MatterGen: a generative model for inorganic materials design

设计具有所需性质的功能材料对推动能源存储、催化和碳捕捉等领域的技术进步至关重要。生成模型通过直接生成完全新颖的材料以满足所需属性限制，为材料设计提供了一种新的范式。尽管近年来取得了一定进展，但当前的生成模型在提出稳定晶体方面的成功率较低，或者只能满足非常有限的属性限制。在这里，我们提出了MatterGen模型，该模型可以在周期表上生成稳定、多样化的无机材料，并可进一步微调以引导生成满足广泛属性限制的材料。为了实现这一目标，我们引入了一种新的基于扩散的生成过程，通过逐步细化原子类型、坐标和周期晶格来产生晶体结构。我们还引入了适配器模块，以使用标记数据集对其进行微调以满足任何给定的属性限制。与先前的生成模型相比，MatterGen生成的结构更有可能是新颖稳定的，并且更接近局部能量最小值的15倍以上。经过微调后，MatterGen成功地生成了具有所需化学、对称性以及机械、电子和磁性属性的稳定、新颖的材料。最后，我们通过提出既具有高磁密度又具有低供应链风险化学组成的结构，展示了多属性材料设计能力。我们相信，生成的材料质量和MatterGen的广泛能力代表了材料设计通用生成模型的重大进展。

如何通过生成模型设计出具有所需性质的新型无机材料？当前的生成模型在提出稳定晶体方面成功率较低，或者只能满足非常有限的性质约束。

引入一种基于扩散的生成过程，通过逐步改进原子类型、坐标和周期性晶格来产生晶体结构，并引入适配器模块，使其能够针对任何给定的性质约束进行微调。相比之前的生成模型，MatterGen 生成的结构更容易是新颖且稳定的，并且更接近局部能量最小值。在微调后，MatterGen 成功地生成了具有所需化学、对称性以及机械、电子和磁性性质的稳定新型材料。

论文提出了一种新的生成模型 MatterGen，可以生成稳定的、多样化的无机材料，并且可以进一步进行微调以满足广泛的性质约束。实验结果表明，MatterGen 生成的结构更容易是新颖且稳定的，并且更接近局部能量最小值。论文还展示了多属性材料设计的能力，提出了具有高磁密度和低供应链风险的结构。值得进一步研究。

最近的相关研究包括使用生成模型设计新型材料，如 GAN 和 VAE。