在探索新药设计与更强韧材料的过程中，科学家们长期以来一直依赖于一个基本真理：物质的性质完全取决于其原子的排列方式。几十年来，研究人员只能在这些结构构建完成后对其进行研究，或者在真空中模拟微小的、完美的晶体。近来，一波人工智能的新浪潮已开始从零开始生成这些原子结构，创造出在化学上看起来合理的分子。然而，一个主要的障碍仍然存在。目前的 AI 模型在构建大型、复杂结构时，难以对特定部分保持精确控制。它们就像是能够完美设计单个房间，却无法组装出一座摩天大楼的建筑师——因为在摩天大楼中，必须将特定的窗户放在特定的位置，否则整个建筑就会坍塌。这种局限性使得最具前景的应用——例如设计具有特定活性位点的药物分子，或工程化具有定制内部边界的金属合金——仍处于遥不可及的状态。
一组研究人员现在引入了一种组织这种数字构建过程的新方法，使得生成的物质既能规模宏大，又能实现精确控制。他们的方法被称为 Mosaic，通过在每个潜在原子被放置之前就为其分配一个永久地址来解决问题。Mosaic 不再要求 AI 在混乱的云团中去琢磨每个原子该去哪里，而是将空间划分为由固定位置组成的网格，即“槽位”（slots）。每个槽位就像一个指定的停车位，既可以保持为空，也可以容纳一个原子。如果一个原子被放置在那里，系统会记录它占据了哪个精确的槽位，以及它距离该槽位中心偏移了多少距离。这一简单的改变改变了生成过程。通过将原子锚定在特定的地址，AI 可以专注于一次填充一个微小的邻域，从而确保局部化学性质合理，同时又不丢失对整体结构的掌控。
研究人员在两种截然不同的尺度上测试了这种方法。首先，他们将其应用于类药分子的创建。在这些测试中，系统被要求构建包含多达 120 个原子的分子。如果没有这种新方法，类似的 AI 模型经常会产生破碎的结构，其中原子是断开的或在化学上是不可能的。通过使用 Mosaic，即使随着尺寸的增加，创建有效且连通分子的成功率依然保持在高水平。更重要的是，研究人员可以发出特定的指令，例如“在此处放置一个化学基团”，系统就能可靠地在正确的位置生成该特征，同时保持分子其余部分的完整性。该系统通过将分子骨架的生成与原子的放置视为一个协调的、循序渐进的过程，而非一次性的混乱飞跃，实现了这一点。
然而，这种方法的真正威力在团队将其规模扩大到现实世界材料大小时得以显现。他们使用 Mosaic 生成了镍的多晶体，这是一种广泛用于从喷气发动机到电池电极等领域的材料。这些并非微小、完美的晶体，而是由数百万个具有不同内部取向（称为晶粒）的原子组成的复杂集合体。研究人员为 AI 提供了一张描述所需晶粒形状和排列的粗略地图。随后，系统逐块构建结构，利用前一个模块生成的边界来指导下一个模块。结果是一个包含超过 110 万个原子的数字镍晶体，这一规模是以往方法无法以如此高的结构连贯性来处理的。生成的材料忠实地再现了实际工程应用所需的复杂晶界和内部有序性。
这项工作表明，通过改变计算机中空间的表示方式，科学家可以克服限制生成式设计的规模限制。该方法并不依赖于特定类型的神经网络，而是可以与各种现有的 AI 骨干网络相结合，使其成为未来发现的灵活工具。研究人员展示了通过赋予原子一个固定的地址，他们可以以前所未有的精度引导物质的生成，从单个药物分子的微观尺度到百万原子金属结构的宏观尺度。这种方法预示着这样一个未来：工程师可以通过仅仅定义原子应该去往何处的地图，来设计具有定制内部架构的材料，从而根据精确的规格定制强度和柔韧性。