C2NP: A Benchmark for Learning Scale-Dependent Geometric Invariances in 3D Materials Generation

Resumen Técnico: C2NP Benchmark para Invarianzas Geométricas Dependientes de la Escala

Planteamiento del Problema
Los modelos generativos para la ciencia de materiales han demostrado un fuerte rendimiento en cristales masivos periódicos, donde las estructuras están definidas por una simetría de traslación infinita codificada en celdas unitarias. Sin embargo, su capacidad para generalizar a través de transiciones de escala hacia nanoestructuras finitas permanece en gran medida sin probar. Las nanopartículas carecen de periodicidad traslacional; en su lugar, están dominadas por facetas superficiales, sitios de bordes y números de coordinación reducidos que inducen relajaciones estructurales y efectos de tamaño cuántico. Los benchmarks y conjuntos de datos actuales (por ejemplo, Materials Project, CSPBench) se centran principalmente en fases masivas o láminas superficiales, fallando al no emparejar sistemáticamente celdas unitarias periódicas con configuraciones de nanopartículas con resolución de tamaño. En consecuencia, no está claro si los modelos existentes aprenden principios físicos escalables que gobiernan la transición de redes infinitas a cúmulos finitos o si simplemente memorizan correlaciones dentro de distribuciones de entrenamiento estrechas.

Metodología
Los autores presentan C2NP (Crystal-to-Nanoparticle), un benchmark sistemático diseñado para evaluar modelos generativos en transformaciones estructurales bidireccionales entre celdas unitarias infinitas y nanopartículas finitas.

• Construcción del Conjunto de Datos: El benchmark utiliza un subconjunto estructuralmente consistente de hidruros de perovskita, una familia de materiales relevante para el almacenamiento de energía y la catálisis. Partiendo de celdas unitarias cristalográficas optimizadas mediante DFT, los autores construyen superceldas de $20 \times 20 \times 20$. Las nanopartículas finitas se generan mediante un tallado esférico determinista (truncamiento) a radios $R \in \{6, \dots, 30\}$ Å. Este proceso genera más de 170,000 configuraciones de nanopartículas sin relajación estructural adicional, aislando los efectos de tamaño geométrico.
• Partición de Datos: Para asegurar una evaluación rigurosa de la generalización, el conjunto de datos se particiona según el tamaño de la partícula y la orientación:
  • Divisiones de Tamaño: Los datos de entrenamiento cubren radios intermedios. Las pruebas de distribución interna (ID) utilizan radios de rango medio, mientras que las pruebas de fuera de distribución (OOD) se dirigen a tamaños extremos ($R=6, 7, 29, 30$ Å) donde las relaciones superficie-volumen son más altas.
  • Aumento de Orientación: El aumento rotacional se aplica sobre $SO(3)$ utilizando cuaterniones unitarios. Un algoritmo voraz asegura la separación geodésica entre los conjuntos de entrenamiento, ID y OOD, evitando el solapamiento de distribuciones y el sesgo direccional.
• Tareas del Benchmark: C2NP define dos tareas complementarias:
  1. Generación Directa (Celda Unitaria $\to$ Nanopartícula): Dada una celda unitaria y un radio objetivo, el modelo debe generar una nanopartícula finita que preserve el orden periódico subyacente mientras captura correctamente la truncación superficial.
  2. Reconstrucción Inversa (Nanopartícula $\to$ Celda Unitaria): Dada una configuración de nanopartícula finita, el modelo debe inferir los parámetros de red masiva y la simetría del grupo espacial, a pesar del desorden superficial y la ruptura de la periodicidad.
• Métricas de Evaluación: El rendimiento se evalúa mediante métricas robustas y normalizadas. Para la generación, las métricas incluyen RMSD, distancia de Hausdorff, error de volumen del casco convexo y error de la función de distribución radial (RDF). Para las tareas inversas, las métricas incluyen el RMSE de los parámetros de red, la precisión del grupo espacial y la precisión de recuperación conjunta (corrección simultánea de ambos).

