本研究构建了元素属性知识图谱，提出了多模态融合框架ESNet，将元素属性与晶体结构结合，从而提高了晶体材料性能预测的准确性和全面性。

本研究使用深度学习方法解决晶体材料原子结构分析的难题。CrystalX工具能高精度解析原子结构，识别并纠正文献错误，提高分析效率，推动实验室自动化发展。

CrystalFormer是一种基于Transformer的自回归模型，用于生成由空间群控制的晶体材料。它能准确提取出合理的固态化学信息，具有高效、新颖和稳定的性能，成为晶体材料建模和发现的基础模型。