跳到主要内容
返回时间线
arXiv来源发表:

晶体序列不再按坐标排:改用周期图拓扑排序,同尺寸模型单次结构预测匹配率从56.10%升到61.92%

核心概要

晶体生成模型把三维周期结构写成一维序列,但按实空间坐标排序时,微小几何扰动就会改变原子顺序,让模型学到与结构连接无关的变异。CGTransformer 改用周期商图拓扑引导排序,把元素、对称性与图嵌入坐标组合成序列。在 MP-20 上,同一 86M 模型把单次结构预测匹配率从坐标排序的 56.10% 提高到 61.92%,并在 3.0–3.5 eV 宽带隙半导体的条件生成中提高了稳定、独特、新颖候选的比例。

Source-provided article image: CGTransformer: A Topology-Aware Autoregressive Framework for Crystal Generation and Inverse Design
arXiv

深度剖析

晶体自回归生成的关键变量不只是模型结构,还包括把周期晶体写成一维序列的顺序;CGTransformer 把这一顺序改为由周期图拓扑决定。 此前的 ESP 类方法按原子序数、Wyckoff 位置和分数坐标的字典序排列原子,坐标的微小变化就可能改变序列。 在 MP-20 上固定 86M 模型容量,把分数坐标 ESP 排序换成 ESG 排序,单次结构预测匹配率由 56.10% 升至 61.92%,20 次采样匹配率由 72.64% 升至 75.40%。

排序由周期商图上的广度优先搜索深度决定,同深度原子再用图嵌入坐标打破平局,因此顺序跟随连接关系而不是实空间坐标。 商图把无限周期网络折叠成有限图并保留连接性,图嵌入把每个节点放在其邻居的重心位置。 在 MP-20 的结构原型聚类中,严格聚类下原型 6 的 ESG 序列变体为 78 个、ESP 为 264 个,原型 2 为 226 对 486;松散聚类下原型 10 为 1,092 对 1,475。

同一套拓扑排序也用于带隙条件生成,模型在预训练后以 LoRA 微调,把带隙区间作为条件 token 前置到序列。 训练数据明显偏向小带隙与金属化合物,条件微调需要把生成分布推向目标区间。 在 3.0–3.5 eV 约束下各生成 1,000 个候选,ESG 的 S.U.N. 率为 16.5%、ESP 为 12.9%,DFT 收敛候选中的目标窗口命中为 30/154 对 17/120,带隙 RMSE 为 1.49 对 1.67。

启示与展望

评估覆盖 MP-20、MPTS-52 与 Alex-MP-20 三个数据集上的无条件生成、成分条件结构预测和 3.0–3.5 eV 宽带隙半导体的性质条件生成;条件生成的候选经 MatterSim 弛豫筛选后用静态与非自洽 DFT 验证带隙,未做 DFT 几何弛豫。

ESG 依赖所采用的图构建规则:在 O'Keeffe Voronoi 连接约定下,几何匹配归为同一原型的结构仍可能因推断连接不同而得到不同序列,因此其确定性是相对于指定图构建与起始节点协议而言;原型分析中少数严格聚类也出现 ESG 变体多于 ESP 的反向情况。