图生成模型材料科学中的外推边界：如何可以生长得更远？
材料科学
2026-02-11 v1 介观与纳米尺度物理
机器学习
原子与分子团簇
摘要
每种晶体材料生成模型都隐藏着一个关键结构尺寸，超出此尺寸其输出会悄然变得不可靠——我们将其称为外推边界。尽管这一边界对纳米材料设计具有直接影响，但从未被系统性地测量。我们引入了 RADII，一个半径解析的基准，包含约 75,000 个纳米晶体结构（55-11,298 原子），将半径作为连续的缩放旋钮，用于在无泄漏分割下从分布内到分布外的生成质量评估。RADII 提供了边界特定的诊断工具：按半径误差轮廓指向每个架构的扩展极限，表面-内部分解测试失败是否源于边界还是内部，以及跨指标失败序列揭示结构保真度的哪个方面首先破裂。对五种最先进的架构进行基准测试，我们发现：（i）所有模型在训练半径之外都以约 13% 的全局位置误差退化，但局部键稳健性在不同架构之间差异巨大——从接近零到超过 2 倍的崩溃；（ii）没有两个架构共享相同的失败序列，揭示边界是一个由模型家族塑造的多维表面；（iii）行为良好的模型遵循 α ≈ 1/3 的幂律缩放指数，其分布内拟合准确预测分布外误差，使其边界可量化预测。这些发现确立了输出规模作为几何生成模型的首要评估轴。该数据集和代码均可用 https://github.com/KurbanIntelligenceLab/RADII 获取。
引用
@article{arxiv.2602.09309,
title = {How Far Can You Grow? Characterizing the Extrapolation Frontier of Graph Generative Models for Materials Science},
author = {Can Polat and Erchin Serpedin and Mustafa Kurban and Hasan Kurban},
journal= {arXiv preprint arXiv:2602.09309},
year = {2026}
}