共计 2445 个字符，预计需要花费 7 分钟才能阅读完成。
将文本转化为图像的人工智能模型，如今正被用于生成新材料。近年来，谷歌、微软和 Meta 等公司的生成材料模型，利用其训练数据，已帮助研究人员设计了数千万种新材料。
然而，这些模型在设计具有超导性或独特磁态等奇异量子特性的材料时表现不佳。这令人遗憾，因为人类确实需要这样的帮助。例如，经过十年对一类可能彻底改变量子计算的材料——量子自旋液体的研究，仅确定了十几种候选材料。这一瓶颈意味着可用于技术突破的基础材料更少。
- 
- 
- 
- 
- 
- 
如今，麻省理工学院的研究人员开发了一种技术，让流行的生成材料模型能够通过遵循特定设计规则来创建有潜力的量子材料。这些规则或约束引导模型生成具有独特结构的材料，从而产生量子特性。
“这些大公司的模型生成的材料以稳定性为优化目标，”麻省理工学院 1947 级职业发展教授 Mingda Li 表示，“我们的观点是，材料科学的进步通常并非如此。我们不需要 1000 万种新材料来改变世界，只需要一种真正优秀的材料。”
该方法在《自然·材料》杂志发表的一篇论文中进行了描述。研究人员应用该技术生成了数百万种候选材料，这些材料由与量子特性相关的几何晶格结构组成。从这一池子中，他们合成了两种具有奇异磁特性的实际材料。
“量子领域的研究人员非常关注这些几何约束，比如由两个重叠的倒三角形组成的 Kagome 晶格。我们创建了具有 Kagome 晶格的材料，因为这些材料可以模拟稀土元素的行为，因此具有重要的技术意义。”Li 说道。
Li 是该论文的资深作者。他在麻省理工学院的合著者包括博士生 Ryotaro Okabe、Mouyang Cheng、Abhijatmedhi Chotrattanapituk 和 Denisse Cordova Carrizales；博士后 Manasi Mandal；本科生研究员 Kiran Mak 和 Bowen Yu；访问学者 Nguyen Tuan Hung；Xiang Fu ’22, PhD ’24；以及电气工程与计算机科学教授 Tommi Jaakkola，他是计算机科学与人工智能实验室（CSAIL）和数据、系统与社会研究所的成员。其他合著者包括埃默里大学的 Yao Wang、密歇根州立大学的 Weiwei Xie、橡树岭国家实验室的 YQ Cheng 以及普林斯顿大学的 Robert Cava。
材料的特性由其结构决定，量子材料也不例外。某些原子结构比其他结构更可能产生奇异的量子特性。例如，方形晶格可以作为高温超导体的平台，而 Kagome 和 Lieb 晶格等形状则支持可用于量子计算的材料的创建。
为了帮助一类流行的生成模型——扩散模型生成符合特定几何图案的材料，研究人员开发了 SCIGEN（Structural Constraint Integration in GENerative model 的缩写）。SCIGEN 是一种计算机代码，确保扩散模型在每次迭代生成步骤中遵循用户定义的约束。通过 SCIGEN，用户可以为任何生成式 AI 扩散模型提供几何结构规则，以指导其生成材料。
AI 扩散模型的工作原理是从其训练数据集中采样，生成反映数据集中结构分布的结构。SCIGEN 会阻止不符合结构规则的生成。
为了测试 SCIGEN，研究人员将其应用于一种流行的 AI 材料生成模型 DiffCSP。他们让配备 SCIGEN 的模型生成具有独特几何图案的材料，这些图案被称为阿基米德晶格，即由不同多边形组成的二维晶格拼贴。阿基米德晶格可以引发一系列量子现象，并已成为许多研究的焦点。
“阿基米德晶格可以产生量子自旋液体和所谓的平带，这些可以模拟稀土元素的特性，而无需使用稀土元素，因此它们极其重要，”该工作的共同通讯作者 Cheng 表示。“其他阿基米德晶格材料具有大孔，可用于碳捕获和其他应用，因此这是一类特殊材料。在某些情况下，还没有已知的材料具有这种晶格，因此我认为找到第一种符合该晶格的材料将非常有趣。”
该模型生成了超过 1000 万种具有阿基米德晶格的候选材料。其中 100 万种材料通过了稳定性筛选。研究人员随后在橡树岭国家实验室的超级计算机上对 26000 种材料进行了详细模拟，以了解材料底层原子的行为。研究人员发现，41% 的结构具有磁性。
从这一子集中，研究人员在 Xie 和 Cava 的实验室合成了两种此前未被发现的化合物 TiPdBi 和 TiPbSb。后续实验表明，AI 模型的预测与实际材料的特性基本一致。
“我们希望发现具有巨大潜力的新材料，通过整合这些已知能够产生量子特性的结构，”该论文的第一作者 Okabe 表示。“我们已经知道具有特定几何图案的材料很有趣，因此从它们开始是很自然的。”
量子自旋液体可以通过实现稳定、抗错的量子比特来解锁量子计算，这些量子比特是量子操作的基础。但目前尚未确认任何量子自旋液体材料。Xie 和 Cava 认为，SCIGEN 可以加速这些材料的搜索。
“量子计算机材料和拓扑超导体的搜索正在进行，这些都与材料的几何图案相关，”Xie 说道。“但实验进展非常非常缓慢，”Cava 补充道。“许多量子自旋液体材料受到约束：它们必须处于三角形晶格或 Kagome 晶格中。如果材料满足这些约束，量子研究人员会感到兴奋；这是一个必要但不充分的条件。因此，通过生成大量这样的材料，实验人员可以立即获得数百或数千种候选材料，以加速量子计算机材料研究。”
“这项工作提出了一种新工具，利用机器学习预测哪些材料将在特定几何图案中包含特定元素，”未参与该研究的德雷塞尔大学教授 Steve May 表示。“这应该会加速以前未探索的材料在下一代电子、磁或光学技术中的应用开发。”
研究人员强调，实验仍然是评估 AI 生成材料是否能够合成以及其实际特性与模型预测相比如何的关键。未来对 SCIGEN 的研究可能会将更多设计规则整合到生成模型中，包括化学和功能约束。
“希望改变世界的人更关心材料的特性，而不是材料的稳定性和结构，”Okabe 表示。“通过我们的方法，稳定材料的比例下降，但它为生成大量有潜力的材料打开了大门。”
该工作部分得到了美国能源部、国家能源研究科学计算中心、国家科学基金会和橡树岭国家实验室的支持。
