arXiv cs.AI· Yuyang Wu, Stefano Falletta, Delia McGrath, Sherry Yang·· 11 小时前AI 评分34
CrystalReasoner：用推理与强化学习生成属性条件晶体结构
CrystalReasoner: Reasoning and RL for Property-Conditioned Crystal Structure Generation
AI 导读
CrystalReasoner（CrysReas）是一个端到端 LLM 框架，通过推理与对齐从自然语言指令生成晶体结构。它把晶体学对称性、局部配位环境和预测物理性质作为 thinking tokens 先行输出，再用多目标稠密奖励的强化学习对齐物理有效性、化学一致性与热力学稳定性。
正文 · AI 翻译
摘要：生成式建模已成为晶体结构发现的一种有前景的方法。然而，现有的基于 LLM 的生成模型在低层原子精度方面存在不足，而基于扩散的方法在整合高层科学知识方面有所欠缺。因此，生成的结构往往无效、不稳定，或不具备理想的性质。为弥补这一差距，我们提出 CrystalReasoner（CrysReas），一个端到端的 LLM 框架，通过推理与对齐从自然语言指令生成晶体结构。CrysReas 引入物理先验作为思考 token，在生成原子坐标之前包含晶体学对称性、局部配位环境和预测的物理性质。这弥合了自然语言与 3D 结构之间的差距。随后，CrysReas 采用带有 多目标、稠密奖励函数的强化学习（RL），使生成结果与物理有效性、化学一致性和热力学稳定性对齐。对于性质条件任务，我们设计了任务特定的奖励函数，并针对离散约束（例如空间群）和连续性质（例如弹性、热膨胀）训练专用模型。实证结果表明，与先前工作以及没有思考轨迹或 RL 的基线相比，CrysReas 在多种指标上取得更好的性能，S.U.N. 比率提升至三倍，并在性质条件生成方面取得更好的表现。CrysReas 还展现出自适应推理能力，随着原子数量的增加而增加推理长度。我们的工作展示了利用思考轨迹和 RL 生成有效、稳定且以性质为条件的晶体结构的潜力。
| 评论： | 我们的工作可在 此 https URL 获取，代码见 此 https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2605.14344 [cs.AI] |
| （或 arXiv:2605.14344v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.14344 arXiv 颁发的 DOI 经由 DataCite |
提交历史
来自：Yuyang Wu [查看邮箱]
[v1]
2026年5月14日 星期四 04:08:51 UTC（1,402 KB）
[v2]
2026年5月15日 星期五 13:35:45 UTC（1,402 KB）
[v3]
2026年10月16日 星期五 13:54:43 UTC（1,274 KB）
来源：arXiv cs.AI · arxiv.org