结构约束在量子材料候选者生成模型中的集成
材料科学
2024-07-08 v1 机器学习
摘要
已知有数十亿种有机分子，但只有极少数功能性无机材料被发现，这是搜索新量子材料社区面临的关键问题。最近在机器学习生成模型（特别是扩散模型）方面的进展显示出巨大的潜力用于生成新稳定材料。然而，在材料生成中集成几何模式仍是一个挑战。本文引入结构约束集成于生成模型（SCIGEN）。我们的方法可通过对去噪结构进行策略性遮蔽，以受控的扩散结构先验方式修改任何已训练的生成扩散模型，以引导生成受约束的输出。此外，我们数学证明了 SCIGEN 有效地对原始分布进行条件抽样，这对于生成稳定受控材料至关重要。我们使用阿基米德晶格作为原型约束生成了八百万种化合物，其中超过 10% 的化合物通过了多阶段稳定性预筛选。对 26,000 种存活化合物进行高通量密度泛函理论（DFT）计算显示，超过 50% 的化合物通过了 DFT 级别的结构优化。由于量子材料的性质与几何图案密切相关，我们的结果表明 SCIGEN 提供了一个通用框架用于生成量子材料候选者。
引用
@article{arxiv.2407.04557,
title = {Structural Constraint Integration in Generative Model for Discovery of Quantum Material Candidates},
author = {Ryotaro Okabe and Mouyang Cheng and Abhijatmedhi Chotrattanapituk and Nguyen Tuan Hung and Xiang Fu and Bowen Han and Yao Wang and Weiwei Xie and Robert J. Cava and Tommi S. Jaakkola and Yongqiang Cheng and Mingda Li},
journal= {arXiv preprint arXiv:2407.04557},
year = {2024}
}
备注
512 pages total, 4 main figures + 218 supplementary figures