في عالم علوم المواد، يعد تطوير نماذج دقيقة لتنبؤ هياكل البلورات أمراً حيوياً لفهم الخصائص الفيزيائية والكيميائية للمواد. في هذا السياق، تم الإعلان عن نموذج ED-CSP، والذي يمثل قفزة نوعية في قدرة الحواسيب على استنباط معلومات هيكلية معقدة من بيانات محدودة.

العملية المعقدة لتقدير التركيب البلوري من ملاحظات التشتت الإلكتروني (Electron Diffraction) غير المصنفة تمثل تحدياً كبيراً للعلماء. حيث كانت الأساليب السابقة تعتمد على تحديد تسميات بلورية أو استرجاع هياكل محددة من مكتبات نهائية. ولكن ED-CSP يقدم حلاً عبر نموذج تعلم آلي يدمج معلومات التركيب الكيميائي وعدد الذرات، مع أخذ مجموعات متنوعة من نقاط التشتت الإلكتروني في الاعتبار.

يعتمد ED-CSP على مجموعة من التقنيات المحسنة مثل مشفر العلاقات (Relational Set Encoder) وتجميع المشاهد المتنوعة (Permutation-Invariant Multi-View Aggregation) ومولد التدفق الدوري (Periodic Flow Generator) لتوقع معايير الشبكات الذرية والإحداثيات الذرية. وقد تم تدريب النموذج باستخدام مجموعة بيانات ضخمة تتضمن 4.85 مليون هيكل بلوري مصطنع، مما يعكس دقة وموثوقية النتائج.

النتائج مثيرة للإعجاب، حيث استطاع النموذج تحقيق معدل مطابقة هيكلية بلغ 57.49% على مجموعة بيانات مخصصة. مما يعد تحسناً ملحوظاً مقارنة بالنموذج السابق المعروف PXRDGen. بالإضافة إلى ذلك، فإن استخدام مجموعة بيانات تدريب أكبر يزيد من الأداء، حيث ارتفع معدل المطابقة إلى 66.27%. وهذا يشير إلى إمكانية اعتماده في تطبيقات عملية تتجاوز مجرد استرجاع الصيغ.

تعتبر طريقة ED-CSP بمثابة معلم بارز في مجال علم المواد، ليس فقط لتنبؤ هياكل البلورات بل وأيضاً كخطوة رئيسية نحو التطبيقات التجريبية المستقبلية.