EGMOF(Efficient Generation of MOFs)는 목표 특성을 가진 재료 설계를 위한 하이브리드 diffusion-transformer 프레임워크입니다. 이 모델은 한정된 데이터와 새로운 목표 특성에도 높은 정확도를 유지하며, Prop2Desc(1차원 diffusion 모델)를 통해 목표 특성을 화학적으로 의미있는 descriptor로 매핑하고, Desc2MOF(transformer 모델)를 통해 descriptor로부터 구조를 생성합니다. EGMOF는 수소 흡착 데이터셋에서 95% 이상의 유효성 및 84%의 적중률을 달성했으며, 기존 방법 대비 유효성 최대 57%, 적중률 최대 14% 향상을 보였습니다. 또한, 1,000개의 훈련 샘플로도 효과적이었고, CoREMOF, QMOF, 텍스트 마이닝 실험 데이터셋 등 29개의 다양한 특성 데이터셋에서 조건부 생성을 성공적으로 수행했습니다.
