氧化态和配位环境的聚类。

**3.2 监督机器学习**
监督模型基于标记数据建立预测映射。随机森林（RF）在配位数（CN）和氧化态预测中表现优异，且能处理小样本。支持向量机（SVM）用于光谱分类，但需预处理噪声。多层感知机（MLP）通过堆叠神经元层学习复杂映射，如OmniXAS的迁移学习框架。卷积神经网络（CNN）自动提取分层特征，可用于局部配位环境（LCE）分类。深度神经网络（DNN）在正演（结构到光谱）和反演（光谱到结构）方面均有应用，如XANESNET预测光谱、DeepONet从XANES映射EXAFS。图神经网络（GNN）利用图结构编码原子环境，通过可解释性技术（如GNNExplainer）识别关键子图，实现“结构到光谱”预测。扩散模型通过随机微分方程（SDE）学习逆生成过程，从目标光谱重建原子结构，如用于非晶碳。通用模型如OmniXAS、“全家桶”模型和XAStruct利用迁移学习在多种元素上实现双向预测。

**3.3 自监督机器学习**
自监督学习（SSL）从无标签光谱中构建鲁棒嵌入，特别用于提升二维XANES图像的信噪比（SNR）和去噪，如Li和Fu等人提出的DNN后处理框架。

**4 从结构到光谱：来源、表示和特征化**
**4.1 结构与光谱来源**
结构数据库如Materials Project（MP）和QM9提供晶体及分子结构；分子动力学（MD）模拟生成动态构象用于理论光谱计算。光谱数据库如XASDB和RefXAS收录实验及计算光谱。计算程序FEFF、FDMNES和VASP用于生成大规模模拟光谱。Sim2Real策略通过域适应（如层次数据增强、CycleGAN转换）弥合模拟与实验间的域差距，确保模型在真实数据上的可靠性。

**4.2 模拟训练与实验验证模型**
部分模型仅在模拟光谱上训练，用于LCE分类、XANES预测等；另一部分模型在模拟训练后使用实验光谱验证，如预测氧化态、配位数和键长，证明了模型的可迁移性。

**4.3 光谱与结构表示**
光谱特征化包括点态特征、多项式拟合、累积分布函数（CDF）和连续小波变换（CWT），可增强噪声鲁棒性和可解释性。结构特征化方法包括多体张量表示（MBTR）、平滑重叠原子位置（SOAP）、原子中心对称函数（ACSF）和图表示，满足平移旋转不变性、计算高效性等要求。

**5 结构到光谱与光谱到结构**
XANES和EXAFS分别提供氧化态、对称性和配位数、键距等信息。正向建模利用ML代理（如CuXASNet、GNN）从原子结构快速预测光谱。逆向建模通过自编码器压缩光谱至潜在空间，或利用扩散模型直接从光谱重建三维原子结构，如GLASS框架结合多模态光谱（XANES、EXAFS、PDF）确定非晶结构。

**6 可靠性与可信度：可解释性、不确定性量化、基准测试和失败分析**
**6.1 可解释性**
特征重要性分析（如SHAP、LIME、CAM）揭示光谱区域对预测的贡献，例如XANES后边区域对氧化态预测最重要，预边区域对铁配位数的预测也关键。
**6.2 不确定性量化**
集成方法（如神经网络集成），蒙特卡洛丢弃和自助采样（bootstrap）估计预测不确定性，贝叶斯优化（BO）天然提供不确定度，用于自适应采样。
**6.3 基准测试**
使用Pearson相关系数评估模拟与实验光谱的相似性，并比较不同featurization方法和计算码（VASP、FEFF、FDMNES、OCEAN）的表现。配位数预测算法（如CrystalNN）在MaterialsCoord基准上进行评估。
**6.4 失败案例**
模型可能在特定体系（如V₂O₅、ZnO）上预测失败，原因包括模拟-实验域不匹配、未知配位环境或样品污染。这类失败分析指导改进训练数据和模型鲁棒性。

**7 基于ML的XAS应用**
ML已应用于铜钯团簇催化剂的原位MCR-ALS分析，时间分辨硫K-edge XANES的神经网络模拟，以及钴铁氧化物在析氧反应中的PRDF提取，展示了从光谱直接提取化学状态和活性物种的能力。

**8 XAS自主实验**
自主实验利用高斯过程回归（GPR）和贝叶斯优化（BO）动态选择测量点，提高数据采集效率。对抗性贝叶斯优化（ABO）结合生成式对抗思想，同时优化模型拟合和采样策略。深度强化学习（RL）通过奖励机制实现EXAFS自主拟合，减少人工干预。

**9 结论与展望**
未来需要统一的数据标准和AI就绪格式，多模态光谱融合（如XANES+PDF）可提升结构预测精度。生成模型有助于缓解数据稀缺。Sim2Real和可解释性建立信任。通用大模型（如OmniXAS）将实现跨元素、跨边界的任务。自主实验平台将推动实时、智能化的XAS分析，加速材料发现。