[论文解读] 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 0

一句话总结

OrgFlow 是一个基于条件流匹配的模型，能够从分子图生成完整的有机晶体周期结构，在更少的推理步数下通过键感知先验和周期边界条件实现显著更高的匹配率，优于基线。

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.

研究动机与目标

• 推动有机晶体结构预测的需求，并弥补以无机为主的 CSP 方法所留下的空白。
• 提出一个以分子图为条件的流匹配框架，以生成完整的周期性有机晶体。
• 通过键感知正则化和周期图表示来保留共价连接性与晶体对称性。
• 构建并整理一个包含键长统计的大型有机晶体数据集，用以支持训练与评估。

提出的方法

• 将 CSP 表述为从高斯先验经过传输到以分子图 G 为条件的晶体分布。
• 在周期图上使用 E(3) 等变信息的消息传递结构来学习分数坐标与晶格参数的速度场。
• 结合基于经验键长统计的键感知正则化，强制化学上有效的几何形状。
• 将 CIF 预处理为对称一致的周期性分子图，并对 PBC 处理使用整数图像平移。
• 通过纠正流原则进行训练，以实现近似线性插值和减少常微分方程步数（20 步）。
• 使用基于结构匹配器的评估指标（pymatgen StructureMatcher 与 spglib）评估几何与对称性保真性。

实验结果

研究问题

• RQ1 一个以分子图为条件的条件流匹配模型能否准确生成完整的周期性有机晶体结构？
• RQ2 将分子连通性与键长先验纳入后，对生成结构的化学有效性与晶体学准确性有何影响？
• RQ3 与基线相比，OrgFlow 在生成有机晶体时的推理步数效率如何？
• RQ4 OrgFlow 在药物样、小分子等不同有机子集上的表现如何？
• RQ5 哪些数据集与预处理能够实现有机 CSP 的可扩展训练？

主要发现

• OrgFlow 在所有数据集划分上均显著高于 FlowMM 的匹配率（例如药物样分子为 21.94% 而非药物样为 0.1%）。
• OrgFlow 相较于基线需要的采样步数大幅减少（对小分子近 20 步 vs FlowMM 的 ~500 步）。
• 键感知正则化将匹配率从 0.0% 提升至 10.1%（当 λb 增加到 5e-3 时）。
• 分数坐标与晶格损失进一步提升精度，晶格权重的结论在消融中可达到最高 13.6% 的匹配率。
• OrgFlow 与真实有机晶体在定性上具有强烈的一致性，能够恢复环系与堆积结构，错误大多发生在易变取代基。
• 编制了一个包含 177k 条结构的有机晶体大基准数据集（来自 CSD），用于支持训练与评估。