💡
原文中文，约2400字，阅读约需6分钟。
📝
内容提要
丹麦哥本哈根大学研究人员开发了PhAI，一种解决晶体相问题的深度学习方法，可以以2埃的分辨率解决相位问题。该方法利用深度学习神经网络训练，生成准确的电子密度图，为基于深度学习的结构测定开辟了新途径。
🎯
关键要点
- 丹麦哥本哈根大学研究人员开发了深度学习方法PhAI，解决晶体相问题。
- PhAI可以以2埃的分辨率解决相位问题，开辟了基于深度学习的结构测定新途径。
- 传统晶体学面临的相位问题是从实验确定的振幅中检索相位信息。
- 研究表明，PhAI只需10%到20%的原子分辨率数据即可解决相位问题。
- PhAI神经网络接受结构因子振幅并输出相应的相位值，具有较低的计算需求。
- 经过训练的神经网络在2387个测试用例中表现出色，能够解决低分辨率数据中的结构。
- PhAI方法打破了晶体学中必须有原子分辨率数据的普遍观念。
- 未来需要进一步研究以扩展该方法到更大晶胞的衍射数据。
❓
延伸问答
PhAI方法的主要功能是什么？
PhAI方法主要用于解决晶体学中的相位问题，能够以2埃的分辨率生成准确的电子密度图。
PhAI方法与传统方法相比有什么优势？
PhAI方法只需10%到20%的原子分辨率数据，而传统方法通常需要完整的原子分辨率数据。
PhAI是如何训练的？
PhAI通过数百万个人造晶体结构及其衍射数据训练深度学习神经网络，以生成相位值。
PhAI方法的计算需求如何？
经过训练的PhAI神经网络在标准计算机上运行，计算需求适中，不需要额外的输入信息。
PhAI方法的测试结果如何？
PhAI在2387个测试用例中表现出色，能够解决低分辨率数据中的结构。
未来对PhAI方法的研究方向是什么？
未来需要进一步研究以扩展PhAI方法到更大晶胞的衍射数据。
➡️
