表征纳米晶体或者无定形化合物的结构对于固态化学/物理领域是个非常大的挑战，其中对分布函数（Pair distribution function (PDF)）分析X射线晶体学数据和中子全散射能够有助于解决该问题，但是大多数情况需要对数据进行结构精修才能得到可靠的结构数据和结论。

有鉴于此，不来梅大学Wilke Dononelli、奥尔胡斯大学Bjørk Hammer、Bo B. Iversen等报道发展了一种算法，能够通过即时（on-the-fly）机器学习方法和DFT计算，比较DFT计算结果，测试对分布函数在全局优化的方式对未知化合物的晶体结构进行比较，理解材料的微观原子结构。

本文要点

（1）

通过DFT计算、PDF函数及机器学习模型，具体使用模拟R因子/DFT（artificial R-factor/DFT landscape）结合的方式训练机器模型，训练的模型能够用于表征未知化合物的结构，甚至能够给出未知材料的亚稳态。

（2）

此外，通过连续的全局多相精修，这种模拟R因子/DFT还能够研究层状材料的堆叠结构形式。

参考文献

Magnus Kløve, Sanna Sommer, Bo B. Iversen, Bjørk Hammer, Wilke Dononelli, Machine Learning Based Approach for Solving Atomic Structures of Nanomaterials Combining Pair Distribution Functions with Density Functional Theory, Adv. Mater. 2023

DOI: 10.1002/adma.202208220

https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202208220