構造生物学において、タンパク質の構造決定は長年の課題であり、近年では深層機械学習（ML）技術が応用されています。本論文では、伝統的な結晶学的手法とML技術を密接に結びつける新たなアプローチを検討しています。具体的には、結晶データから直接得られるPattersonマップと、AlphaFoldタンパク質構造データベースから得られた部分構造テンプレートマップを用いて、ハイブリッドな3Dビジョントランスフォーマーと畳込みネットワークを訓練しました。これにより、電子密度マップを予測し、標準的な結晶学的精製プロセスを通じて原子モデルに変換します。小さなタンパク質フラグメントを用いた実験により、結晶構造因子の位相を改善し、部分構造テンプレートの欠損部位を補完できることを示しました。