定向设计目标稳定材料，麻省理工学院开发SCIGEN，可适配任意预训练扩散模型

SCIGEN是一种新型机器学习方法，通过整合几何约束，提高量子材料设计效率。

该方法无需重新训练基础模型，能够快速生成稳定的量子材料候选体。

研究成功合成了两种新材料，展示了SCIGEN在量子材料发现中的潜力。

量子材料的特性由其原子排列的对称性和晶格几何形态决定，设计稳定材料的进展缓慢。

现有的材料生成模型多依赖于训练数据的统计分布，导致生成材料局限于常见类型。

SCIGEN方法可适配任意预训练生成式扩散模型，整合对称性和几何图案约束。

研究以《Structural constraint integration in a generative model for the discovery of quantum materials》为题，发表于Nature Materials。

SCIGEN推动了量子材料发现从试错到定向生成的转变，加速了材料研发速度。

研究人员利用SCIGEN编制了一个包含1006万种材料的阿基米德晶格材料数据库。

通过高通量DFT计算，成功收敛24743种材料，超过95%结构收敛。

SCIGEN确保生成材料符合预设几何约束，同时保留基础模型的生成有效性。

实验验证了SCIGEN的定向生成能力，能够精准引导原子排列成预定义几何图案。

研究人员合成的两种新材料表现出顺磁性和抗磁性，验证了SCIGEN的预测能力。

SCIGEN为量子材料的突破铺平了道路，推动了结构与性能关系的研究。

人工智能的发展为新材料研发提供了新的契机，促进了结构-性能关系的系统研究。