如今，任何拥有足够大规模人工智能模型的人，都可以在几分钟内生成数百万种新材料设计方案。然而遗憾的是，这并未带来实际应用于芯片、火箭等产品的新材料数量的大幅增长。
造成这一落差的原因之一，在于现有模型无法可靠地评估所生成材料的化学稳定性，而不稳定的材料在实际应用中几乎毫无价值。这迫使企业投入大量计算资源来筛除不稳定材料，有时最终可用的方案寥寥无几。
麻省理工学院（MIT）的研究人员现已开发出一种框架，可在材料生成流程的起始阶段介入，大幅提升材料稳定率，同时实现目标材料属性。该框架的核心原理，是在高成本的生成步骤开始之前，确保每个设计方案满足与原子外层电子相关的关键化学规则。研究团队将这一方法命名为"基于化合价约束设计的晶体生成器"，简称CrysVCD。
相关论文已于今日发表在《自然·计算科学》期刊上。研究人员在论文中展示了CrysVCD如何帮助多种主流材料模型更频繁地满足化合价壳层规则，并在近70%的计算材料生成过程中实现了高晶格动力学稳定性——这是一项严苛的稳定性测试。此外，该方法还能支持生成具备特定目标性能的材料，例如高热导率或高介电常数，这对于芯片和数据中心领域尤为重要。
研究团队对这一系统的定位，在其名称中便有所体现。
"如果材料生成模型是DVD光盘，那我们就是DVD播放机，"核科学与工程学副教授Mingda Li说道，"你可以将它接入任何类型的模型，不仅是现有的扩散模型，也包括未来那些难以生成足够稳定材料的模型，它都能提升稳定性。"
论文的其他共同作者包括：MIT材料科学与工程系博士生Mouyang Cheng（SM '26）、化学系博士生Weiliang Luo、材料科学与工程系应届博士毕业生Hao Tang（PhD '26）、物理系高年级本科生Bowen Yu、橡树岭国家实验室研究员Yongqiang Cheng、密歇根州立大学副教授Weiwei Xie、MIT Carl Richard Soderberg工程动力学教授Ju Li，以及MIT化学工程Lammot du Pont教授Heather Kulik。
更高效的材料设计
计算辅助材料设计已有数十年历史，但近年来人工智能的突破性进展，极大地提升了业界对其潜力的期待。尤其引人关注的是那些能够以目标材料属性为起点、反向推导出符合要求的材料方案的模型。
部分模型采用扩散这一常见于图像生成的AI技术，另一些则借助支撑ChatGPT和Claude等产品的大语言模型，但这两类方法都难以稳定保障生成材料的化学稳定性，或遵循化学相互作用的基本原理。
目前的解决方案是在生成流程之后叠加一层计算步骤，用于过滤掉不稳定的材料。
"生成材料结构已经变得相对容易，"Cheng说，"但验证环节，尤其是稳定性测试部分，计算成本极高。在整个可用材料的生产过程中，这一环节大约占据90%的计算成本，有时需要耗费数周乃至数月时间。"
拥有庞大算力预算的大型企业或许还能承担这些开销，但众多小型公司和科研机构则力不从心，这在一定程度上制约了该领域的创新活力。
"在资源相对有限的学术界，我认为我们依然可以通过更智慧的设计和其他手段实现出色的成果，"Kulik表示，"先生成模型再筛选稳定材料的方式效率低下，计算成本高昂。但如果我们在生成流程的起始阶段引入语言模型对生成内容加以约束，就能显著提升稳定材料的生成比例。"
本研究由MIT材料科学与工程、化学、化学工程、物理及核科学与工程等多个院系的研究人员合作完成。团队将AI扩散模型与语言模型相结合：第一阶段，语言模型生成化学上合理的分子式；第二阶段，扩散模型以该分子式为基础，结合底层材料生成模型，生成对应的晶体材料原子结构。
"典型材料生成的扩散过程相当耗时——你可以把它理解为生成一种材料需要1000个步骤，"Luo说。
"相比之下，使用我们的模型介入初始阶段，大概只需要五个步骤。它让你在生成阶段就能筛除不稳定材料，从而产出更高质量的结果，而且适配任何材料生成模型，"Tang补充道。
研究人员的测试结果表明，与生成后再筛选的传统方式相比，该方法生成稳定材料的效率高出近一个数量级。在针对稳定性指标进行微调后，该方法生成的晶体材料实现了68%的力学稳定性和85%的亚稳定性——后者衡量的是材料在不受外界干扰时保持稳定状态的能力。
研究团队随后利用该方法生成了具备高热导率和易极化特性的材料候选方案。
"这些材料对半导体行业和数据中心冷却具有重要价值，"Ju Li说，"理论上，这种方法也可以用于生成具备其他特定性能的材料，但热导率目前已成为数据中心冷却的关键需求。该行业的能耗急剧攀升，其中30%用于散热。行业迫切需要高热导率材料，以便更高效地散热。"
让材料设计走向普惠
这一新方法并非万能——它最适用于内部排列高度有序的固态结构。尽管如此，该方法仍可用于生成具备多种重要性能的稳定新型晶体材料。
"我们不仅仅是在生成稳定的材料，还在同步追求高性能，"Cheng说，"在这个领域，同时实现两个目标且成功率超过50%本身就极具挑战性。过去，研究人员可能只专注于特定性能而忽视稳定性，或者反之，最终能满足要求的材料往往只有个位数的百分比。"
从长远来看，这一方法将让更多研究人员有能力为下一代技术应用开发新型材料。
"这将省去下游筛选环节，大幅节约计算成本和时间，"Li说，"无论是需要生成数以亿计材料的大型项目，还是专注于特定应用的小型科研团队，都将从中受益。"
本研究部分获得美国能源部、MathWorks工程奖学金、美国国家科学基金会以及美国国防威胁降低局的资助。
Q&A
Q1：CrysVCD框架是什么？它解决了材料设计中的什么问题？
A：CrysVCD是由MIT研究人员开发的晶体材料生成框架，全称为"基于化合价约束设计的晶体生成器"。它解决的核心问题是：现有AI材料生成模型难以保障生成材料的化学稳定性，导致大量计算资源被浪费在事后筛选上。CrysVCD通过在生成流程起始阶段引入化学规则约束，从源头提升稳定材料的生成比例，效率比传统筛选方式高出近一个数量级。
Q2：CrysVCD生成的材料稳定性表现如何？
A：在经过稳定性指标微调后，CrysVCD在近70%的计算生成过程中实现了高晶格动力学稳定性，同时达到了68%的力学稳定性和85%的亚稳定性。相比传统方法往往只有个位数百分比的可用材料比例，这是显著的提升。研究团队还展示了该方法能够同时兼顾稳定性与高热导率、高介电常数等特定性能目标。
Q3：CrysVCD对小型科研机构有什么实际意义？
A：当前材料验证（尤其是稳定性测试）占整个材料研发计算成本的约90%，耗时可能长达数周甚至数月，只有拥有庞大算力的大型机构才能负担。CrysVCD将约束引入生成阶段前期，大幅减少了后续筛选的需求，让算力资源有限的学术机构和小型公司也能高效开发新型材料，有望推动该领域的创新更加普惠化。
