microsoft/mattergen

Official implementation of MatterGen -- a generative model for inorganic materials design across the periodic table that can be fine-tuned to steer the generation towards a wide range of property constraints.

What it solves

MatterGen 旨在实现无机材料发现与设计的自动化。传统上，寻找具有特定所需属性（如磁密度或带隙）的新材料是一个缓慢且不断试错的过程。MatterGen 允许研究人员在整个周期表中生成量身定制以满足特定属性约束的新型晶体结构。

How it works

MatterGen 是一种生成式扩散模型。它可以通过两种主要方式使用：

  1. Unconditional Generation: 模型从预训练的基础模型中进行采样，以在没有特定约束的情况下创建新材料。

  2. Property-Conditioned Generation: 通过微调基础模型，可以引导模型生成符合目标属性的材料，例如磁密度、体积模量或特定的化学系统。

它使用 classifier-free diffusion guidance 来平衡对目标属性的遵循程度与生成样本的多样性与真实性。

Who it’s for

该工具主要面向材料科学家、化学家和计算物理学家，他们需要设计具有特定物理或化学属性的新型无机晶体。

Highlights

  • Multi-Property Conditioning: 同时根据一个或 más 目标属性生成材料的能力（例如，结合化学系统和 energy above hull）。
  • Pre-trained Models: 提供针对各种属性的多个 checkpoint，包括带隙、磁密度和空间群。
  • Integrated Evaluation: 包含用于评估生成结构的稳定性、新颖性和独特性的工具，并使用 MatterSim 等机器学习力场。
  • Flexible Training: 支持从 MP-20 等数据集开始从头开始训练，以及通过 adapter 进行针对特定属性的微调。