瑞士团队开源 XtalPaint：借图像修补找回晶体缺失原子，成功率达 97%

XtalPaint 是一个专门用来给晶体结构「补漏」的开源 AI 模型，能把实验测不出来的缺失原子精准填回去。

在材料科学里，研究人员做计算机模拟往往需要极其精确的原子坐标。但常用的 X 射线衍射手段对轻原子很不敏感，尤其是氢元素，经常在测定结果里直接缺席。少了这些原子，整个晶体结构在模拟软件里就跑不起来，导致数据库里成千上万种潜在的储氢和新型超导材料一直被搁置。

瑞士保罗谢尔研究所（PSI）的 Giovanni Pizzi 团队联合意大利帕尔马大学和摩德纳大学，把计算机视觉里的图像修补（inpainting）搬到了晶体结构上，做出了 XtalPaint。

它是怎么给晶体打补丁的

如果一张照片里小狗的一只爪子被遮挡了，现代图像修复模型不会把整张照片打碎重画，而是在遮挡区域注入噪点，再结合周围完好的毛发和背景，把缺失的爪子推算出来。

晶体领域的传统扩散模型往往也是「推倒重来」，给整个结构撒满噪声重新生成。不仅费算力，还容易把原本测得好好的已知骨架带偏。

XtalPaint 改编自微软的材料生成模型 MatterGen，但核心思路完全变了。它只在缺失原子的局部区域添加扩散噪声，已知的晶体原子完全保持原样，从第一步起就充当模型推理的物理锚点。这样既大幅节省了计算开销，又保证了重构结果高度契合原有晶格。

97% 的还原成功率

研究团队用已知完整结构的晶体对 XtalPaint 做了压力测试：先人为抹掉其中的氢原子坐标，再让模型去盲猜还原。

结果显示，XtalPaint 在 87% 的测试中完美还原了原本的原子排列。更意外的是，在另外 10% 的案例中，它生成的新构型甚至比数据库原本记录的能量更低、结构更稳定。综合算下来，模型的修补成功率达到了 97%。

除了氢原子，这套方法也能用来补全锂、钠等在电池研发中至关重要的轻元素。研究团队还顺手用它排查出了材料数据库在人工录入论文数据时产生的多处坐标错误。

目前该研究已经发表在《npj Computational Materials》上，模型相关代码也已开源。

为什么重要

对于从事材料计算、储氢技术和固态电池研发的研究人员来说，XtalPaint 是一个非常值得立刻接入工作流的生产力工具。它解决的不是「从零设计一个新物质」的宏大命题，而是打通了存量数据利用的关键堵点。过去因为缺几个原子而无法计算的数千种真实材料，现在可以直接批量补齐坐标并重新跑模拟。

我们认为 XtalPaint 这一步走得极其务实。它没有去卷更庞大的端到端全晶体生成大模型，而是把计算机视觉里成熟的局部修补逻辑移植到了晶体学中。在已知物理骨架的强约束下做局部生成，不仅把幻觉降到了最低，算力消耗也远低于全盘重算。这种用轻量巧妙思路盘活海量沉睡数据的开源工具，往往比单纯秀参数的模型更容易在科研一线真正落地。