本研究提出了一种名为DAO的西亚梅斯基础模型框架，专用于晶体结构预测（CSP）。实验结果表明，该框架在生成多样化晶体结构和准确预测关键温度方面显著优于现有方法，展现出在材料科学研究中的潜力。

本研究开发了CrySPAI软件，结合人工智能、进化优化算法、密度泛函理论和深度神经网络，显著提升了无机材料稳定晶体结构预测的效率和准确性。

本文提出了一种替代的数据驱动晶体结构预测方法，通过建立基于现有晶体结构数据库的晶体形成能量的代理模型，并对其参数进行优化。该方法在晶体结构的非欧几里得空间中进行优化，成功率与最佳现有方法相当，计算成本大幅度减少。