面向语言模型实现的晶体材料不变分词方法
机器学习
2025-03-04 v1 材料科学
摘要
我们考虑使用语言模型(LM)进行晶体材料生成的问题。关键步骤是将3D晶体结构转换为1D序列供LM处理。先前研究使用晶体学信息框架(CIF)文件流，无法确保SE(3)和周期不变性，也可能无法为给定晶体结构生成唯一的序列表示。本文提出了一种新方法，即Mat2Seq，以解决这一挑战。Mat2Seq将3D晶体结构转换为1D序列，并确保同一晶体的不同数学描述被表示为单个唯一序列，从而可证明地实现SE(3)和周期不变性。实验结果表明，与先前方法相比，Mat2Seq在语言模型驱动的晶体结构生成中取得了令人期待的性能。
引用
@article{arxiv.2503.00152,
title = {Invariant Tokenization of Crystalline Materials for Language Model Enabled Generation},
author = {Keqiang Yan and Xiner Li and Hongyi Ling and Kenna Ashen and Carl Edwards and Raymundo Arróyave and Marinka Zitnik and Heng Ji and Xiaofeng Qian and Xiaoning Qian and Shuiwang Ji},
journal= {arXiv preprint arXiv:2503.00152},
year = {2025}
}
备注
This paper has been accepted as a NeurIPS 2024 Poster