Crystal-LSBO：基于潜在空间贝叶斯优化的去核晶体自动设计

生成式晶体结构模型因输入数据复杂性而面临重大挑战，这限制了这些模型探索和发现新晶体的能力。这种复杂性常将de novo设计方法局限于对已知晶体的小幅扰动，从而阻碍了先进优化技术的有效应用。一种此类优化技术——潜在空间贝叶斯优化（LSBO）在各类领域展现出探索新对象的潜力，尤其是在与变分自编码器（VAE）结合时效果尤为突出。鉴于LSBO的潜力以及创新晶体发现的关键需求，我们引入Crystal-LSBO，一种为LSBO框架量身定制的去核晶体设计方法，以增强其可探索性。Crystal-LSBO采用多个VAE，分别专注于晶体结构的不同方面：晶格、坐标和化学元素，由一个集成模型协调这些组件以产生连贯的输出。该设置不仅简化了学习过程，还通过降低每个模型学习任务的复杂性，产生可探索的潜在空间，从而使LSBO方法得以运作。我们的研究首次将LSBO用于去核晶体设计，通过以形成能值为主要优化目标的任务表明其有效性。我们的结果突显了该方法的有效性，为去核晶体发现提供了新的视角。