晶体结构预测的等变扩散模型
材料科学
2025-12-09 v1 机器学习
摘要
在应对晶体结构预测（CSP）的挑战中，对称感知的深度学习模型，特别是扩散模型，已被广泛研究，将CSP视为条件生成任务。然而，在扩散过程中确保置换、旋转和周期平移等变性仍未得到完全解决。在本工作中，我们提出了EquiCSP，一种新颖的等变扩散生成模型。我们不仅解决了现有模型中被忽视的晶格置换等变性问题，还开发了一种独特的加噪算法，在训练和推理过程中严格保持周期平移等变性。我们的实验表明，EquiCSP在生成精确结构方面显著超越了现有模型，并在训练过程中展现出更快的收敛速度。
引用
@article{arxiv.2512.07289,
title = {Equivariant Diffusion for Crystal Structure Prediction},
author = {Peijia Lin and Pin Chen and Rui Jiao and Qing Mo and Jianhuan Cen and Wenbing Huang and Yang Liu and Dan Huang and Yutong Lu},
journal= {arXiv preprint arXiv:2512.07289},
year = {2025}
}
备注
ICML 2024