arXiv cs.AI· Ziqiao Meng, Rongsheng Chen, Zhi Zheng, Nikita Kazeev, Zhenkun Wang, Andrey Ustyuzhanin, Wee Sun Lee·· 11 小时前AI 评分31
CrystalAR：面向对称晶体生成的自回归建模框架
CrystalAR: Autoregressive Modeling for Symmetric Crystal Generation
AI 导读
CrystalAR 是一个统一的自回归框架，将 Wyckoff 对称模板与完整晶体结构建模在单一生成序列中，把连续坐标生成重构为对称性条件约束的离散空间定位决策层级。该框架在保留对称模板生成能力的同时，实现了有竞争力的从头生成性能和无需模板的晶体结构预测（CSP）精度，且不依赖从既有数据中检索对称模板。
正文 · AI 翻译
摘要：深度生成建模在晶体生成方面已取得显著进展。鉴于晶体结构固有的丰富对称性，近期研究试图将空间群对称性显式纳入生成模型，从而更有效地探索新的对称性模板。然而，引入对称性模板会增加原子种类与晶体学位点之间化学计量关系的组合复杂度，同时在离散晶体学模板的灵活探索与将这些模板忠实实现为连续三维结构之间造成根本性矛盾。为应对这些挑战，我们提出 CrystalAR，这是一个统一的 autoregressive 框架，在单一生成序列中对 Wyckoff 对称性模板和完整晶体结构进行建模。具体而言，CrystalAR 将连续坐标生成重新表述为以对称性为条件的离散空间定位决策层级，在多个分辨率层级上自回归地细化所有对称性不等价位点的位置，同时联合建模每个层级内的空间构型。这种离散层级表述进一步支持对晶体学模板和几何实现进行约束感知搜索。因此，CrystalAR 在保留强大对称性模板生成能力的同时，实现了具有竞争力的从头生成性能和无需模板的晶体结构预测（CSP）精度。这些结果表明，对称性模板生成可以与广泛具有竞争力的从头生成性能以及具有竞争力的 CSP 并存，而无需依赖从先验数据中检索的对称性模板，为保持对称性的晶体生成提供了一种有前景的替代范式。
| 主题： | 人工智能（cs.AI）；材料科学（cond-mat.mtrl-sci） |
| 引用为： | arXiv:2610.27762 [cs.AI] |
| （或 arXiv:2610.27762v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27762 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ziqiao Meng [查看电子邮件]
[v1]
2026年10月20日星期二 07:26:19 UTC（3,975 KB）
来源：arXiv cs.AI · arxiv.org