AMShortcut：面向非晶材料的推断与训练高效逆设计模型
机器学习
2026-04-01 v1 材料科学
摘要
非晶材料是缺乏长程原子有序但具备复杂短程和中程秩序的固体。与由包含少数至数百个原子的单元单元描述的晶体材料不同，非晶材料需要至少数百个或通常成千上万个原子的较大模拟单元。基于概率生成模型的非晶材料逆向设计旨在给定一组所需属性后生成非晶材料的原子位置和元素。它已成为促进非晶材料在能源存储和热管理等领域应用的有前景的方法。本文介绍了 AMShortcut，一种用于非晶材料的推断与训练高效概率生成模型。AMShortcut 仅需少量采样步骤即可准确推断非晶材料中多样化的短程和中程结构，从而缓解了推断效率受制于大量采样步骤的限制。AMShortcut 可一次性训练以适应所有相关属性，并能在任意所需属性组合的条件下进行推断，从而缓解了为每种组合训练一个模型的需求。在具有多样化结构和属性的三个非晶材料数据集上的实验表明，AMShortcut 已实现其设计目标。
引用
@article{arxiv.2603.29812,
title = {AMShortcut: An Inference- and Training-Efficient Inverse Design Model for Amorphous Materials},
author = {Yan Lin and Jonas A. Finkler and Tao Du and Jilin Hu and Morten M. Smedskjaer},
journal= {arXiv preprint arXiv:2603.29812},
year = {2026}
}