MIT 提出 CrysVCD 框架，让 AI 生成的材料更稳定

如今，只要拥有足够大的人工智能模型，任何人都能在几分钟内生成数百万种新材料设计。遗憾的是，这并没有让用于提升计算机芯片和火箭等产品性能的新材料数量出现巨大飞跃。

这种转化差距的一个原因是，当前的模型无法可靠地将其生成材料的化学稳定性纳入考量，而不稳定的材料在现实世界中并不太有用。这迫使各行业投入巨大的计算预算，来筛选掉它们生成的所有不稳定材料，有时最终只剩下极小一部分可用选项。

如今，MIT 的研究人员开发出一个框架，可以在材料生成过程的起始阶段应用，从而大幅提高稳定性比例，同时实现目标材料特性。它的原理是在昂贵的生成步骤开始之前，确保每个设计都满足与材料原子周围电子相关的某些关键化学规则。研究人员将他们的方法称为“价态约束设计的晶体生成器，即 CrysVCD”。

在今天发表于 Nature Computational Science 的论文中，研究人员展示了 CrysVCD 如何让几种常用材料模型更频繁地满足这些价壳层规则，并用它在大约 70% 的计算材料生成中实现了高晶格动力学稳定性——一项严格的稳定性测试。他们还表明，该方法可以支持创建具有特定所需特性的材料，例如高热导率或高介电常数，这对计算机芯片和数据中心非常重要。

研究人员设想人们如何使用他们的系统，从名称中就可见一斑。

“如果材料生成模型像 DVD，那么我们就像 DVD 播放器，”核科学与工程副教授 Mingda Li 说。“你可以把它接入任何类型的模型，不仅是现有的扩散模型，也包括未来的模型；在人们无法生成足够稳定材料的地方，它可以提高稳定性。”

与 Li 共同撰写该论文的还有：Mouyang Cheng SM ’26 和 Weiliang Luo，分别是 MIT 材料科学与工程以及化学专业的博士生；Hao Tang PhD ’26，材料科学与工程专业应届毕业生；Bowen Yu，物理学专业高年级本科生；Yongqiang Cheng，橡树岭国家实验室的专职科学家；Weiwei Xie，密歇根州立大学副教授；Ju Li，MIT 电力工程 Carl Richard Soderberg 讲席教授；以及 Heather Kulik，MIT 化学工程 Lammot du Pont 讲席教授。

更高效的材料

材料设计的计算方法已经存在了几十年，但人工智能最近的进展提高了人们对其潜力的期待。尤其令人感兴趣的是那些可以从所需材料特性出发、反向推导出实现该目标的材料的模型。

其中一些模型使用一种名为扩散的 AI 技术，这种技术常用于生成图像，而另一些则使用像驱动 ChatGPT 和 Claude 那样的大语言模型， 但这两种方法都难以确保其生成的材料实现化学稳定性，或遵循关于化学物质如何相互作用和表现的基本原理。

解决方案是在生成过程之上再增加一层计算，以过滤掉不稳定的材料。

“生成材料结构正变得容易，”Cheng 说。“但验证过程，尤其是测试稳定性的部分，计算成本巨大。它大约占创建可用材料计算成本的 90%，而且可能需要数周或数月。”

拥有庞大计算预算的大公司能够承担这些流程，但许多小公司和研究实验室无法做到，这可能限制该领域的创新。

“在学术界，我们的资源较少，但我认为我们仍然可以通过更智能的设计和其他方法实现强大的性能，”Kulik 解释道。“生成一个模型然后筛选稳定性是低效的。计算成本很高。但如果我们在流程开始处放置一个语言模型来约束生成，就可以显著提高生成稳定材料的比例。”

这项新研究涉及麻省理工学院材料科学与工程系、化学系、化学工程系、物理系以及核科学与工程系的研究人员。研究人员将 AI 扩散模型与语言模型相结合。在他们流程的第一阶段，语言模型生成化学上有效的分子式。在第二阶段，扩散模型使用该分子式，与底层材料生成模型协同生成晶体材料对应的原子结构。

“典型材料生成的扩散是一个缓慢的过程——你可以把它想象成创建一种材料需要 1,000 步，”Luo 说。

“相比之下，当我们的模型在开始时使用时，你可以把它想象成五步。它允许你筛选出不稳定的材料，从而生成更高质量的材料。而且它适用于任何生成材料的模型，”Tang 补充道。

研究人员表明，他们的方法生成更稳定材料的效率比依赖生成后筛选材料的方法高一个数量级。当根据稳定性指标进行微调时，他们的方法产生的晶体材料实现了 68% 的机械稳定性和 85% 的亚稳定性，亚稳定性衡量的是材料在不受干扰时是否保持稳定状态。

随后，研究人员使用他们的方法生成了具有高热导率和在电场中易于极化的候选材料。

“这些材料对半导体行业有用，而高热导率材料与数据中心冷却相关，”Ju Li 说。“原则上，你也可以用这种方法来创造其他特性，但热导率对于冷却数据中心已经变得非常重要。该行业的能源使用量大幅增加，其中 30% 的能源用于冷却。该行业需要具有高热导率的材料来更有效地散热。”

让材料设计大众化

这种新方法并非适用于所有类型的材料——它最适合内部排列高度有序的固体结构。尽管如此，该方法仍可用于生成具有一系列重要特性的稳定新型晶体材料。

“我们不仅在生成稳定的材料，也在优先考虑性能，”Cheng 说。“任何时候你有两个目标，在这个领域里以超过 50% 的比例同时实现这两个目标都是很难的。过去，人们可能只针对特定性能而不考虑稳定性，或者反过来，最终只有个位数百分比的材料符合他们的目标。”

最终，这种方法将使更多研究人员能够为一系列下一代应用开发新型材料。

“这将通过消除下游筛选需求，节省大量计算成本和时间，”Li 说。“这不仅有助于生成数亿种材料的大型项目，也有助于有针对性应用的小型研究团队。”

这项工作部分得到了美国能源部、Mathworks 工程奖学金、美国国家科学基金会和美国国防威胁降低局的支持。