美国能源部SLAC国家加速器实验室研究人员开发出名为X-RAI的新型机器学习方法，为蛋白质或病毒研究带来新突破。该方法基于摊销推理，能“观察”数百万张X射线激光图像，创建目标粒子三维重建模型。研究成果发表于《自然通讯》杂志，X-RAI处理数据集能力强大，“几乎没有限制”，有望突破数据采集限制，让研究人员近距离观察分子及其运动。

传统上，在SLAC直线加速器相干光源(LCLS)进行的研究，需用X射线脉冲轰击样品获取二维散射图像，再组合重建分子三维结构。但此过程耗时，需数十万到数百万张图像，且随着数据累积，传统算法运行速度变慢，计算延迟限制了研究人员实验时间。为解决此问题，研究团队开发出新机器学习程序X-RAI，可实时处理X射线激光数据并不断改进。

X-RAI神经网络能“观察”二维图像预测三维方向，也能反向工作，优化二维数据与三维重建关系。数据越多，理解越深入，效率越高。研究第一作者杰伊·舍诺伊称，对于大型数据集，X-RAI比其他程序“快得多”，能实时处理每秒多达160张图像，预测物体三维结构。与两种算法比较，X-RAI重建生物分子3D结构效果更清晰。

研究团队希望X-RAI帮助用户更有效利用LCLS及世界各地其他X射线激光器实验时间，在竞争激烈的实验时间分配中，提升使用效率。X-RAI或开启快速分析近乎无限量数据大门，助力研究运动中粒子，如重建酶与药物相互作用“电影”。随着X射线成像技术进步，分子运动方式或能更准确了解。

更多信息： Jay Shenoy 等人，《基于在线机器学习的 X 射线单粒子成像可扩展 3D 重建》，《自然通讯》(2025)。期刊信息： 《自然通讯》