X射線晶體學，是科學領域中的一種強大技術，它能夠揭露晶體的三維化學結構。然而，這項技術面臨一個重大挑戰：相位問題（phase problem）。在實驗中，我們只能測量到繞射波的強度（振幅的平方），而無法直接獲得相位的資訊。沒有相位，就無法重建晶體的電子密度圖，也就無法確定原子的位置。早期的晶體學家們透過「試錯法」和「繁瑣的計算」來解決這個問題，這是一個耗時且困難的過程。隨後，「Patterson方法」和「Beevers-Lipson strips（一種加快手工傅立葉合成的方法）」等工具的出現，增加了揭露更複雜結構的可能性。20世紀的50年代和60年代，Karle和Hauptmann開發了「直接法」來解決相位問題，這是一個重大突破，他們因此獲得了1985年的諾貝爾獎。然而，直接法通常需要較高的原子分辨率，即最小晶格平面距離(dmin)需要達到1.2 Å。近年來，科學家們開發了一些新方法，比如電荷翻轉、現代直接法和VLD（vive la difference）等，這些方法有時可以在較低分辨率（1.4-1.6 Å）下解決相位問題，但成功率不穩定，且與「數據品質」和「結構中是否有重原子」有關。這些方法至今已經被開發到極限，但仍然無法直接獲得相位的資訊。那麼未來的科學家有辦法突破嗎？
近日，丹麥哥本哈根大學的研究團隊，開發了一種名為PhAI的深度學習方法，成功解決了晶體學的相位問題。這個方法是請一個經過訓練的AI，從繞射數據中精準「猜出」相位資訊。研究團隊使用數百萬個已知的晶體結構及其相對應的繞射數據來訓練這個AI。PhAI能夠在僅有2 Å的分辨率下解決約80%的相位問題，而且只需要高解析度方法所需數據的10%至20%。PhAI在最常見的六種晶體空間群中都表現出色，這表示它可以應用於大多數常見的晶體結構。除了能夠解決相位問題，PhAI還展現了「相位延伸」的能力，也就是對未測量到的繞射點推測相位資訊，進一步提高結構解析的完整性。研究團隊還成功地將PhAI應用於實際的X射線繞射實驗數據，包括難度較高的粉末X射線繞射數據。研究人員表示，PhAI的開發為晶體學領域帶來了新的希望，有望解決長期困擾科學家的相位問題，並為材料科學、藥物開發等領域提供更強大的結構分析工具。