ADiT模型通过结合潜在表示与Transformer技术，突破了原子系统建模的周期性与非周期性限制，显著提高了生成效率与可扩展性，为新材料和药物设计提供了重要支持。

MIT一篇关于AI辅助科研的论文因数据造假被曝光，声称新材料发现量增44%。校方已要求撤稿，表示对数据真实性缺乏信心。该论文引发广泛关注，曾获诺奖得主支持，但现已与MIT划清界限。

本研究通过生成模型解决了拓扑绝缘体和拓扑晶体绝缘体材料稀缺的问题，提出了强化微调方法，成功生成了新材料Ge$_2$Bi$_2$O$_6$，其全带隙为0.26 eV，展现出应用潜力。

微软推出的MatterGen模型被誉为“材料界的AlphaFold”，能够利用AI生成新材料，超越传统筛选方法。该模型在电动车和航空航天等领域展现出极大潜力，提升了材料生成的稳定性和准确性。与中科院合作，成功合成新材料TaCr₂O₆，展示了其在材料设计中的应用前景。

CuspAI是一家位于剑桥的初创公司，专注于利用生成式人工智能开发新材料以应对气候变化。创始人包括机器学习专家Max Welling和化学家Chad Edwards，诺贝尔奖得主Geoffrey Hinton担任顾问。该公司近期获得3000万美元的种子轮融资，备受关注。

本研究提出了一种创新的晶体结构设计方案，利用最新生成方法解决新材料设计问题。研究表明，该方法在无超级计算机支持下，能够以41%和82%的准确率生成所需材料特性，具有显著的潜在影响。

本研究提出了MatterGen模型，通过新的生成过程和适配器模块，可以生成稳定多样的无机材料，并满足广泛的性质限制。成功生成了具有所需性质的稳定新材料，展示了多性质材料设计能力，提出了具有高磁密度和低供应链风险的结构物。代表了材料设计通用生成模型的重大进展。

研究人员使用FermiNet神经网络架构解决了量子力学的基本方程，为实际系统提供准确的计算能力。这项工作对于理解化学键和原子能量等问题具有重要意义，并有望在计算机模拟中为新材料和化学合成提供实用性应用。研究人员希望通过开源代码和人工智能研究成果，解决基础科学问题。

汉斯·霍莱因的宣言《万物皆建筑》认为，建筑的定义已经超出了传统建筑，融合了新材料和技术，涵盖了设计环境和人类体验的各个方面。他挑战了只有某些人才能从事建筑的观念，认为每个人都是建筑师。决定人类环境的手段包括媒体、技术和药物。

谷歌DeepMind AI和A-Lab机器人合作，通过训练人工智能预测新材料特性。AI生成了220万种化学结构，其中38万种预测稳定。A-Lab机器人使用机械臂成功合成了41种新材料。这项研究开辟了应对全球挑战的新领域。下一步是添加化学和物理特性，合成更多材料进行测试。

本研究提出了MatterGen模型，通过引入新的扩散式生成过程和适配器模块，可以生成各类稳定多样的无机材料，并可以通过微调以满足广泛的性质限制。该模型生成的结构物相较于先前的生成模型是新奇且稳定的，同时与局部能量最小值相比接近15倍。经过微调后，MatterGen成功地生成了具有所需化学、对称性、机械、电子和磁性性质的稳定新材料。本研究还展示了多性质材料设计能力，提出了具有高磁密度和低供应链风险的结构物。