Oct, 2023

Crystal-GFN: 采样具有理想性质和约束条件的晶体

PDF
TL;DR加速材料发现对缓解气候危机具有潜力。我们介绍了一种名为 Crystal-GFlowNet 的晶体结构生成模型，它能够灵活地加入物理和几何约束，并使用预测模型作为目标函数。通过在 MatBench 上训练的代理模型对结晶能进行预测，我们评估了 Crystal-GFlowNet 的能力，结果表明它能够生成结晶能较低的多样化晶体。
material discoverysolid-state crystalselectrocatalystsionic conductorsphotovoltaics
发现论文，激发创造
  • 基于数据驱动的评分模型生成具有自适应晶胞的稳定结构

    使用机器学习生成模型生成具有所需性质（如化学稳定性和指定化学组成）的新晶体结构，并展示其在不同化学体系和晶体群中生成新候选结构的功能。

    Oct, 2023

  • 生成对抗网络在晶体结构预测中的应用

    本文提出并应用了一种基于生成对抗网络的晶体结构生成模型，经过高通量虚拟筛选，成功预测出 23 个具有良好光稳定性和能隙的新型结晶体结构，并在化学空间中发现了未知的化学结构。

    Apr, 2020

  • 矢量场导向的晶体材料生成扩散模型

    我们提出一种基于几何等变的 GNN 的概率扩散模型，可以同时考虑原子位置和晶格，以发现具有特定化学性质的晶体结构，并通过新的生成度量方法评估模型的有效性。

    Dec, 2023

  • 基于 GFlowNets 实现分子构型生成的平衡状态追求

    使用 GFlowNet 从玻尔兹曼分布中对小分子进行构象采样的方法，可以与不同准确性的能量估计方法结合使用，并为高度柔性的药物样品发现一组多样性的低能量构象。该方法通过比例抽样来复现分子的势能表面。

    Oct, 2023

  • FlowMM: 利用黎曼流匹配生成材料

    FlowMM 是一对生成模型，在预测已知成分的稳定晶体结构和提出新的成分与其稳定结构方面表现出最先进的性能，比竞争方法更高效、更灵活。文章使用 FlowMM 验证其生成的结构，并通过量子化学计算证明其在寻找稳定材料方面比先前的开放方法更高效。

    Jun, 2024

  • CrystalGAN：利用生成对抗网络发现晶体结构

    我们提出了一种名为 CrystalGAN 的新型 GAN，它能够生成具有升高域复杂度的新型化学稳定晶体结构，这种方法可以应用于发现新型化合物，特别是氢储存材料的研究中。

    Oct, 2018

  • 使用深度生成神经网络高通量发现新的立方晶体材料

    本研究用深度学习的生成对抗网络方法，提出了 CubicGAN 模型以大规模生成新的立方晶体结构，在 375,749 个三元晶体材料的训练数据下发现 506 种新材料，通过 DFT 验证后发现有远超同类材料的功能特性，这一方法将极大的拓展现有的材料库，实现新型功能材料的快速筛选。

    Feb, 2021

  • 晶体材料生成的统一模型

    本论文提出了两个使用周期等变建筑同时作用于晶体晶格和原子位置的统一模型，具有学习任意晶体晶格变形并将总能量降至热力学稳定性的能力。

    Jun, 2023

  • 晶体结构的生成逆设计：基于转换器的扩散模型

    通过训练生成模型来加快科学发现并推动各个科学领域的重大进展，尤其是发现具备良好性能的新型无机材料是一项关键挑战，不同于文本或图像数据，材料，特别是晶体结构，由多种类型的变量组成，包括晶格矢量、原子位置和原子种类，本研究探索一种基于 Transformer 架构的新型扩散模型，用于生成具有所需性质的晶体结构，并证明我们的模型在多样性方面优于先前方法，而我们的实证结果表明，最佳条件方法因数据集而异。

    Jun, 2024

  • 大规模扩散材料生成

    本研究提出了一个基于 UniMat 的晶体结构生成方法，通过训练扩散概率模型，能够高度还原大规模和复杂化学系统的晶体结构，并且在评估指标上胜过之前基于图结构的方法，同时提出了针对材料的新评估指标，并展示了条件生成在大规模晶体数据集上的可扩展性，优于结构发现的当前方法。

    Oct, 2023