今天，只要拥有足够大的人工智能模型，就能在几分钟内生成数百万种新材料的设计。然而，这并未显著提升用于芯片、火箭等产品的实际材料数量。主要原因是现有模型难以可靠地考虑材料的化学稳定性，导致大量生成的材料在实际应用中不可用，行业必须投入巨大的计算资源筛选出少量稳定材料。
MIT研究团队提出了一种在材料生成前即约束化学规则的框架，显著提升了稳定材料的比例，同时还能实现目标性能。该框架名为“晶体生成器‑价电子约束设计”（CrysVCD），核心思想是让每个设计在进入昂贵的生成步骤前，都满足原子价电子层的关键化学规则。
在《Nature Computational Science》发表的论文中，研究者展示了CrysVCD使常用材料模型更频繁地遵守价层规则，并在近70%的计算生成中通过了严格的晶格动力学稳定性测试。该方法还能定向生成高热导率或高介电常数等特定性能的材料，对半导体和数据中心冷却尤为重要。
研究团队将语言模型与扩散模型相结合：第一阶段，语言模型输出化学上有效的配方；第二阶段，扩散模型依据配方生成对应的晶体原子结构。相比传统的约千步扩散过程，加入前置语言约束后仅需约五步即可完成，大幅降低了不稳定材料的产生。
实验表明，CrysVCD在稳定性指标上比后置筛选方法高出一个数量级，机械稳定率达到68%，亚稳率达到85%。在此基础上，团队成功生成了具备高热导率和易极化特性的材料候选，满足半导体行业和数据中心的散热需求。
该方法最适用于内部结构高度有序的固体晶体，虽不适用于所有材料类型，但能够在保持性能的前提下大幅提升稳定材料的产出比例。研究者指出，这将帮助大型材料库和资源有限的科研团队在降低计算成本的同时，加速新材料的研发。
本研究得到美国能源部、Mathworks工程奖学金、国家科学基金会以及美国防务威胁削减局的资助。
点评