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。若能為無機晶體構(gòu)建合適的生成模型，將有望為材料發(fā)現(xiàn)與設計帶來變革。然而，晶體材料作為特殊的數(shù)據(jù)模態(tài)，天然蘊含著對稱性先驗，因此無法直接照搬語言或圖像領(lǐng)域的方案。自然界偏好對稱的結(jié)構(gòu)，這種偏好由空間群對稱性嚴格刻畫。事實上，自然界準備了兩張“表”——化學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合作，開發(fā)出基于空間群對稱性設計的自回歸晶體生成模型CrystalFormer。CrystalFormer的核心思想是，通過對晶體數(shù)據(jù)庫的學習，壓縮內(nèi)化固體化學規(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)絡參數(shù)表達固體化學知識，以網(wǎng)絡激活體現(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稱性語言的生成模型。CrystalFormer不依賴于勢能面優(yōu)化，而是直接在對稱性約束下“猜測”合理的晶體結(jié)構(gòu)，因此CrystalFormer不同于機器學習力場。在實際應用中，CrystalFormer既可以無約束地探索整個材料空間，也可以針對性地產(chǎn)生具有特定結(jié)構(gòu)特征的晶體材料。同時，通過與性質(zhì)預測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計。

CrystalFormer將晶體材料中的數(shù)學對稱性與化學直覺統(tǒng)一在簡潔、通用且靈活的生成模型框架中，為未來的晶體材料設計與發(fā)現(xiàn)提供了適配性工具。

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