Contribuciones Clave

1. Conjunto de Datos C2NP: Un conjunto de datos a gran escala y reproducible que empareja celdas unitarias validadas por DFT con aproximadamente 172,000 configuraciones de nanopartículas con resolución de tamaño, diseñado explícitamente para probar la generalización dependiente de la escala.
2. Marco de Evaluación Bidireccional: Un banco de pruebas unificado para problemas tanto generativos (directos) como inversos (reconstrucción), que sondea si los modelos codifican principios estructurales escalables o dependen de la memorización de plantillas.
3. Estrategia de División Rigurosa: Un esquema de partición novedoso basado en el tamaño de la partícula y la separación de orientación geodésica que aísla estrictamente los regímenes de interpolación de los de extrapolación.
4. Perspectivas Diagnósticas: El benchmark revela que minimizar la pérdida de entrenamiento es un mal indicador de la fidelidad estructural en tareas de transferencia de escala, exponiendo modos de falla fundamentales en los modelos actuales de vanguardia.

Resultos Experimentales
Los autores evaluaron varios modelos generativos de vanguardia, incluyendo CDVAE, DiffCSP, FlowMM, MatterGen-MP y ADiT.

• Tarea Directa (Generación): A pesar de lograr puntuaciones de pérdida normalizada similares (aprox. 0.61), la mayoría de los modelos (ADiT, DiffCSP, FlowMM, Mattergen) fallaron en producir nanopartículas estructuralmente significativas, exhibiendo una débil fidelidad geométrica (puntuaciones de RMSD/Hausdorff entre 0.34–0.54). En contraste, CDVAE logró una geometría casi óptima en todas las métricas estructurales (puntuaciones $\approx$ 1.00) a pesar de tener una pérdida menor, lo que sugiere que su formulación de variable latente restringe mejor la estructura global. El rendimiento de todos los modelos se degradó bajo la extrapolación de tamaño OOD, aunque CDVAE mantuvo la estabilidad.
• Tarea Inversa (Reconstrucción): Ningún método evaluado tuvo éxito en la recuperación conjunta de los parámetros de red y la simetría del grupo espacial. Si bien algunos modelos lograron una precisión moderada en el grupo espacial (aprox. 0.61–0.66), la recuperación de los parámetros de red fue débil (puntuaciones RMSE de 0.34–0.50). Crucialmente, la precisión conjunta se mantuvo fija en 0.50 para todos los métodos, lo que indica una desconexión entre la regresión continua de la red y la clasificación discreta de la simetría. El rendimiento no mejoró bajo condiciones OOD, lo que sugiere limitaciones intrínsecas en la inferencia cristalográfica más que un sobreajuste.

Significancia y Reivindicaciones
El artículo afirma que C2NP proporciona un marco controlado para diagnosticar el fallo de los modelos generativos actuales al generalizar a través de escalas físicas. Los resultados sugieren que los métodos existentes dependen fuertemente de la memorización de plantillas en lugar de aprender generalizaciones físicas escalables. Específicamente, el benchmark demuestra que:

• Una baja pérdida de entrenamiento no garantiza la generación de nanopartículas geométricamente válidas.
• Inferir el orden cristalográfico masivo a partir de configuraciones finitas y perturbadas por la superficie es un desafío riguroso y no resuelto para las arquitecturas actuales.
• Existe una brecha fundamental en la capacidad de los modelos para razonar sobre la transición entre la periodicidad infinita y el tamaño finito.

Los autores posicionan a C2NP como una base para desarrollar arquitecturas capaces de razonar sobre la escala física en la materia cristalina, con aplicaciones inmediatas en el diseño de catalizadores de nanopartículas, hidruros nanoestructurados para el almacenamiento de hidrógeno y un descubrimiento de materiales más amplio. El conjunto de datos y el código se ponen a disposición para facilitar la investigación reproducible en este dominio.