微软推出了MatterGen，一款利用生成式人工智能设计新无机材料的模型。该模型通过扩散模型架构，能从随机结构中逐步生成符合特定化学、机械、电子或磁性等要求的稳定材料，克服了传统材料设计方法依赖试错和筛选的局限性。MatterGen基于大量材料数据训练，能定向生成具有特定化学组成和物理性质的材料，并能优化晶体结构。与传统方法相比，MatterGen不仅能生成更多新颖材料，还能处理组成无序的材料，大幅提升了材料设计的效率和创新性。微软与合作方成功合成新材料TaCr₂O₆，验证了该模型的准确性和可行性。

🔬MatterGen采用扩散模型架构，专为无机材料设计，能处理材料的周期性与三维结构，从随机结构逐步生成稳定且符合特定要求的材料。

🧪该模型支持条件式生成，可针对化学组成进行定向生成，例如指定元素或化学结构，并能调整晶体对称性以满足应用需求，同时还能优化机械、电子或磁性等物理性质。

📈相较于传统筛选方法，MatterGen能生成更多新颖且稳定的候选项，突破了既有材料数据库的限制，并引入了新的结构比对算法，提升了生成结果的实用价值和科学意义。

⚡️微软与合作方成功合成新材料TaCr₂O₆，验证了模型生成结果的准确性，该技术有望应用于电池、磁性材料等领域，加速高效太阳能电池材料、储能电池以及二氧化碳吸附剂的设计。

微軟執行長Satya Nadella在推特上公開了一項名為MatterGen生成式人工智慧模型，該模型專注於新無機材料的設計，微軟已在《Nature》期刊發表相關研究。MatterGen能生成具有目標化學性質、機械、電子或磁性等多種約束的材料，並解決傳統方法在材料穩定性和多樣性上的不足。此項技術被視為推動材料科學進一步發展的重要里程碑。傳統的材料設計往往仰賴大量的試錯實驗，或計算篩選既有材料資料庫，但這些方法需要篩選數百萬個候選材料才能找到滿足需求的少數材料。MatterGen則提供了一種全新的解決方案，透過生成式人工智慧直接生成滿足設計需求的新材料。MatterGen採用專為無機材料設計的擴散模型架構，能處理材料的周期性與三維幾何結構，模仿影像生成模型消除雜訊的過程，從隨機結構中逐步生成穩定且符合特定要求的材料。該模型基於60萬筆穩定材料資料進行訓練，資料來自Materials Project與Alexandria等權威資料庫，其生成性能在穩定性、新穎性與多樣性方面均超越現有方法。MatterGen的核心在於依據材料設計需求進行條件式生成。該模型能針對化學組成進行定向生成，例如指定元素或化學結構來生成特定材料，並可調整晶體的對稱性以滿足應用需求。此外，MatterGen還能針對機械、電子或磁性等物理性質進行優化，支援多重約束條件的材料設計。相較於傳統篩選方法，MatterGen突破既有材料資料庫的限制。研究人員舉例，在尋找高模量大於400 GPa材料時，傳統篩選方法通常在篩選約40個候選材料後達到性能瓶頸，而MatterGen則能持續生成新穎且穩定的候選材料，生成數量是傳統方法的兩倍以上。此外，MatterGen引入了一種全新的結構比對演算法，能處理具有組成無序特性的材料，重新定義新穎性與獨特性的標準，進一步提升生成結果的實用價值與科學意義。微軟MatterGen研究團隊與中國深圳先進技術研究院合作，成功合成了新材料TaCr₂O₆。該材料在設計時設定模量目標為200 GPa，實驗測得模量為169 GPa，誤差低於20％，展現了模型生成結果的高精準度與可行性。這一技術有望廣泛應用於電池、磁性材料等領域，例如MatterGen能加速設計高效太陽能電池材料、成本更低的儲能電池，以及更具選擇性的二氧化碳吸附劑，為應對能源與環境挑戰提供新的解決方案。