微軟登上 Nature：開源生成式材料設計模型 MatterGen

MatterGen 是微軟開源的材料生成擴散模型，能讓你像輸入文本提示詞畫圖一樣，直接根據化學成分、對稱性、力學強度或電磁特性等指標，從頭生成此前未知的無機晶體材料結構。

過去找新材料主要靠兩招：要麼在實驗室裡憑經驗反覆試錯，要麼在已知材料資料庫裡做高通量計算篩選。後者的致命硬傷在於，資料庫裡有的結構是有限的，篩選很快就會見頂。MatterGen 跳過了篩選，直接去探索未知的材料空間。

怎麼做到的

影像擴散模型是從雜亂的噪點畫素一步步去噪生成圖片，MatterGen 也是類似的邏輯，但它作用在材料的三維幾何空間上。

它從一個完全隨機的初始結構出發，同時調整原子的空間三維座標、元素種類以及週期性晶格引數。因為晶體結構具有嚴格的空間對稱性和週期性，模型架構專門為此做了適配，而不是把通用影像模型生搬硬套過來。

基礎模型基於 Materials Project 和 Alexandria 兩個資料庫中 60.8 萬個穩定材料資料訓練而成。微軟還用帶標註的資料進行了微調，讓它能接收各種效能約束，比如指定楊氏模量、磁性或導電要求。

在生成抗壓能力極強的高體積模量材料（大於 400 GPa）測試中，傳統資料庫篩選很快就無材料可選，而 MatterGen 可以源源不斷地生成滿足條件的新晶體候選。

為了解決晶體合成中常見的「組分無序」問題，團隊還自研了一套結構匹配演算法。真實材料裡不同原子經常隨機互換晶格位置，以前的演算法會把這種微小置換誤判為全新結構，新演算法能準確判斷它們是否本質上是同一種無序結構。

走出電腦，進入實驗室合成

光在算力上跑通還不夠，AI 設計的材料到底能不能在現實裡燒出來，才是硬指標。

微軟聯手中科院深圳先進技術研究院李文傑教授團隊，挑了一個設計目標為體積模量 200 GPa 的全新氧化物候選結構。團隊在實驗室裡成功合成了這種此前不存在的材料——TaCr2O6。

X 射線等表徵顯示，合成出的實際晶體結構與 MatterGen 給出的預測高度吻合，雖然在鉭和鉻原子之間觀察到了組分無序。更關鍵的是力學實測：實驗室測得其實際體積模量為 169 GPa，與最初給定的 200 GPa 目標相比，相對誤差不到 20%，在實驗材料學裡這已經相當精準。

約翰斯·霍普金斯大學應用物理實驗室的計算材料科學家 Christopher Stiles 表示，他們正在探索能推動任務級關鍵材料發現的工具，這也正是他們關注 MatterGen 影響的原因。

為什麼重要

搞材料科學、電池、光伏儲能和半導體的科研團隊與企業研發部門，現在就應該把這套工具拉下來跑跑看。微軟這次沒有搞閉源 API，而是把 MatterGen 的程式碼、訓練和微調資料集，以及那套處理組分無序的評估演算法，全部以 MIT 協議開源。

從生成式分子設計走向無機晶體設計，AI for Science 正在從單純的「模擬加速」演進到「逆向生成」。微軟手裡還有一套負責高通量模擬性質的模擬器 MatterSim，配合負責提候選方案的 MatterGen，正好組成了從生成到驗證的飛輪。

不過也要潑一盆冷水：逆向生成晶體結構只是第一步，實驗室裡真正卡脖子的往往是合成路徑與反應條件。AI 能給出一個理論上穩定且效能達標的原子座標，但現實中用什麼溫度、壓力和前驅體把它做出來，仍然需要大量實驗經驗和工程摸索。