Chemeleon仓库：
Chemeleon App：
研究背景：
化学空间的广袤性一直是探索具备预定性质的新化合物的长期挑战。在材料科学领域，晶体结构预测已经成为从成分到结构映射的成熟工具。然而，随着搜索空间的扩大，识别具有理想特性的材料的复杂性也在增加。生成式人工智能（AI）提供了一种高效导航更大化学空间的手段，通过学习结构-性质数据集来生成新的化合物。
研究结果：
伦敦帝国理工学院的研究团队，包括Hyunsoo Park和Aron Walsh，开发了一种名为Chemeleon的生成式模型，旨在通过文本指导生成化学成分和晶体结构。这一研究为材料设计开辟了新的路径。Chemeleon能够通过学习文本描述和三维结构数据生成化学成分和晶体结构。模型使用去噪扩散技术，通过文本输入结合结构数据进行化合物生成，并应用于多组分化合物生成，包括在固态电池相关的Li-P-S-Cl四元空间中预测稳定相。
Chemeleon模型在生成结构的有效性、独特性、结构匹配和亚稳态性方面表现出色，特别是在处理复杂的四元化学空间时。通过结合文本描述和图神经网络，该模型能够高效探索新的材料组合，并生成稳定的晶体结构。
