生成式人工智能的核心技術(shù)是生成模型。生成模型能夠?qū)W習(xí)數(shù)據(jù)背后的概率分布，并通過采樣生成新穎而自然的樣本。若能為無機(jī)晶體構(gòu)建合適的生成模型，將有望為材料發(fā)現(xiàn)與設(shè)計(jì)帶來變革。然而，晶體材料作為特殊的數(shù)據(jù)模態(tài)，天然蘊(yùn)含著對(duì)稱性先驗(yàn)，因此無法直接照搬語言或圖像領(lǐng)域的方案。自然界偏好對(duì)稱的結(jié)構(gòu)，這種偏好由空間群對(duì)稱性嚴(yán)格刻畫。事實(shí)上，自然界準(zhǔn)備了兩張“表”——化學(xué)元素周期表和空間群的Wyckoff位置表。要構(gòu)建某種晶體，只需從元素周期表中選擇原子，并依次放置在Wyckoff位置上。由此，晶體呈現(xiàn)出“意料之外、情理之中”的序列化表示。

　　近期，中國科學(xué)院物理研究所/北京凝聚態(tài)物理國家研究中心與吉林大學(xué)合作，開發(fā)出基于空間群對(duì)稱性設(shè)計(jì)的自回歸晶體生成模型CrystalFormer。CrystalFormer的核心思想是，通過對(duì)晶體數(shù)據(jù)庫的學(xué)習(xí)，壓縮內(nèi)化固體化學(xué)規(guī)律，并以序列化方式生成晶體的Wyckoff占位與晶格參數(shù)，從而構(gòu)造新的晶體結(jié)構(gòu)。CrystalFormer以神經(jīng)網(wǎng)絡(luò)參數(shù)表達(dá)固體化學(xué)知識(shí)，以網(wǎng)絡(luò)激活體現(xiàn)材料空間中的聯(lián)想能力，并以概率模型的似然函數(shù)承載化學(xué)直覺，探索那些“自然界可能存在、但尚未被發(fā)現(xiàn)”的晶體材料。

　　CrystalFormer是專門講述晶體原生對(duì)稱性語言的生成模型。CrystalFormer不依賴于勢(shì)能面優(yōu)化，而是直接在對(duì)稱性約束下“猜測(cè)”合理的晶體結(jié)構(gòu)，因此CrystalFormer不同于機(jī)器學(xué)習(xí)力場(chǎng)。在實(shí)際應(yīng)用中，CrystalFormer既可以無約束地探索整個(gè)材料空間，也可以針對(duì)性地產(chǎn)生具有特定結(jié)構(gòu)特征的晶體材料。同時(shí)，通過與性質(zhì)預(yù)測(cè)模型即插即用式的結(jié)合，CrystalFormer能夠?qū)崿F(xiàn)基于貝葉斯公式的材料反向設(shè)計(jì)。

　　CrystalFormer將晶體材料中的數(shù)學(xué)對(duì)稱性與化學(xué)直覺統(tǒng)一在簡(jiǎn)潔、通用且靈活的生成模型框架中，為未來的晶體材料設(shè)計(jì)與發(fā)現(xiàn)提供了適配性工具。

　　相關(guān)研究成果發(fā)表在《科學(xué)通報(bào)》（Science Bulletin）上。研究工作得到國家自然科學(xué)基金和中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)等的支持。

融合空間群對(duì)稱性的晶體生成模型