CrysLLMGen은 생성 모델링의 최근 발전을 활용하여 새로운 주기적 결정 구조를 설계하는 데 중점을 둔 하이브리드 프레임워크입니다. 대규모 언어 모델(LLM)과 등변성 확산 모델을 통합하여 각 모델의 강점을 결합했습니다. LLM은 원자 유형을 처리하고, 확산 모델은 원자 좌표 및 격자 매개변수를 개선합니다. CrysLLMGen은 벤치마크 작업과 데이터 세트에서 기존 모델보다 우수한 성능을 보이며, 구조적 및 조성적 타당성, 안정성 및 참신성 측면에서 균형 잡힌 성능을 달성합니다. 또한 사용자 정의 제약 조건을 충족하는 재료를 효과적으로 생성하는 강력한 조건부 생성 능력을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM과 확산 모델을 결합한 하이브리드 접근 방식을 통해 결정 구조 생성의 새로운 가능성을 제시합니다.
◦
구조적 및 조성적 타당성, 안정성 및 참신성 측면에서 기존 모델보다 우수한 성능을 보입니다.
