Направление генеративных моделей к обнаружению разнообразных и новых кристаллов с помощью обучения с подкреплением

Открытие функциональных кристаллических материалов требует навигации по огромному комбинаторному пространству проектирования. Хотя недавние достижения генеративного искусственного интеллекта позволили образцы химически правдоподобных составов и структур, остается фундаментальная проблема: несоответствие целей между выборкой, основанной на правдоподобии в генеративном моделировании, и целенаправленным фокусом на слабо изученных регионах, где находятся новые соединения. Здесь мы представляем фреймворк обучения с подкреплением, который направляет скрытые (латентные) модели устранения шума методом диффузии в поиске разнообразных и новых, но термодинамически жизнеспособных кристаллических соединений. Наш подход объединяет оптимизацию политики относительно групп (group-relative policy optimization) с проверяемыми многокритериальными вознаграждениями, которые совместно уравновешивают креативность, стабильность и разнообразие. Помимо de novo генерации, мы демонстрируем улучшенный дизайн, управляемый свойствами, который сохраняет химическую валидность при нацеливании на желаемые функциональные свойства. Этот подход создаёт модульную основу для контролируемого искусственного интеллекта, направленного на обратный дизайн, который решает компромисс между новизной и валидностью в приложениях генеративных моделей для научных открытий.