AI tìm ra nguyên tử bị ẩn mà tia X 'bó tay'
Kỹ thuật sửa ảnh giúp AI nhìn thấy nguyên tử mà tia X hoàn toàn bất lực.
Một mô hình AI mới được phát triển từ kỹ thuật vẽ khôi phục hình ảnh đã mang lại đột phá lớn cho ngành vật liệu. Công cụ này có khả năng tái tạo các nguyên tử bị thiếu trong cấu trúc tinh thể với tỷ lệ thành công 97%. Việc thiếu hụt các nguyên tử như hydro từng khiến hàng ngàn vật liệu tiềm năng không thể đưa vào mô phỏng. Kỹ thuật mới giúp dự đoán chính xác vị trí của những nguyên tử bị ẩn nấp trong mạng tinh thể.

Minh họa hệ thống AI được huấn luyện để giữ nguyên cấu trúc tinh thể đã biết (các hình cầu màu xanh lam, đen và đỏ) và chỉ chèn thêm các nguyên tử hydro bị thiếu (bị làm mờ ở bên trái, các hình cầu màu trắng ở bên phải).
Công nghệ XtalPaint và tiềm năng mở rộng sang các vật liệu pin mới
Phương pháp này được nghiên cứu bởi nhóm của Giovanni Pizzi tại Trung tâm PSI phối hợp với hai đại học Ý. Công trình đăng trên Computational Materials đã áp dụng thị giác máy tính vào các cấu trúc tinh thể chưa hoàn chỉnh. Khác với công cụ MatterGen tạo tinh thể mới, phương pháp này tập trung bổ sung nguyên tử cho cấu trúc sẵn có. Việc hoàn thiện dữ liệu sẽ hỗ trợ hiệu quả cho nghiên cứu lưu trữ hydro và chất siêu dẫn mới.
Nguyên nhân chính khiến các mô phỏng gặp khó khăn là do nhiễu xạ tia X tiêu chuẩn rất khó phát hiện hydro. Do đó, mô hình XtalPaint được phát triển dựa trên cơ chế thêm nhiễu chọn lọc vào các vị trí còn thiếu. Nhờ giữ nguyên các nguyên tử đã biết làm kim chỉ nam, XtalPaint giúp tăng tỷ lệ thành công và tiết kiệm sức mạnh tính toán. Cách tiếp cận từng bước này giúp hệ thống định hướng chính xác ngay từ đầu quá trình phục hồi.
Trong các bài thử nghiệm khôi phục tọa độ hydro, XtalPaint đã đạt được những kết quả vô cùng ấn tượng. Mô hình khôi phục chính xác 87% cấu trúc gốc và tạo ra 10% cấu hình có năng lượng ổn định hơn. Tổng cộng tỷ lệ thành công của công cụ này đạt mức 97% khiến các nhà khoa học rất bất ngờ. Ngoài ra, AI còn hỗ trợ phát hiện các sai sót dữ liệu khi trích xuất từ các bài báo khoa học.

Timo Reents (bên trái) và Giovanni Pizzi đã huấn luyện một hệ thống AI tìm ra vị trí còn thiếu của các nguyên tử hydro trong cấu trúc tinh thể.
Hiện tại, các nhà nghiên cứu đang ứng dụng công nghệ này để chuẩn hóa và hoàn thiện các cơ sở dữ liệu vật liệu. Tiềm năng của XtalPaint không chỉ dừng lại ở việc tìm kiếm các tọa độ nguyên tử hydro bị bỏ sót. Công cụ này còn có thể áp dụng để tái tạo vị trí cho liti và natri trong mạng tinh thể. Đây là hai nguyên tố đặc biệt quan trọng trong hành trình tìm kiếm các vật liệu sản xuất pin thế hệ mới.











