XDecomposer: 사전 지식 없이 다상 X선 회절 데이터를 분해하는 방법

XDecomposer: Learning Prior-Free Set Decomposition for Multiphase X-ray Diffraction

다상 분말 X선 회절(PXRD) 분석은 물질 구조 식별에 있어 여전히 중요한 난제로 남아 있습니다. 실제 합성 과정에서 복잡한 혼합물이 생성되는 경우가 많으며, 이 혼합물을 구성하는 각 상(성분)을 정확하게 분리하는 것은 어렵습니다. 최근 표현 기반 결정 검색 및 생성 기술의 발전은 PXRD 데이터로부터 직접 구조를 추론할 수 있는 가능성을 제시하지만, 기존 방법들은 대부분 단상 데이터를 기반으로 하며, 다상 환경에서는 제대로 작동하지 않습니다. 본 논문에서는 사전 지식이 필요 없는 다상 XRD 패턴의 동시 분해 및 식별을 위한 프레임워크인 XDecomposer를 소개합니다. 다상 회절 분석을 집합 예측 문제로 정의하여, 모델은 상별 분해된 구성 요소들의 집합, 각 구성 요소의 혼합 비율, 그리고 이에 상응하는 구조적 표현을 통합된 아키텍처 내에서 추론합니다. 상 검색 기반의 분해 메커니즘과 회절 데이터의 물리적 제약을 고려한 재구성을 통해 정확한 원천 분리 및 결정학적 정확성을 유지합니다. 시뮬레이션 및 실제 데이터셋에 대한 광범위한 실험 결과, XDecomposer는 다양한 화학 시스템에서 재구성 정확도와 상 식별 능력을 크게 향상시키며, 동시에 학습되지 않은 혼합물에 대한 높은 일반화 성능을 유지함을 보여줍니다. 이러한 결과는 데이터 기반의 원천 분리 다상 XRD 분석을 위한 실용적인 방법을 제시하며, 기존의 사전 지식 기반 반복적인 상 매칭 방식에 대한 의존성을 줄여줍니다. XDecomposer 코드는 https://github.com/Licht0812/XDecomposer 에서 공개적으로 이용할 수 있습니다.

Multiphase powder X-ray diffraction (PXRD) analysis remains a fundamental bottleneck in structure identification, as real-world synthesis often produces complex mixtures whose constituent phases (components) cannot be reliably disentangled. While recent advances in representation-based crystal retrieval and generation suggest the possibility of inferring structures directly from PXRD, existing approaches largely assume single-phase inputs and break down in multiphase settings. Here, we present XDecomposer, a prior-free framework for joint decomposition and identification of multiphase XRD patterns without requiring candidate phase lists, structural templates, or prior knowledge of phase number. We formulate multiphase diffraction analysis as a set prediction problem, where the model infers an unordered set of phase-resolved components, their mixture proportions, and corresponding structural representations within a unified architecture. A phase-query-driven decomposition mechanism, together with diffraction-consistent physical reconstruction, enables accurate source separation while preserving crystallographic fidelity. Extensive experiments on both simulated and experimental datasets show that XDecomposer substantially improves reconstruction accuracy and phase identification across diverse chemical systems, while maintaining strong generalization to unseen mixtures. These results provide a practical route toward data-driven, source-resolved multiphase XRD analysis and reduce long-standing dependence on prior-guided iteratively phase matching. The code is openly available at https://github.com/Licht0812/XDecomposer