T2MAT（文本到材料）：一个从单句生成具有目标性质材料结构的通用智能体
材料科学
2025-07-28 v2
摘要
人工智能生成内容（AIGC）——由AI系统自主生成、无需人工干预的内容——已显著提升了多个领域的效率。然而，材料科学中的AIGC在高效发现超越现有数据库的新颖材料方面面临挑战，同时还需解决晶体结构的不变性和稳定性问题。为应对这些挑战，我们开发了T2MAT（文本到材料），一个综合性的智能体，它从用户输入的句子出发，通过全局探索化学空间，逆向设计具有超越现有数据库目标性质的材料结构，随后进行完全自动化的第一性原理验证工作流程。此外，我们提出了CGTNet（晶体图变换网络），一种捕捉长程相互作用的图神经网络模型，以提升性质预测的准确性和数据利用效率，从而增强逆向设计的可靠性。通过这些贡献，T2MAT最小化了对人类专业知识的依赖，并显著提高了发现新型高性能功能材料的效率，为迈向更自主的材料设计提供了一条稳健的途径。
引用
@article{arxiv.2407.06489,
title = {T2MAT (text-to-materials): A universal agent for generating material structures with goal properties from a single sentence},
author = {Zhilong Song and Shuaihua Lu and Qionghua Zhou and Jinlan Wang},
journal= {arXiv preprint arXiv:2407.06489},
year = {2025}
}