微软研究院AI for Science团队开发了一种生成式AI材料设计工具——MatterGen，能够直接根据设计需求生成新材料，从而大幅提升材料发现的效率。相关研究成果于2025年1月16日发表在《自然》期刊上。

MatterGen是一种基于扩散模型的生成模型，通过逐步细化原子类型、坐标和周期性晶格来生成晶体结构。MatterGen定义了原子类型、坐标和晶格的噪声过程，并通过学习一个得分网络来逆转这一过程。得分网络输出原子类型、坐标和晶格的等变得分，从而无需从数据中学习对称性，这使得MatterGen能够生成稳定且多样的无机材料。此外，MatterGen的广泛条件生成能力使其能够解决多种逆向设计问题。例如，MatterGen能够生成具有目标化学组成、对称性或机械、电子和磁属性的稳定新材料。

为了验证MatterGen的实际应用效果，研究团队与深圳先进技术研究院合作，成功合成了MatterGen生成的TaCr2O6材料。实验结果表明，合成材料的结构与生成的结构高度一致。

然而，MatterGen仍存在一些局限性，例如，在生成较大晶体时倾向于生成对称性较低的结构。未来的研究可以进一步优化去噪过程、扩展训练数据集，并探索更广泛的材料类别设计，例如，催化剂表面和金属有机框架设计。随着生成模型在图像生成和蛋白质设计等领域的成功应用，MatterGen有望在未来几年内彻底改变材料设计的方式。

信息来源：

https://www.nature.com/articles/s41586-025-08628-5

https://www.microsoft.com/en-us/research/blog/mattergen-a-new-paradigm-of-materials-design-with-generative-ai/

https://mp.weixin.qq.com/s/jgWiZ5oeiwaiaKSs52HxUA