微软登上 Nature：开源生成式材料设计模型 MatterGen

MatterGen 是微软开源的材料生成扩散模型，能让你像输入文本提示词画图一样，直接根据化学成分、对称性、力学强度或电磁特性等指标，从头生成此前未知的无机晶体材料结构。

过去找新材料主要靠两招：要么在实验室里凭经验反复试错，要么在已知材料数据库里做高通量计算筛选。后者的致命硬伤在于，数据库里有的结构是有限的，筛选很快就会见顶。MatterGen 跳过了筛选，直接去探索未知的材料空间。

怎么做到的

图像扩散模型是从杂乱的噪点像素一步步去噪生成图片，MatterGen 也是类似的逻辑，但它作用在材料的三维几何空间上。

它从一个完全随机的初始结构出发，同时调整原子的空间三维坐标、元素种类以及周期性晶格参数。因为晶体结构具有严格的空间对称性和周期性，模型架构专门为此做了适配，而不是把通用图像模型生搬硬套过来。

基础模型基于 Materials Project 和 Alexandria 两个数据库中 60.8 万个稳定材料数据训练而成。微软还用带标注的数据进行了微调，让它能接收各种性能约束，比如指定杨氏模量、磁性或导电要求。

在生成抗压能力极强的高体积模量材料（大于 400 GPa）测试中，传统数据库筛选很快就无材料可选，而 MatterGen 可以源源不断地生成满足条件的新晶体候选。

为了解决晶体合成中常见的「组分无序」问题，团队还自研了一套结构匹配算法。真实材料里不同原子经常随机互换晶格位置，以前的算法会把这种微小置换误判为全新结构，新算法能准确判断它们是否本质上是同一种无序结构。

走出电脑，进入实验室合成

光在算力上跑通还不够，AI 设计的材料到底能不能在现实里烧出来，才是硬指标。

微软联手中科院深圳先进技术研究院李文杰教授团队，挑了一个设计目标为体积模量 200 GPa 的全新氧化物候选结构。团队在实验室里成功合成了这种此前不存在的材料——TaCr2O6。

X 射线等表征显示，合成出的实际晶体结构与 MatterGen 给出的预测高度吻合，虽然在钽和铬原子之间观察到了组分无序。更关键的是力学实测：实验室测得其实际体积模量为 169 GPa，与最初给定的 200 GPa 目标相比，相对误差不到 20%，在实验材料学里这已经相当精准。

约翰斯·霍普金斯大学应用物理实验室的计算材料科学家 Christopher Stiles 表示，他们正在探索能推动任务级关键材料发现的工具，这也正是他们关注 MatterGen 影响的原因。

为什么重要

搞材料科学、电池、光伏储能和半导体的科研团队与企业研发部门，现在就应该把这套工具拉下来跑跑看。微软这次没有搞闭源 API，而是把 MatterGen 的代码、训练和微调数据集，以及那套处理组分无序的评估算法，全部以 MIT 协议开源。

从生成式分子设计走向无机晶体设计，AI for Science 正在从单纯的「模拟加速」演进到「逆向生成」。微软手里还有一套负责高通量仿真性质的模拟器 MatterSim，配合负责提候选方案的 MatterGen，正好组成了从生成到验证的飞轮。

不过也要泼一盆冷水：逆向生成晶体结构只是第一步，实验室里真正卡脖子的往往是合成路径与反应条件。AI 能给出一个理论上稳定且性能达标的原子坐标，但现实中用什么温度、压力和前驱体把它做出来，仍然需要大量实验经验和工程摸索。