对X射线衍射数据（XRD）的高效分析在发现新材料（例如未来的能源系统）方面发挥着至关重要的作用。它被用来分析新材料的晶体结构，以找出它们可能适合哪些应用。近年来， XRD测量已经通过自动化得到了显着的加速，并在测量材料库中提供了大量的数据。 Alfred Ludwig说： "然而， XRD分析技术在很大程度上仍然是手工的、耗时的、容易出错的，而且无法扩展。为了在未来使用自主高通量实验更快地发现和优化新材料，需要新的方法。 "

在《自然计算机科学》(Nature Computational Science)的一份新出版物中，由Phillip M . Maffettone博士（目前在美国厄普顿的国家同步加速器光源II）和利物浦大学化学和材料创新工厂的安德鲁 Cooper教授、材料发现和接口主席Lars Banko和Alfred Ludwig教授以及高级材料模拟跨学科中心的Yury Lysogorskiy教授领导的团队展示了如何利用人工智能更快和更准确地进行XRD数据分析。解决方案是一种名为晶体学辅助剂（XCA）的人工智能剂，它与科学家合作。 XCA可以在测量XRD数据的同时执行自动相位识别。该剂适用于有机和无机材料系统。这得益于用于训练算法的物理正确X射线衍射数据的大规模模拟。

模拟专家讨论

此外，该团队适应当前任务的代理的一个独特特点是，它克服了传统神经网络的过度自信。即使数据不支持明确的结论，这种网络也会做出最终决定，而科学家会与其他研究人员交流他们的不确定性，并讨论结果。 Lars Banko解释说： "该团队的决策过程由一组神经网络模拟，类似于专家之间的投票。 "可以说，在XCA中，一组神经网络组成了专家小组，该小组向研究人员提出建议。 "这是没有人工、人工标记的数据实现的，对实验复杂性的许多来源都很强大， " Banko说。

XCA也可以扩展到光谱等其他形式的表征。阿尔弗雷德·路德维希总结道： "通过补充自动化和自主实验的最新进展，这一发展是加快发现新材料的重要一步。 "