文本引导的流匹配实现样本高效的晶体结构生成

晶体生成器如今已经能够提出周期性结构，但其控制接口与材料设计中使用的混合描述符仍然匹配不佳。文本提供了一种将成分、对称性、原型和性质线索组合起来的紧凑方式，但此前尚不清楚这类信息是否能够引导基于流的晶体生成。这里我们提出 TFMat，一种条件于文本的流匹配框架，它将结构化材料语言作为 CrystalFlow 生成器的语义先验。在 Perov-5、Carbon-24 和 MP-20 晶体结构预测基准上，TFMat 提高了相较于 CrystalFlow 的单候选匹配率，并在 20 个候选下实现了 92.04% 的 MP-20 匹配率；在从头生成中，它改善了元素数量和密度分布的对齐，同时在按成分筛选的输出中保持了粗粒度的性质一致性。这些结果表明，结构化文本可作为一种可解释的控制层，将人类可读的材料意图转化为可供后续模拟和验证的候选晶体。