首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >Nat. Mater. | 结构约束驱动的生成模型:开拓量子材料新发现

Nat. Mater. | 结构约束驱动的生成模型:开拓量子材料新发现

作者头像
DrugAI
发布2026-01-06 12:49:40
发布2026-01-06 12:49:40
1450
举报
文章被收录于专栏:DrugAIDrugAI

DRUGONE

数十亿有机分子已通过计算方法生成,但由于数据有限与结构复杂,功能性无机材料的生成仍然稀缺。研究人员提出了 SCIGEN(Structural Constraint Integration in a GENerative model),该框架在扩散生成模型中强制施加几何约束(如蜂窝晶格、Kagome 晶格),以探索稳定的量子材料候选。SCIGEN 能在保持输出有效性的同时,引导结构基序生成,并生成了一千万个包含阿基米德晶格和 Lieb 晶格的无机化合物,其中超过 10% 通过了多阶段稳定性筛选。对 26,000 个候选结构的高通量密度泛函计算表明,95% 能收敛,53% 在结构优化中稳定。基于图神经网络的分类器进一步检测到 41% 的弛豫结构具有磁有序性。研究人员还合成并表征了两个预测材料 TiPdBi 与 TiPdSb,分别表现出顺磁性与抗磁性。这表明 SCIGEN 为基于晶格几何的量子材料生成提供了可扩展路径。

结构—性质关系在理解功能性量子现象中至关重要。对称性与几何模式往往直接影响材料的电子态与磁序。例如,方格晶格是高温铜氧化物超导体的母体结构,三角、蜂窝和 Kagome 晶格则可支持量子自旋液体等奇异磁态,Lieb 晶格和 Kagome 晶格还能形成平带电子态,为稀土替代材料提供可能。然而,要同时满足稳定性与目标量子特性的材料设计极具挑战性。

近年来,机器学习驱动的材料生成模型改变了材料设计格局。扩散模型和图神经网络已能生成数百万种材料,但多数方法难以引入几何模式的先验约束。研究人员提出 SCIGEN,旨在将几何约束直接整合进扩散生成过程,从而更高效地探索具备目标几何与量子特性的稳定材料。

结果

主要晶格类型的生成结果

研究人员在三类阿基米德晶格(AL)——三角、蜂窝和 Kagome 晶格上进行了生成实验。结果表明,约束原子能形成目标几何图案,而未约束原子则自发填充晶格空隙以维持整体稳定性。通过优化初始条件采样,研究人员发现原胞中原子数量与生成稳定性密切相关:三角晶格偏好较小原胞,而蜂窝与 Kagome 晶格则需要较大原胞以容纳六边形。

拓展至其他几何模式

除了常见的三角、蜂窝和 Kagome 晶格,SCIGEN 还能生成其他阿基米德晶格,如方形、截角方形、截角六边形等。虽然部分晶格类型生成稳定性较低,但未约束原子在填补空隙时经常自组织为可识别的阿基米德模式,进一步增强了材料的力学与热稳定性。

Lieb 晶格材料的生成

Lieb 晶格是一种特殊方格变体,能支持平带与潜在的高温超导。研究人员利用 SCIGEN 成功生成了具有 Lieb 模式的材料,并通过自适应“解屏蔽”策略在保留整体拓扑的同时,允许局部原子位置灵活调整以保证化学合理性。部分生成的氧化物类似物(如 Ti–Co–Cu–O 系)展现了接近费米能级的平带特征。

材料数据库构建与稳定性验证

研究人员共生成 1006 万个候选材料,经四阶段稳定性筛选后保留 101 万个。进一步对 26,000 个候选进行 DFT 弛豫,95% 成功收敛,其中 53% 结构稳定。利用图神经网络预测发现,41% 的结构具有磁性特征。由此构建了一个大规模的几何约束材料数据库。

实验验证

为验证 SCIGEN 的预测能力,研究人员合成并测试了 TiPdBi 与 TiPdSb 两种新化合物。实验发现,它们的组分比例与对称性与预测模型略有偏差,但磁性性质与计算结果高度一致:前者为顺磁性,后者为抗磁性。这说明即使生成材料未完全理想化,SCIGEN 仍能提出具有化学合理性和研究价值的候选。

讨论

SCIGEN 在以下方面展现出显著优势:

  • 生成能力:能够在无需重新训练的情况下,将几何约束嵌入生成过程;
  • 可扩展性:覆盖多种阿基米德晶格及 Lieb 晶格,适配不同量子现象探索;
  • 可靠性:高比例候选在 DFT 弛豫后稳定,验证了方法有效性;
  • 实验价值:提供化学合理的候选材料,已在实验中得到部分验证。

局限性在于:

  • 部分晶格类型仍难以生成稳定材料;
  • 生成模型依赖 0 K 条件训练,实验中可能出现竞争相;
  • 局部缺陷与磁相互作用等复杂因素尚未纳入约束。

未来,研究人员计划扩展 SCIGEN 的约束类型,包括键型、配位数、点群与空间群等,并探索引入目标物性(如热学、电学与光学性能)的定向生成,以推动量子材料的可控设计与实际应用。

整理 | DrugOne团队

参考资料

Okabe, R., Cheng, M., Chotrattanapituk, A. et al. Structural constraint integration in a generative model for the discovery of quantum materials. Nat. Mater. (2025).

https://doi.org/10.1038/s41563-025-02355-y

内容为【DrugOne】公众号原创|转载请注明来源

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-09-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 DrugOne 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档