Các phương pháp thông thường để dự đoán cấu trúc tinh thể trong thiết kế vật liệu đòi hỏi phải lấy mẫu cấu trúc rộng rãi thông qua các phương pháp tối thiểu hóa năng lượng tốn kém về mặt tính toán, sử dụng mô phỏng trường lực hoặc mô phỏng cơ học lượng tử. Mặc dù các mô hình tạo AI mới nổi đã cho thấy triển vọng lớn trong việc tạo ra các cấu trúc tinh thể thực tế nhanh hơn, nhưng hầu hết các mô hình hiện có đều không tính đến tính đối xứng và tính tuần hoàn vốn có của vật liệu tinh thể và bị giới hạn ở các cấu trúc chỉ chứa vài chục nguyên tử trên một ô đơn vị. Trong bài báo này, chúng tôi trình bày LEGO-xtal (Bộ tạo tinh thể định hướng hình học môi trường cục bộ), một phương pháp tạo AI nhận biết tính đối xứng giúp khắc phục những hạn chế này. Phương pháp này tạo ra các cấu trúc ban đầu bằng cách sử dụng các mô hình AI được đào tạo trên một tập dữ liệu tăng cường nhỏ, sau đó tối ưu hóa chúng bằng cách sử dụng bộ mô tả cấu trúc học máy thay vì tối ưu hóa dựa trên năng lượng thông thường. Chúng tôi chứng minh hiệu quả của LEGO-xtal bằng cách mở rộng mô hình lên hơn 1.700 cấu trúc từ 25 dạng thù hình carbon sp2 năng lượng thấp đã biết. Tất cả các cấu trúc này đều nằm trong khoảng 0,5 eV/nguyên tử so với năng lượng trạng thái cơ bản của than chì. Khung này cung cấp một chiến lược tổng quát cho việc thiết kế vật liệu có mục tiêu với các thành phần mô-đun, chẳng hạn như khung kim loại-hữu cơ và vật liệu pin thế hệ tiếp theo.
