MOFFlow：用于金属有机框架结构预测的流匹配

金属有机框架（MOF）是一类在许多领域具有广泛应用前景的晶体材料，例如碳捕获和药物递送。本文引入了MOFFlow，即首个专为MOF结构预测设计的深度生成模型。现有方法，包括ab initio计算甚至深度生成模型，都难以应对MOF结构的复杂性，因为单位单元中原子数目庞大。为此，我们提出了一种新型黎曼流匹配框架，通过将金属节点和有机链段视为刚性实体来降低问题的维度，充分利用MOF的内在模块性。通过在SE(3)空间中运作，MOFFlow能够以可扩展的方式有效地捕捉这些刚性组件的旋转平移动力学。我们的实验表明，MOFFlow能够准确预测包含数百个原子的MOF结构，显著优于传统方法和当前最先进的机器学习基线方法，同时速度更快。