★ FEATURED ARTICLE 【免费下载链接】mattergen项目地址https://ai.gitcode.com/hf_mirrors/microsoft/mattergen点击查看免费下载MatterGen 是微软研究院发布的无机电材料生成模型它用扩散模型同时预测晶体的元素种类、分数坐标和晶胞向量再借助凸包判断新材料是否稳定。这篇文章带你用大白话读懂 MatterGen 背后的三个核心概念无需高深物理背景也能上手理解。MatterGen 是什么会长晶体的生成式 AI想象一个会凭空长出新晶体的 AI你不需要告诉它配方细节它就能直接生成从未存在过的无机晶体结构。MatterGen 一次生成三样东西共同构成一个完整晶体生成内容含义类比元素种类每个位置是什么原子砌块的材质分数坐标原子在晶胞里的相对位置砌块摆放位置晶胞向量晶体的包装盒形状与大小包装盒尺寸关键事实速览来自 README.md 与 data_summary_card.md 开发者Microsoft Research AI for Science论文发表于 Nature2025 参数规模4680 万架构基于 GemNetT️ 训练数据607,684 个 DFT 弛豫后的晶体结构来自 Materials Project 与 Alexandria 两个开放数据集 成果生成结构中 38.57% 同时满足稳定、新颖、唯一S.U.N.三项标准一句话概括MatterGen 扩散模型怎么生成 分数坐标怎么描述位置 凸包怎么判断稳不稳。核心概念一扩散模型如何从噪声里还原晶体扩散模型Diffusion Model的思想和降噪很像分两步加噪把一个干净的晶体结构逐步扰乱直到变成一团噪声学还原让模型学会从噪声出发一步一步反推回干净结构。生成新材料时模型只走去噪这一半——从纯随机噪声出发迭代还原出一个新的晶体。MatterGen 的巧妙之处在于晶体的不同部分是不同类型的数据它给每部分配了不同的加噪方式这套混合加噪MultiCorruption配置可以直接在 config.yaml 中读到数据部分数据类型加噪方式直觉理解元素种类atomic_numbers离散选哪个原子D3PM Mask Diffusion随机把原子打码成未知像猜字谜先遮住一半字再逐步猜全晶胞向量cell连续长度、角度LatticeVPSDE像给照片加高斯模糊再逐步去模糊原子位置pos连续且带周期性Wrapped VESDE环形包装噪声在圆环上打滑滑过头会绕回来第三个环形包装正是和分数坐标配套的——下一节会解释为什么。核心概念二分数坐标为什么不用普通笛卡尔坐标分数坐标fractional coordinates是晶体学里的相对定位系统。它不直接说原子在空间 x1.2 Å 处而是说原子位于晶胞的 12.5% 位置。数学上就是真实位置 分数坐标 × 晶胞向量矩阵为什么 MatterGen 偏爱它三个理由天然归一分数坐标永远落在 0~1 之间位置0.9 再走一点就会自动绕回 0.01这与晶体的周期性完全吻合——所以加噪器里设置了wrapping_boundary: 1.0见 config.yaml形状不变你把整个晶胞拉伸、旋转每个原子的分数坐标不变模型学起来更省心尺度统一无论大晶胞小晶胞坐标都在同一量级训练更稳定。可以把它类比成地图上的百分比定位不管城市怎么放大缩小地图在画面 30% 处这个描述始终成立。核心概念三凸包判断材料稳不稳定的标尺 材料学里有个关键问题AI 生成的结构会不会真的稳定存在答案藏在凸包convex hull这张图里。它把所有已知物质的能量按组成画成散点再用一条折线把能量最低的点连起来形成一个向下凹的包络——这就是凸包。正好落在包络上的物质→ 最稳定是能量赢家偏离包络越远的物质→ 越不稳定实际中很难存在这个偏离量叫energy above hull高于凸包的能量。MatterGen 用它做了两件事用途做法筛选训练数据只保留高于凸包 0.1 eV/atom 的结构保证老师本身够稳定验收生成结果生成结构同样用这个指标打分低于 0.1 eV/atom 才算稳定配套的另两项验收指标是Novel和已知结构不重复和Unique在生成批次里不重复三者合称 S.U.N. 指标。MatterGen 在无条件生成中取得了 38.57% 的 S.U.N. 率生成结构与 DFT 弛豫后的偏差平均仅 0.021 埃——相当于一根原子直径的几分之一。条件生成给 MatterGen 下定制订单除了无目的地随机长晶体MatterGen 还支持按目标性质生成先微调一个适配器生成时再指定目标性质值模型就会朝那个方向偏。本仓库 checkpoints/ 目录已内置 9 个官方模型按需取用模型目录条件目标说明mattergen_base无条件基础模型所有微调的起点mp_20_baseMP20 数据集基础模型仅基于 Materials Project 训练chemical_system化学体系指定只含哪些元素来生成chemical_system_energy_above_hull化学体系 凸包能同时控制元素组成与稳定性dft_band_gap带隙面向半导体/绝缘体筛选ml_bulk_modulus体模量指定材料软硬程度如 400 GPa 的超硬材料dft_mag_density磁化密度面向磁性材料dft_mag_density_hhi_score磁化密度 HHI 分数磁性 无机-有机杂化倾向组合space_group空间群控制晶体对称性官方给出的成绩单很有说服力条件为体模量 400 GPa在 180 次 DFT 计算预算内找到106 个S.U.N. 结构而参考集里原本只有 2 个这样的结构条件为磁化密度 0.2 Å⁻³同样预算内找到18 个S.U.N. 结构每个模型目录下的 config.yaml 都写明了condition_on_adapt条件字段想复现训练或二次微调时可以直接参考。使用边界与注意事项⚠️ 动手前先看这几条不能做什么出自 README.md 的 Out-of-Scope 部分❌ 单位胞超过 20 个原子的结构——模型不支持❌ 有机晶体或非晶材料——只针对无机晶体❌ 含稀有气体、放射性元素或原子序数 84 的元素——训练数据已剔除这些⚠️ 性质越极端、对应训练样本越少生成质量越可能下降对新性质微调时建议至少准备数千条带标签结构另外仓库的>赞分享【免费下载链接】mattergen项目地址https://ai.gitcode.com/hf_mirrors/microsoft/mattergen点击查看免费下载相关推荐读懂Meshroom的4大核心概念Graph、Node、Attribute与Template一文讲透读懂Meshroom的4大核心概念Graph、Node、Attribute与Template一文讲透 Meshroom 是一款开源的 节点式可视编程工具箱 桌面应用计算机视觉3D建模图形学ELF嵌入语言流概览一文读懂连续扩散语言模型的新范式ELF嵌入语言流概览一文读懂连续扩散语言模型的新范式 ELF全称 Embedded Language Flows嵌入语言流是一个基于连续时间 Flow扩散语言模型入门一文读懂SDLLM-MDLM-1.7B-Base背后的MDLM核心原理扩散语言模型入门一文读懂SDLLM MDLM 1.7B Base背后的MDLM核心原理 扩散语言模型Diffusion Language Model是继自创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
