美国罗切斯特大学科研人员开发出一个机器学习模型，可对X射线衍射（XRD）实验产生的大量数据进行分析以加速材料创新。

　　科研人员利用涵盖了不同实验条件和晶体特性的无机材料实验数据来训练该模型，并根据布拉格定律进行分类以优化模型架构，再使用3个附加评估数据集来测试模型分析训练数据之外材料的性能，使该模型相比于此前研究使用的合成数据训练的模型更加实用。该模型对材料的结构和特性信息进行表征，并对不同材料的晶体系统和空间群进行分类，有助于科研人员开发适合不同技术应用的材料。下一步，科研人员将创建平台供其他科研人员共享X射线衍射实验数据，进一步对模型进行训练和评估。相关研究成果发表在《npj计算材料》（npj Computational Materials）期刊上。