Space Group Informed Transformer for Crystalline Materials Generation

我们介绍了CrystalFormer，这是一种基于Transformer的自回归模型，专门用于空间群控制的晶体材料生成。空间群对晶体空间的对称性进行了显著简化，这对于数据和计算效率高的晶体材料生成建模至关重要。CrystalFormer利用Wyckoff位置的显著离散和序列特性，通过直接预测单元格中对称不等价原子的种类和位置来学习生成晶体。我们的结果表明，CrystalFormer在生成的晶体材料的有效性、新颖性和稳定性方面与标准基准的最先进性能相匹配。我们的分析还表明，CrystalFormer从数据中吸收了合理的固态化学信息，用于生成建模。CrystalFormer在晶体材料领域统一了基于对称性的结构搜索和生成预训练。CrystalFormer的简单性、通用性和灵活性使其成为整个晶体材料空间的基础模型，预示着材料建模和发现的新时代的到来。

本论文旨在解决晶体材料生成中的对称性问题，提出了一种基于Transformer的自回归模型CrystalFormer，用于生成晶体材料。

CrystalFormer直接预测晶胞中不同对称位置上的原子种类和位置，利用空间群对晶格进行简化，从而实现数据和计算的高效生成建模。该模型在晶体材料生成方面达到了最先进的水平，并能从数据中提取有用的化学信息。

论文使用了标准基准数据集进行了实验，证明了CrystalFormer在晶体材料生成中的有效性、新颖性和稳定性。该模型的简单性、通用性和灵活性使其成为晶体材料空间的基础模型，为材料建模和发现开辟了新的时代。论文也提供了开源代码。

在晶体材料生成领域，还有一些相关研究，如：CrystalGAN、CGCNN等。