面向可调结构材料设计的化学语言模型
材料科学
2026-03-24 v1 机器学习
化学物理
摘要
可构筑化学已使金属有机框架（MOFs）合成数量达到数万个，但新材料的发现仍大多依赖于直觉驱动的链接器设计和迭代实验。因此，研究人员仅能探索可构筑化学可及的广阔化学空间中极小部分，从而限制了针对特定性质的框架系统发现。本文引入Nexerra-R1，一种建构块化学语言模型，支持通过有针对性地生成有机链接器实现可逆设计。该模型不直接生成完整框架，而是在分子建构块层面运行，保留构筑化学中模块化逻辑。该模型支持无约束地生成低连接度链接器，以及受框架约束的对称多齿构象的设计，确保与预定义节点和拓扑结构相容。我们进一步将链接器生成与流动引导的分布目标结合，以引导生成过程趋近于应用相关目标，同时保持化学有效性和装配可行性。生成的链接器随后被组装成三维框架，并进行结构优化，以产生符合实验合成要求的候选材料。使用Nexerra-R1，我们通过重新发现已知MOFs并提出合成一个此前未报告的框架CU-525来验证了此策略。这些结果建立了可构筑化学中可控化学语言建模实现从计算设计到可综合框架的直接转换的通用逆向设计范式。
引用
@article{arxiv.2603.20389,
title = {A chemical language model for reticular materials design},
author = {Dhruv Menon and Vivek Singh and Xu Chen and Mohammad Reza Alizadeh Kiapi and Ivan Zyuzin and Hamish W. Macleod and Nakul Rampal and William Shepard and Omar M. Yaghi and David Fairen-Jimenez},
journal= {arXiv preprint arXiv:2603.20389},
year = {2026}
}
备注
45 pages, 26 figures, Supplementary Information included; code available at: https://github.com/fairen-group/nexerra-r1