利用通用力场微调生成对抗网络：应用于二维拓扑绝缘体
材料科学
2025-04-08 v1 无序系统与神经网络
介观与纳米尺度物理
摘要
尽管生成式人工智能的应用场景正迅速增长，但其在为晶体材料进行目的性设计的能力仍处于初步阶段。当前，逆向设计通常通过约束训练数据集或生成大量样本并通过后处理来实现。我们展示，通过引入基于图神经网络的判别器（包括通用力场）进行微调，可实现生成式对抗网络的优化，从而内在地偏向生成目标材料。这一方法以二维拓扑绝缘体作为示例目标空间进行验证。虽然已预测出许多二维拓扑绝缘体，但其能隙（拓扑保护的度量）的大小仍是大多数候选化合物的关切问题。结果表明，生成的网络能够产生新的拓扑绝缘体。
引用
@article{arxiv.2504.04940,
title = {Fine tuning generative adversarial networks with universal force fields: application to two-dimensional topological insulators},
author = {Alexander C. Tyner},
journal= {arXiv preprint arXiv:2504.04940},
year = {2025}
}
备注
6+2 pages