본 논문은 결정 구조의 대칭성을 고려하여 결정을 생성하는 생성 모델인 Wyckoff Diffusion (WyckoffDiff)를 제안한다. 기존의 생성 모델은 대칭성을 고려하지 않고 각 원자를 개별적으로 모델링하는 경향이 있다. WyckoffDiff는 모든 대칭성을 포함하는 결정 구조 표현을 사용하고, 이를 기반으로 하는 이산 생성 모델 프레임워크 내에서 작동하는 새로운 신경망 아키텍처를 설계한다. 이 모델은 대칭성을 보장하며, 이산적인 특성으로 인해 빠른 생성이 가능하다. 또한, 생성된 물질의 대칭성 측면을 포착하는 새로운 메트릭인 Frechet Wrenformer Distance를 제시하고, 결정 생성 모델과의 성능을 비교한다. 마지막으로, WyckoffDiff를 사용하여 열역학적 안정성의 볼록 껍질 아래에 있는 새로운 물질을 찾는 연구를 수행한다.
