瑞士保羅謝爾研究所（PSI）科學計算、理論與資料中心喬瓦尼·皮齊（Giovanni Pizzi）團隊，聯合義大利帕爾馬大學與摩德納大學，開發出名為 XtalPaint 的人工智慧模型，用於補齊晶體結構中缺失的原子，尤其針對標準 X 光繞射法難以直接觀測的氫原子。相關研究論文已發表於《npj Computational Materials》期刊。
研究團隊表示，XtalPaint 在測試中有 87% 的案例成功重建原本的氫原子排列，另有 10% 的案例產生比原始紀錄更穩定的配置，整體成功率達 97%。
氫原子缺失，可能影響材料模擬
晶體結構資料即使表面上看似完整，只要缺少部分原子，便可能無法直接用於電腦模擬。氫原子是晶體資料中最常見的缺口之一，原因在於標準 X 光繞射法不容易偵測氫原子，導致晶體資料庫中的結構可能出現氫原子位置錯誤，甚至完全遺漏相關座標。
這項問題對材料研究具有實際影響。需要精確原子座標來預測導電性、熱傳導等性質的模擬工作，可能因資料不完整而受到限制，部分具有研究價值的材料也可能因此無法納入分析。
以電腦視覺「修補」概念重建原子
XtalPaint 的設計概念源自電腦視覺中的影像修補技術，亦即根據影像周邊資訊，推測並補回缺損區域的內容。研究團隊將原本用於影像修復的擴散模型加以改造，使模型只對晶體中未知的原子位置加入雜訊，已知原子位置則大致維持不變。
模型接著根據周邊晶體結構，逐步推回缺失原子的可能座標。研究員指出，相較於從頭重建整個晶體，這種做法能保留既有結構資訊，同時降低所需的計算資源。
測試結果顯示整體成功率達 97%
團隊使用已知氫原子位置的晶體結構進行測試，先移除相關座標，再要求 XtalPaint 重新補回缺失資訊。結果顯示，多數案例能還原原本的氫原子排列，部分案例則找到比原始紀錄更穩定的配置。
| 測試結果 | 比例 |
|---|---|
| 重建原本排列 | 87% |
| 產生比原始紀錄更穩定的配置 | 10% |
| 整體成功率 | 97% |
研究團隊表示，這項工具可用於補齊材料資料庫中遺漏的氫原子座標，也能協助辨識資料從原始論文轉錄至資料庫時可能產生的錯誤。
未來可能延伸至鋰與鈉
目前 XtalPaint 的研究重點是氫原子，但團隊表示，這套方法也可能延伸至鋰、鈉等元素。由於鋰與鈉和電池材料研究密切相關，若能以類似方式補足晶體結構資料，將可能協助研究人員尋找新的電池材料。
不過，現階段研究結果主要來自已知結構的測試，實際應用於不同材料資料庫時，仍須視資料品質與晶體結構複雜度進一步驗證。研究團隊認為，結合現代電腦視覺與晶體重建技術，有機會讓過去因資料不完整而難以模擬的材料重新進入研究範圍。
