@askalphaxiv: "原子语言模型理解并生成材料" 大多数材料AI仍然将晶体和语言分开处理…
摘要
本文介绍了一种原子语言模型,它集成了3D原子编码器、Qwen大语言模型和扩散晶体生成器,原生处理多模态材料数据,实现了最先进的晶体结构预测和从头生成。
"原子语言模型理解并生成材料"
大多数材料AI仍然将晶体和语言分开处理,要么将原子转换为有损文本格式,要么让大语言模型调用原子工具。
本文通过连续潜在投影器连接3D原子编码器、Qwen大语言模型和扩散晶体生成器,使材料数据原生支持多模态。
该模型可以读取原子坐标、预测属性、根据文本编辑晶体以及生成稳定的新材料,实现了最先进的晶体结构预测和强大的从头生成。
查看缓存全文
缓存时间: 2026/06/24 18:28
原子级语言模型理解与生成材料
大多数材料AI仍然将晶体和语言分开处理,要么将原子转化为有损的文本格式,要么让LLM调用原子级工具。
本文通过连续潜在投影器连接3D原子编码器、Qwen LLM和扩散晶体生成器,使材料本质上是多模态的。
该模型能够读取原子坐标、预测性质、根据文本编辑晶体以及生成稳定的新材料,在晶体结构预测方面达到最先进水平,并具备强大的从头生成能力。
相似文章
@xbresson: 如何用AI设计材料?很高兴与@liu…合作推出Crys-JEPA这一新生成技术。
Crys-JEPA 引入了一种用于晶体的联合嵌入预测架构,该架构学习了一个能量感知的潜在空间,在从头晶体发现方面实现了稳定性和新颖性的显著提升。
LapidaryEngine:全对话式晶体生成
LapidaryEngine是一种新型AI模型,能够通过自由形式的自然语言实现全对话式晶体材料生成。它采用一种枢纽表示法进行双向翻译和迭代优化。通过支持直观的类对话交互,该模型优于现有的文本到晶体系统。
基于Miller指数的潜变量晶体学断裂面推理与视觉-语言模型
本文研究多模态大语言模型(MLLMs)是否能够利用Miller指数作为潜变量表示,从视觉输入推理晶体学断裂几何,评估其推断物理有效平面假设的能力,并判断该表示在陶瓷、玻璃、金属和混凝土等材料中的适用性。
将语言模型与基于物理的模拟相结合用于无机材料的合成
提出了一种混合框架,将大型语言模型与热力学数据库及简化的动力学模型相结合,用于无机合成规划,并以铌-氧系统作为案例研究。
CrystalReasoner: 面向属性条件晶体结构生成的推理与强化学习
CrystalReasoner 是一个大型语言模型(LLM)框架,通过将物理先验作为思考令牌并使用强化学习,从自然语言生成晶体结构,确保有效性、稳定性和属性条件生成。