基于流生成模型的拓扑分层材料发现
Topology-Stratified Materials Discovery with A Flow-Based Generative Model
精选理由
以拓扑特征生成稳定新颖晶体，支持按性能定向设计，加速材料发现。
AI 摘要
准确生成晶体结构是发现适用于航空航天、增材制造和聚变能源系统等极端环境应用的高性能材料的基础。尽管生成建模已成为晶体设计的一种有前景的方法，但其性能仍受复杂晶体结构和多样化学组成的限制。在本研究中，我们开发了 UFO-MGen，这是一种通用的基于流的生成模型，能够学习 Wyckoff 表示的拓扑特征，并利用这些信息在广阔的结构和化学空间中准确生成晶体。与最先进的生成模型相比，UFO-MGen 在严格的多稳定性评估框架下实现了最高的晶体生成成功率、最高的 SUN（稳定、独特、新颖）率，以及以往模型尚未报道的卓越外推能力。此外，我们还为 UFO-MGen 实现了一个微调模块，用于受性质约束的晶体生成，从而能够面向目标性质开展逆向材料设计。UFO-MGen 为加速材料发现开辟了新途径，并为通用材料智能奠定了基础。