microsoft/mattergen

解决的问题

MatterGen 解决了设计具有特定期望性能的新无机材料的挑战。与依赖试错或有限搜索空间不同，它能够生成周期表范围内满足特定性能约束的新晶体结构。

工作原理

MatterGen 是一种生成式扩散模型。它可以在无条件模式下使用，从基于大规模数据集（如 MP-20）训练的基模型中采样新材料。它还可以通过适配器进行微调，转变为属性条件模型。这使得用户可以指定目标属性（如磁密度、带隙或体模量），并引导生成过程以产生表现出这些特性的材料。该项目还与 MatterSim（一种机器学习力场）集成，用于松弛生成的结构，并评估其稳定性、新颖性和唯一性。

适用人群

该工具专为需要发现和设计具有特定物理或化学性质的无机晶体的材料科学家、化学家和计算研究人员设计。

主要亮点

• 属性条件生成：能够基于一个或多个目标属性（例如化学体系和能量高于布里渊区）生成材料。
• 灵活的微调：支持对基模型进行微调，以引导生成过程满足特定约束。
• 集成评估：包含工具，利用机器学习力场评估生成材料的稳定性、新颖性和唯一性。
• 晶体结构预测：支持专门模式，基于特定化学式生成结构。