CGWGAN体验：
https://huggingface.co/datasets/caobin/CGWGAN
CGWGAN源码：
https://github.com/WPEM/CGWGAN
研究背景：
晶体是自然界和科学研究中至关重要的组成部分，广泛应用于物理、化学和生物学领域，尤其在材料科学和工程学中。晶体的特性由其精确的原子排列结构决定，每一种晶体的基本单元在空间中重复排列，形成独特的晶体结构。晶体结构的多样性和复杂性源于不同的晶系、空间群和原子类型的排列组合，已知的晶体结构被划分为230种空间群，具有广泛的应用前景。
传统上，发现新晶体结构主要依赖高通量计算和实验，然而这些方法通常耗时费力。近年来，人工智能（AI）和机器学习（ML）技术的发展使晶体生成和发现的新方法得以出现。AI生成模型已被用于设计新晶体结构，但生成的结构需要经过多种物理验证和筛选，以确保其稳定性和可合成性。基于此，上海大学材料基因组研究所和香港科技大学的研究团队开发了基于Wyckoff生成对抗网络的晶体生成框架——CGWGAN，以提高晶体生成和发现的效率和精准度。
研究内容：
CGWGAN框架包含三个核心模块：晶体模板生成、原子填充和能量/声子计算。首先，使用生成对抗网络（GAN）生成嵌入不对称单元（ASU）、空间群和晶格矢量的晶体模板。这些模板确保生成的结构满足所有晶体对称性要求，从而形成潜在的晶体候选。然后，系统根据化学元素的特性填充原子，使候选结构更接近真实晶体。最后，这些候选晶体通过M3GNet模型进行快速筛选，筛选合格的晶体再进行密度泛函理论（DFT）计算，以进一步验证其热力学和机械稳定性。
在Ba-Ru-O系统的实验中，CGWGAN成功生成了140,000个晶体模板，并最终筛选出1,156个具有负生成能量且声子模式稳定的候选晶体。通过进一步的DFT验证和高精度优化后，研究团队确认了七个具有新颖晶体结构的Ba-Ru-O晶体，分别属于不同的晶系和空间群。这些新晶体不仅展示了CGWGAN的生成能力，还表现出良好的热力学和声子稳定性，为实验合成提供了理论依据。
