从多参考仿真高效训练生成模型及其在大磁各向异性 Dy 配合物设计中的应用
材料科学
2026-02-27 v1 化学物理
摘要
生成式机器学习模型可提供对完整化学空间中新颖且相关部分的直接访问，从而克服系统性抽样的成本。然而，这些模型的训练通常需要大量数据，往往使其难以用于高成本的高级 ab initio 仿真。具有大磁各向异性 Dy 配合物的生成代表了这一热门案例，其中对大分子进行多参考仿真是实现可靠预测的必要条件。本文展示，一种基于化学启发的半监督式生成变分自编码器训练-by-proxy 可将构建训练集的成本从多参考仿真中降低两个数量级。我们通过从仅 1k 条多参考计算数据开始，生成数百个新型的有机配体，用于 Dy(III) 五边形双锥配合物，这些配合物展现出纪录级的磁各向异性。该工作为计算生成具有目标电子与磁性属性的复杂配位化合物铺平了道路。
引用
@article{arxiv.2602.23230,
title = {Efficient training of generative models from multireference simulations and its application to the design of Dy complexes with large magnetic anisotropy},
author = {Zahra Khatibi and Lorenzo A. Mariano and Lion Frangoulis and Alessandro Lunghi},
journal= {arXiv preprint arXiv:2602.23230},
year = {2026}
}