如何快速上手MatterGen:5分钟生成第一个晶体结构的完整新手教程
如何快速上手MatterGen:5分钟生成第一个晶体结构的完整新手教程
MatterGen 是微软研究院开源的无机材料晶体结构生成模型,它是一个扩散模型,能够一次性同时生成材料的原子分数坐标、元素种类和晶胞晶格向量。本教程面向新手,带你快速上手 MatterGen,5 分钟内生成你的第一个晶体结构,并学会使用条件生成和预训练检查点。
📦 MatterGen 是什么?为什么值得玩?
在传统的材料研究中,设计一种新晶体往往依赖化学家的经验和海量的 DFT(密度泛函)计算。MatterGen 用生成式 AI 把这件事变成了"抽卡"——给它一个目标性质(或不给任何条件),它就能直接吐出候选晶体结构。
几个关键数字帮你快速建立认知:
| 项目 | 数据 |
|---|---|
| 模型类型 | 扩散模型(Diffusion Model) |
| 参数量 | 46.8M |
| 训练数据 | 607,684 个 DFT 弛豫后的无机晶体结构 |
| 数据来源 | Materials Project + Alexandria |
| 单次生成能力 | 晶胞内最多 20 个原子 |
更厉害的是,它不仅能"无脑生成",还可以按性质条件生成:指定化学体系、带隙、磁密度、体模量甚至空间群,让模型朝着你想要的方向"长"晶体。
🗂 这个仓库里有什么?
当前仓库是 MatterGen 的官方模型发布仓库,核心内容就三块:
- 9 套预训练检查点(
checkpoints/目录),开箱即用; - 参考结构数据(
data-release/alex-mp/目录),用于校验生成结构的稳定性; - 项目说明文档:README.md 与 data_summary_card.md。
9 套检查点分别对应不同的生成任务,建议新手先搞懂再选:
| 检查点目录 | 用途 |
|---|---|
| mattergen_base | 基础模型,无条件生成晶体结构(新手首选) |
| mp_20_base | MP20 数据集上的基础模型 |
| chemical_system | 按化学体系(元素组成)条件生成 |
| chemical_system_energy_above_hull | 化学体系 + 凸包上能量联合条件 |
| dft_band_gap | 按 DFT 带隙条件生成 |
| dft_mag_density | 按 DFT 磁密度条件生成 |
| dft_mag_density_hhi_score | 磁密度 + 高熵指数联合条件 |
| ml_bulk_modulus | 按体模量(ML 预测)条件生成 |
| space_group | 按空间群条件生成 |
每个检查点目录下都有一个训练配置文件,例如 checkpoints/mattergen_base/config.yaml,里面记录了数据模块、去噪网络(基于 GemNet 架构)和训练超参数,进阶用户可以打开对照理解。
🚀 五分钟上手:生成你的第一个晶体结构
提示:运行推理还需要 MatterGen 的代码仓库(含
scripts/下的推理脚本),本仓库提供的是配套的模型权重与数据。两者搭配即可完整跑通。
第一步:克隆仓库并准备环境
git clone https://gitcode.com/hf_mirrors/microsoft/mattergen
cd mattergen
环境要求:Python 3.10+、PyTorch(建议 CUDA 版,纯 CPU 也能跑但会慢很多)、pytorch-lightning、hydra-core。依赖版本以代码仓库的 pyproject.toml 为准。
第二步:快速验证检查点可加载
拿到仓库后,先用不到 10 行的 Python 确认权重文件是完好的(这也是最常见的"新手卡点"排查法):
import torch
ckpt = torch.load(
"checkpoints/mattergen_base/checkpoints/last.ckpt",
map_location="cpu",
)
# 能打印出 state_dict 的键名,说明权重加载成功
print(list(ckpt["state_dict"].keys())[:3])
看到类似 gemnet.... 的键名输出,恭喜,模型权重就绪 ✅。
第三步:跑一次无条件生成,得到第一个晶体
使用 mattergen_base 检查点,配合代码仓库中的推理脚本即可批量生成结构。典型命令形如:
python scripts/inference/infer.py \
--checkpoint checkpoints/mattergen_base/checkpoints/last.ckpt \
--num-samples 8
(具体参数名以代码仓库 README 为准,--checkpoint 指向本仓库中的 last.ckpt 文件。)
运行结束后,你会得到 8 个晶体结构文件,通常以 .xyz 或 CIF 格式保存,包含晶胞参数、元素种类和原子坐标。用 VESTA 或 ase 等可视化工具打开,就能看到你的"AI 设计材料"了 🎉。
第四步:试试条件生成——让晶体"按需生长"
想要"只含 Li、Ni、O 且带隙约 1.5 eV"的晶体?切换到对应条件模型即可:
- 指定元素组成 → 用 chemical_system 检查点,条件为化学体系字符串,例如
Li_Ni_O; - 指定带隙、磁密度等数值性质 → 用 dft_band_gap 等检查点,把目标数值作为条件传入。
条件生成的原理:模型在基础网络之上加了一个"适配器"(Adapter),把目标性质编码后注入去噪过程。这一点可以直接在 checkpoints/chemical_system/config.yaml 的 adapter 段落里看到对应配置。
第五步:校验生成结构的稳定性
生成 ≠ 稳定。官方在 data-release/alex-mp/ 目录下提供了参考结构集,用于判断生成的结构是否是"新"的、以及它离参考凸包有多远:
- reference_MP2020correction.gz:基于 Materials Project 2020 的参考结构;
- reference_TRI2024correction.gz:基于 TRI 2024 的参考结构。
把生成的晶体与参考集做结构匹配(代码仓库提供了无序结构匹配器),不匹配且能量在凸包上方 0.1 eV/atom 以内的,就是论文中定义的 S.U.N.(稳定、新颖、唯一) 结构——这才是真正有价值的候选材料。
⚠️ 新手必读:MatterGen 能做什么、不能做什么
| ✅ 可以生成 | ❌ 无法生成 |
|---|---|
| 晶胞内 ≤ 20 个原子的无机晶体 | 超过 20 个原子/晶胞的材料 |
| 按性质条件引导生成 | 有机晶体、非晶态材料 |
| 微调后按自定义性质生成 | 含稀有气体、放射性元素或原子序数 > 84 的晶体 |
另外一个重要预期管理:由于训练数据只保留了"凸包上能量 < 0.1 eV/atom"的结构,生成结果落在凸包之上的比例会明显更高,大部分生成结构还需要 DFT 计算复核,把它当作"高质量候选生成器"而不是"稳定材料保证机"。
📚 下一步去哪里?
完成第一次生成后,推荐的进阶路径:
- 跑条件生成:从
chemical_system入手,体验指定元素体系生成; - 微调自己的性质:如果你有一批带属性标签的材料(建议至少几千个),可以按 README.md 中的流程微调,让 MatterGen 按你的目标性质生成;
- 读懂模型架构:打开 checkpoints/mattergen_base/config.yaml,对照 GemNet 去噪器(
GemNetTDenoiser)与扩散过程(MultiCorruption)的模块划分,理解"连续坐标 + 离散元素"如何被联合去噪。
祝生成愉快——下一个稳定、新颖的晶体,也许就藏在你生成的第 37 个样本里 🧪。