CrystalFormer：融合空间群对称性的晶体生成模型 | 进展

本文介绍了中国科学院物理研究所与吉林大学合作开发的CrystalFormer模型。研究背景基于生成式人工智能在材料科学中的应用需求，传统方法难以处理晶体材料的对称性特征。研究目的是通过构建融合空间群对称性的自回归生成模型，将晶体结构表示为Wyckoff位置序列，从而学习固体化学规律生成新型晶体材料。该模型通过神经网络参数化化学知识，在对称性约束下直接生成晶体结构，支持无约束探索和针对性设计，并能结合性质预测模型实现材料反向设计。结论表明CrystalFormer为晶体材料发现提供了统一数学对称性与化学直觉的创新工具。