[논문 리뷰] Towards Symmetry-Aware Generation of Periodic Materials

Youzhi Luo, Chengkai Liu외 1명|arXiv (Cornell University)|2023. 07. 06.

Machine Learning in Materials Science인용 수 8

한 줄 요약

SyMat은 VAE를 사용해 원자 종류와 격자를 생성하고, 좌표를 생성하기 위한 점수 기반 확산 모델을 사용하여 3D 주기적 물질에 대한 대칭 인식 생성을 도입하여 치환, 회전, 병진, 및 주기적 변환에 대한 불변성을 보장합니다.

ABSTRACT

We consider the problem of generating periodic materials with deep models. While symmetry-aware molecule generation has been studied extensively, periodic materials possess different symmetries, which have not been completely captured by existing methods. In this work, we propose SyMat, a novel material generation approach that can capture physical symmetries of periodic material structures. SyMat generates atom types and lattices of materials through generating atom type sets, lattice lengths and lattice angles with a variational auto-encoder model. In addition, SyMat employs a score-based diffusion model to generate atom coordinates of materials, in which a novel symmetry-aware probabilistic model is used in the coordinate diffusion process. We show that SyMat is theoretically invariant to all symmetry transformations on materials and demonstrate that SyMat achieves promising performance on random generation and property optimization tasks. Our code is publicly available as part of the AIRS library (https://github.com/divelab/AIRS).

연구 동기 및 목표

• 목적은 물리적 대칭 제약을 준수하면서 표적 특성을 가진 새로운 주기적 물질의 생성을 필요로 한다는 점을 동기 부여합니다.
• 단위 셀 설명에서 대칭을 포착하고 좌표 생성을 위한 제너레이션 프레임워크를 제안합니다.
• 특성 최적화에 적합한 유효하고 대칭 일관된 물질 구조의 생성을 가능하게 합니다.

제안 방법

• 각 주기적 물질을 단위 셀 데이터(A, P, L)로 표현하고, 생성을 위해 A와 L을 대칭 불변 대상로 변환합니다.
• 변분 자동 인코더를 사용해 원자 종류 집합과 격자 매개변수(c, l, φ)의 분포를 모델링합니다.
• 좌표 P를 A와 L에 조건화하여 생성하는 점수 기반 확산 모델을 대칭 인지 점수 공식으로 활용합니다.
• 대칭을 inherently 존중하는 가장자리-거리 기반 점수 함수를 계산하기 위해 단위 셀 원자들의 다중 그래프를 구성합니다.
• 노이즈 제거 점수 매칭과 샘플링을 위한 Langevin 다이나믹스를 통해 점수 모델을 학습하고, 병진성, 회전성, 및 주기성 불변성을 보장합니다.

실험 결과

연구 질문

• RQ1 전통적인 분자 생성 외에 치환, 회전, 병진 및 주기성을 넘어서는 대칭 변환을 어떻게 보존하며 주기적 물질을 생성할 수 있을까요?
• RQ2 VAE가 주기적 물질의 원자 종류 및 격자 매개변수의 대칭 불변 표현을 효과적으로 모델링할 수 있을까요?
• RQ3 대칭 인식 확산 공정이 좌표 생성을 개선하고 신뢰할 수한 특성 최적화를 가능하게 할까요?

주요 결과

• SyMat은 주기적 물질에 대해 모든 대칭 변환에 대한 이론적 불변성을 달성합니다.
• 프레임워크가 임의 생성 작업 및 특성 최적화 작업에서 유망한 성능을 보임을 시연합니다.
• 원자 종류와 격자는 대칭 불변 대상(원자 종류 집합 및 격자 길이/각도)에서 VAE를 사용해 생성됩니다.
• 좌표 생성은 경계-거리 점수에 기초한 대칭 인지 점수 기반 확산 모델을 사용하여 불변성을 보장합니다.
• 이 접근법은 세 가지 벤치마크 데이터셋에서 경쟁력을 보이며 AIRS 라이브러리에 공개 코드가 제공됩니다.