محققان در موسسه فناوری ماساچوست روشی نوین برای تعیین ساختار مواد کریستالی نظیر فلزات، سنگ‌ها و سرامیک‌ها ارایه کرده‌اند. پیش از این، دانشمندان برای شناسایی ساختار این مواد از کریستالوگرافی اشعه ایکس بهره می‌بردند.
به گزارش رسانه فناوری تکنا، شیمی‌دانان اکنون یک مدل تولیدکننده هوش مصنوعی را معرفی کرده‌اند که فرآیند تعیین ساختار کریستال‌های پودری را به‌شکل قابل‌توجه‌ی ساده‌تر می‌کند. این مدل پیش‌بینی می‌تواند محققان را در کشف مواد مناسب برای کاربرد در باتری‌ها، آهن‌ربا‌ها و طیف وسیعی از کاربرد‌های دیگر یاری رساند.
دانا فریدمن، استاد شیمی فردریک جورج کیز در، تأکید کرد که ساختار نخستین اطلاعاتی است که برای درک هر ماده‌ای لازم است، چرا که برای ابررسانایی، مغناطیس‌ها و شناسایی فتوولتائیک‌ها اهمیت حیاتی دارد. مواد کریستالی شامل فلزات و اکثر جامد‌های غیر‌آلی هستند که از شبکه‌هایی با واحد‌های تکراری یکسان تشکیل شده‌اند؛ این واحد‌ها را می‌توان به‌مثابه جعبه‌هایی با شکل و اندازه مشخص و اتم‌های چیده‌شده در درون‌شان تصور کرد.
مدل جدید فرآیند پیش‌بینی را به چندین زیرمأموریت تقسیم می‌کند ابتدا ابعاد و شکل جعبه شبکه و نوع اتم‌های داخل آن تعیین می‌شود، سپس چیدمان اتم‌ها در درون جعبه پیش‌بینی می‌گردد. برای هر الگوی پراش، مدل چندین ساختار ممکن می‌سازد که با مقایسه الگوی پراش محاسبه‌شده با داده‌های آزمایشی، صحت آن‌ها سنجیده می‌شود. اریک ریزل، فارغ‌التحصیل، بیان کرد مدل ما تولیدکننده است، یعنی ساختاری را می‌سازد که پیش‌تر دیده نشده؛ این به ما اجازه می‌دهد صدها فرضیه بسازیم و پیش‌بینی کنیم الگوی پودر برای هر فرضیه چگونه باید باشد. اگر ورودی دقیقا با خروجی هم‌خوانی داشته باشد، می‌دانیم فرضیه صحیح است.
محققان این مدل را بر روی بیش از صد الگوی پراش آزمایشی از پایگاه داده RRUFF، حاوی داده‌های پراش اشعه ایکس پودری برای نزدیک به ۱۴ هزار ماده معدنی طبیعی، آزمودند؛ مدل در این تست‌ها دقت حدود ۶۷ درصدی داشت. در مرحله بعد، مدل بر روی الگو‌های پراش حل‌نشده آزمایش شد و توانست ساختار سه ماده‌ای را که در آزمایشگاه فریدمن با واکنش عناصر در شرایط فشار بالا سنتز شده بودند، شناسایی کند. این رویکرد می‌تواند راه را برای کشف مواد نوین با ساختار‌های کریستالی و خواص فیزیکی کاملا متفاوت، با ترکیب شیمیایی یکسان، باز کند.
