GanJiang
让配方成为证据
识别矿物、定量配比，把古老粉末转化为可核查的组成信息，为文物材料研究提供依据。
古埃及 × 现代材料科学
一份古埃及化妆粉
5 种矿物CaSO₄·2H₂OPb₂Cl₂CO₃PbCO₃PbSPbOHCl
从三千年前的眼妆，走进现代材料科学
GanJiang Agent · 材料智能
读懂图谱，
看清材料。
用 58 秒了解原子排列如何影响材料，XRD 如何揭示结构，以及干将如何连接分析工具、检验结果并积累经验。
EGYPT / MATERIAL MEMORY约三千年前
古老的眼妆，今天的科学问题
一抹眼妆，
跨越三千年的
材料科学。
古埃及人留下了化妆粉，也留下了关于材料的谜题：用了什么矿物？如何配比？天然研磨，还是化学合成？
从眼线的色泽与质感，追问一份古老粉末的矿物组成。
让干将读出这份配方从理解古代工艺，到分析今天的材料
THEN / NOW追溯化学工艺
研究者在古埃及化妆粉中发现含氯铅化合物，为古人掌握湿化学合成提供了证据。
回应现代材料难题
多相共存、衍射峰重叠、定量验证，也是现代材料表征的问题。这个案例呈现了干将从复杂信号提取可审阅结论的分析流程。
历史研究参考Walter et al. · Nature (1999)ESRF · Newsletter 32本页五相结果来自干将案例报告。
从一份古老样品，读出五种矿物
三千年的配方，
藏在重叠的峰里。
一份古埃及化妆粉，一张复杂的衍射图谱。跟随报告中的真实案例，看干将如何分解五相、验证拟合，重建矿物配比。
古埃及化妆粉 / 五相分析SYNCHROTRON XRD
实测拟合背景
图谱上的证据
DeltaXRDbench
物相识别评测
从模拟图谱到真实实验，在相同任务与输入条件下，查看干将与各基线的识别表现。
越高越好
数据来源与评测口径
它是什么
高通量材料研发的瓶颈，正在从合成转向判断。
合成、计算和机器人实验室能够快速产生大量候选样品，但 PXRD 表征仍常依赖专家逐张分析。物相识别、多相分解、结构精修、微结构参数提取与异常判断被不同软件和经验割裂，已成为材料发现的关键瓶颈。干将将它们统一为可审阅、可复用的自主分析过程。
它服务于研究者的判断，不取代研究者的判断。
它能做什么
像专家一样分析一张图谱，并决定下一步该做什么。
统一数据，先看清问题
解析 .xy、.xrdml、.raw、.csv 等格式，检查元数据、噪声、背景、Kα₂ 与仪器域差异。
自主诊断分析任务
判断单相或多相、晶相或非晶、已知结构或未知结构，以及单张还是原位时间序列。
多路识别与定量验证
联合结构数据库、理论谱、XQueryer 与 XMatcher 输出候选；以 XDecomposer 和 Rietveld 精修共同验证。
自主、分阶段地精修
根据残差与物理合理性，在 PyWPEM、GSAS-II、FullProf 等引擎间动态选择并调整参数。
从失败到实验决策
记录失败原因、专家修正与后续验证，把可靠经验沉淀为技能，并指导下一轮实验条件。
自主材料表征系统
干将，编排从图谱到下一次实验。
以研究意图为起点，调度分析模型、结构数据库与实验仪器；把每次测量、验证和修正连成可审阅的科学闭环。
01研究意图
材料研究者
问题 · 约束 · 审阅
02科学模型 · 干实验
XRD 分析智能
- 图谱解析
- 物相识别
- 定量分解
- 结构精修
结构假设与证据
干将
自主分析编排中枢- 意图理解
- 路径规划
- 交叉验证
03物理实验 · 测量
XRD 仪器与实验室
- 样品制备
- 自动测量
- 原位序列
- 补测与复验
新图谱与实验反馈
04接口 · 外部能力
结构数据库分析引擎仪器与机器人 API
分析—实验闭环
面向未来实验室
从报告，走向“实验—表征—决策”的材料发现闭环。
干将连接机器人实验室、计算筛选与 XRD 表征：回答目标相是否形成、杂相从何而来、是否需要补测，以及下一轮应调整哪些测试参数。
它不会把未经验证的经验直接写进系统；只有被证据、专家与后续实验共同确认的策略，才会成为可版本化、可评估、可回滚的分析技能。
下载和体验
媒体关注
新闻报道
来自媒体与行业的项目报道，记录干将在材料科研场景中的实践与进展。
为什么叫“干将”
取意于淬炼，也取意于判断
“干将”是中国古代铸剑文化中的名字。材料发现同样是一场漫长的淬炼：并非只追求制造更多样品，而是要在复杂的证据中分辨结构、剔除误判，并把每一次验证锻造成下一次更可靠的判断。
干将希望成为研究者与未来机器人实验室之间，那位持续学习、谨慎求证的人工智能分析科学家。
为什么是它
好的分析，不止是一次拟合。
干将关心的不只是数字是否更好看，也关心结论是否合理、是否经得起复查、能否帮助你决定下一步。每一次经过确认的分析与专家反馈，都会成为它继续演化的基础。
- 证据先行
每个建议都应能回到图谱、模型或实验条件。
- 多路验证
重要结论用互补的方法交叉检查，而非依赖单一指标。
- 持续积累
可确认的经验被整理为可复用的分析能力，服务下一次研究。
产品进度安排 · 2026
从内测，走向全球正式发布
以 Beta 验证真实使用，在两次连续迭代后发布 Preview；随后进入 V0.1.0 宣发窗口，并于 10 月 20 日面向国际用户发布永久版本。
-
0910
01 / BETA Beta Version
首个内测版本发布
内测用户 -
迭代01
02 / ITERATION 迭代版本 01
内测版本迭代
内测用户 -
迭代02
03 / ITERATION 迭代版本 02
内测版本迭代
内测用户 -
0923
04 / PREVIEW Preview Version
预览版本发布
内测用户 -
09.30–10.20
05 / CAMPAIGN 干将 V0.1.0 宣发
正式发布前集中宣发
V0.1.0 发布窗口 -
1020
06 / GLOBAL RELEASE 干将正式版本
面向国际用户正式发布
国际用户 · 永久版本
BETA2× ITERATIONPREVIEWV0.1.0 CAMPAIGNGLOBAL RELEASE
GANJIANG COMMUNITY
一起交流，让研究更进一步。
选择你常用的平台，与用户和开发者交流。点击卡片，查看加入方式。
A self-learning scientific agent for X-ray diffraction
@misc{cao2026selflearningscientificagentxray,
title={A self-learning scientific agent for X-ray diffraction},
author={Bin Cao and Huichi Zhou and Runyu Yang and Jingsong Li and Shuchen Sun and Yan Song and Hanyu Gao and Zhongwei Yu and Tong-Yi Zhang and Jun Wang},
year={2026},
eprint={2610.07862},
archivePrefix={arXiv},
primaryClass={cond-mat.mtrl-sci},
url={https://arxiv.org/abs/2610.07862},
}
