化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
问题与背景：晶体材料生成需要同时处理晶格参数、原子坐标、元素类型和对称性，普通生成模型很难在物理约束和条件生成之间取得平衡。
方法与机制：CrystalFlow 将 Continuous Normalizing Flows、Conditional Flow Matching、图等变神经网络和 symmetry-aware 表征结合，联合建模晶体结构组成要素，并支持压力、材料属性等条件生成。
为什么重要：这是一篇材料生成模型顶刊论文，核心贡献是把 flow matching 路线适配到晶体结构生成，并提供对材料发现可复用的 generative primitive。
局限：它主要仍是计算生成与 benchmark 论文，离自动实验闭环和产业材料发现还有距离，因此收为突破级。