[論文レビュー] OrgFlow: Generative Modeling of Organic Crystal Structures from Molecular Graphs

Mohammadmahdi Vahediahmar, Matthew A. McDonald+1 more|arXiv (Cornell University)|Feb 22, 2026

Machine Learning in Materials Science被引用数 0

ひとこと要約

OrgFlow は、分子グラフから完全な周期的有機結晶構造を生成する条件付きフローモデルであり、結合意識の事前分布と周期境界条件付けを用いて、推論ステップを減らしつつベースラインよりはるかに高い一致率を達成します。

ABSTRACT

Crystal structure prediction is a long-standing challenge in materials science, with most data-driven methods developed for inorganic systems. This leaves an important gap for organic crystals, which are central to pharmaceuticals, polymers, and functional materials, but present unique challenges, such as larger unit cells and strict chemical connectivity. We introduce a flow-matching model for predicting organic crystal structures directly from molecular graphs. The architecture integrates molecular connectivity with periodic boundary conditions while preserving the symmetries of crystalline systems. A bond-aware loss guides the model toward realistic local chemistry by enforcing distributions of bond lengths and connectivity. To support reliable and efficient training, we built a curated dataset of organic crystals, along with a preprocessing pipeline that precomputes bonds and edges, substantially reducing computational overhead during both training and inference. Experiments show that our method achieves a Match Rate more than 10 times higher than existing baselines while requiring fewer sampling steps for inference. These results establish generative modeling as a practical and scalable framework for organic crystal structure prediction.

研究の動機と目的

• 有機結晶構造予測の必要性を動機づけ、無機に焦点を当てた CSP 手法が残すギャップを橋渡しする。
• 分子グラフを条件として用いる条件付きフローミッチングフレームワークを提案し、全周期有機結晶を生成する。
• 結合の連結性と結晶対称性を、結合意識正則化と周期グラフ表現を通じて保持する。
• 訓練と評価を支える、結合長統計を含む大規模な有機結晶データセットを構築・整備する。

提案手法

• CSP を、分子グラフ G を条件として正規分布から結晶分布への輸送として定式化する。
• 周期グラフ上の E(3) 同変性メッセージパッシングアーキテクチャを用いて、分数座標と格子定数の速度場を学習する。
• 経験的結合長統計を用いた結合意識正則化を組み込み、化学的に妥当な幾何を強制する。
• PBC 処理のために整数の像シフトを持つ対称性整合的な周期分子グラフへ CIF を前処理する。
• ほぼ線形補間と ODE ステップ削減を達成するため、 rectified flow の原理で訓練する（20 ステップ）。
• 構造マッチャーに基づく指標（pymatgen StructureMatcher と spglib）を用いて幾何学的および対称性の忠実度を評価する。

実験結果

リサーチクエスチョン

• RQ1 分子グラフを条件として有機結晶の全周期構造を正確に生成できる条件付きフローミッチングモデルは構築可能か。
• RQ2 分子結合情報と結合長事前分布を組み込むと、生成構造の化学的妥当性と結晶学的精度にどのような影響があるか。
• RQ3 OrgFlow は有機結晶を生成する際、ベースラインと比較して推論ステップ数はどれくらい効率的か。
• RQ4 OrgFlow は多様な有機サブセット（薬物様、小分子など）でどの程度性能を示すか。
• RQ5 有機 CSP のスケーラブルな訓練を可能にするデータセットと前処理は何か。

主な発見

• OrgFlow は全データセット分割で FlowMM よりはるかに高い一致率を達成（例：薬物様分子で 21.94% 対 0.1%）。
• OrgFlow はベースラインよりはるかに少ないサンプリングステップで済む（小分子で約 20 ステップ対 FlowMM の約 500 ステップ）。
• 結合意識正則化は一致率を改善（λb を 5e-3 に上げると 0.0% から 10.1% へ）。
• 分数座標と格子の損失は精度をさらに高め、格子加重でアブレーション時に最大で 13.6% の一致率を得る。
• OrgFlow は実データの有機結晶と強い定性的整合性を示し、環状系と充填を回復する一方、誤りは主に柔軟な置換基に生じる。
• CSD からの 177k 構造の大規模有機結晶ベンチマークを作成し、訓練と評価を支援した。