OxiGen: Oxidation-State-Aware Crystal Generation
OxiGen 是一种新型的氧化态感知晶体扩散模型，它通过一个结构化输出层显式地结合了氧化态并强制执行全局电中性，从而与现有方法相比，显著提高了生成稳定、独特且在实验上可实现的无机材料的能力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
寻找新材料是现代技术的根本引擎，驱动着更优质的电池、更高效的太阳能电池板以及更强大的催化剂的发展。几十年来，科学家们一直依赖于试错法或对现有数据库进行缓慢的筛选来寻找这些物质。最近，人工智能提供了一条更快的路径：生成式模型不再仅仅是搜索已有的物质，而是可以从零开始构想全新的晶体结构，这一过程被称为“逆向设计”。然而，其中存在一个问题。虽然这些计算机程序非常擅长创造看起来像晶体的形状，但它们往往无法创造出能在实验室中实际存在的晶体。问题的核心在于支配原子如何结合在一起的那些无形的化学规则。具体而言，晶体中的每个原子都带有特定的电荷，即氧化态。对于一个稳定且真实的晶体来说，所有这些电荷的总和必须完美地平衡为零。如果电荷无法相互抵消，那么无论其结构在屏幕上看起来多么精美，这种材料在化学上都是不可能存在的。
伦敦帝国理工学院的一个研究小组开发了一种名为 OxiGen 的新型人工智能系统，旨在解决这一特定问题。以往用于晶体生成的 AI 模型仅将原子视为元素的类型（如碳或氧），并且仅在最后才事后检查最终结果是否平衡了电荷。这种方法经常导致 AI 创造出需要极其罕见或不可能的电荷组合才能运作的材料，从而使其在实际应用中变得毫无用处。OxiGen 通过教导 AI 在构建晶体时同时考虑每个原子的电荷，从而改变了这一点。该模型不再是先猜测元素然后再修正电荷，而是在晶体的每个位置生成一个特定的“物种”（species），其中包含了该元素及其精确的电荷。这确保了 AI 始终能够意识到它需要维持的电荷平衡。
为了确保电荷之和始终为零，研究人员在 AI 的决策过程中内置了一个特殊的数学过滤器。想象一下，AI 正在用不同的原子填充一排长槽。在放置每一个原子时，它都会记录一个累积电荷总数。这个新系统使用一种结构化的方法来检查它接下来可能选择的所有原子组合，确保在它做出最终选择之前，最终的总和将始终为零。这不是随机猜测，而是一种精确的计算，保证了最终结果在化学上是有效的。研究人员使用一个包含已知晶体结构的庞大数据库，将该系统与几种其他领先的 AI 模型进行了对比测试。他们发现，OxiGen 在创造符合现实世界电荷分布模式的晶体方面表现得远优于其他模型。其他模型经常产生需要罕见、不太可能的电荷状态才能实现平衡的材料，而 OxiGen 则能持续生成自然界中常见的、稳定的电荷组合晶体。
结果显示，OxiGen 不仅能产生化学有效的材料，而且整体质量更高。当研究团队要求 AI 生成数千种新晶体时，与其他测试方法相比，OxiGen 创造出了更高比例的稳定、独特且真正具有新颖性的结构。即使当研究人员要求 AI 设计具有特定属性（例如特定的导电能力或特定的颜色）的晶体时，OxiGen 仍能保持其高度的化学有效性。其他模型在试图达成这些特定目标时，往往会破坏化学规则，创造出不可能存在的材料。然而，OxiGen 始终立足于化学现实。这项研究表明，通过明确教授人工智能关于电荷平衡的基本规则，研究人员可以引导这些强大的工具去发现那些不仅在数学上有趣，而且在实验室中真正可实现的材料。这种方法为加速发现下一代可持续技术提供了充满希望的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。