超越材料科学中的原子几何表示： 一个人机交互的多模态框架-计算机科学-大语言模型-视觉语言模型-材料科学.pdf

超越材料科学中的原子几何表示：

一个人机交互的多模态框架

11234

CanPolatErchinSerpedinMustafaKurbanHasanKurban

AbstractMultiCrystalSpectrumSet获得。

大多数材料科学数据集仅限于原子几何

结构（例如，XYZ文件），限制了它们1.介绍

在多模态学习和全面的数据中心分析中

材料科学推动了能源存储、催化和微电子领域的创

的实用性。这些约束历来阻碍了该领域

本采用先进的机器学习技术。本研究介绍新，然而，由于将原子几何结构映射到材料功能的挑

译了多晶谱集合（MCS-Set），一个通过整战，进展仍然受到限制(Shenetal.,2022;Choudhary

etal.,2022;Huangetal.,2024;Jaafrehetal.,2022)。

中合原子结构与二维投影和结构化文本注

虽然从头计算方法如密度泛函理论（DFT）能够提

2释（包括晶格参数和配位度量）来扩展

v供基态性质的准确预测，但它们的表现高度依赖于

2材料数据集的策划框架。MCS-Set使两

0高质量的初始结构和对构型景观的详尽采样——这

个关键任务成为可能：(1)多模态属性和

3些约束条件随着系统复杂性的增加而变得越来越不

0摘要预测，以及(2)在部分聚类监督下

0适用(Orioetal.,2009;Cohenetal.,2012)。半经验

.的受约束晶体生成。利用人机交互管道，

6替代方法如密度泛函紧束缚（DFTB）减少了计算

0MCS-Set结合了领域专业知识与标准化

5成本，但仍需要大量的几何优化，维持了一个阻碍

2描述符以实现高质量注释。使用最先进的高通量发现的“结构瓶颈”(Hourahineetal.,2007)。

:语言和视觉语言模型的评估揭示了显著的

v

i模式特定性能差距，并突显了注释质量对近期的机器学习进展引入了数据驱动的代理模型，

x

r泛化的重要性。MCS-Set为多模态模型包括图神经网络（GNNs）、扩散模型和大型语言模型

a

的基准测试、促进标注实践的发展以及（LLMs），用于预测能量或合成合理的晶体构型(Xie

推广可访问且多功能的材料科学数据集etal.,2021;Jiaoetal.,2023;Antunesetal.,2024;

提供了基础。该数据集和实现可在https:Lietal.,2024;Hessmannetal.,2025)。这