AI驱动的材料发现:生成式模型与晶体逆向设计进展
摘要:晶体材料的逆向设计一直是材料科学面临的重大挑战,近年来生成式人工智能技术的发展为解决这一难题带来了新的契机。本文围绕晶体表示方法与生成模型架构两大核心问题,系统综述了该领域的最新研究进展。在晶体表示方法方面,重点评述了文本符号化表示、几何图周期性编码以及像素的实验成像与计算像素化等方法,深入分析了这些方法在可逆性、不变性和对称性编码等关键技术特性上的优劣。在生成模型架构方面,按照技术演进路线,详细介绍了基于潜空间的变分自编码器和生成对抗网络、扩散或流匹配的联合生成模型,以及Transformer 自回归模型的工作原理与应用现状。最后,针对当前面临的表示方法优化、缺陷材料建模和评估标准统一等关键科学问题,本文展望了面向工业应用的未来发展方向,旨在为晶体材料智能设计提供系统性的理论参考。
