人工晶体学报

作者：马凤凯, 张裕祥, 李真, 张晨波, 陈振强, 徐军, 苏良碧

单位：1.暨南大学光电工程系，广东省晶体材料和晶体激光技术与应用工程技术研究中心，广州 510632；2.同济大学物理科学与工程学院，上海蓝宝石单晶工程技术研究中心，上海 200092；3.中国科学院上海硅酸盐研究所，功能晶体与器件全国重点实验室，上海 201899

关键词：逆向设计,生成式人工智能,扩散模型,晶体生成,功能材料,

基金：国家自然科学基金(62475104);国家自然科学基金(61905289);广东省稀土开发及应用研究重点实验室开放基金(XTKY-202402)

传统材料发现方法，如实验试错和高通量筛选，受限于数据库的规模，难以高效探索广阔的化学空间。生成式人工智能（AI）正在材料科学领域引发深刻变革，为功能材料的逆向设计提供全新范式。本文聚焦于近期发表于Nature的里程碑工作—MatterGen生成模型，系统介绍其如何通过扩散模型实现无机晶体材料的原子类型、坐标和晶格参数的稳定、可控联合生成。MatterGen不仅能生成跨周期表的稳定多样晶体结构，更能通过特定领域微调实现目标化学组成、空间对称性及力、电、磁等多重性能约束的条件生成。本文通过解析MatterGen的技术原理、性能优势及实验验证，阐述生成式模型如何推动材料设计从“筛选”走向“创造”，并展望该技术面临的挑战与未来发展趋势。

来源：2026年第3期

《人工晶体学报》期刊编辑部

查看人工晶体学报杂志2026年第3期