PhononBench:A Large-Scale Phonon-Based Benchmark for Dynamical Stability in Crystal Generation

1 文章导读

近年来，人工智能驱动的晶体生成模型快速发展，能够在短时间内人工智能驱动的晶体生成模型。然而，一个看似“合理”的晶体未必稳定当前的评估体系主要聚焦于热力学稳定性、结构有效性、唯一性和新颖性等指标,却较少系统性地回答另一个关键问题：这些AI生成的结构是否具备动态稳定性——即在受到微小原子扰动时,能否停留在局域势能谷中而不出现虚频声子模式？围绕这一问题，中国人民大学物理学院高泽峰副教授，卢仲毅教授团队提出了PhononBench，面向 AI 生成晶体的大规模声子动态稳定性评估基准，为晶体生成模型提供了更严格、更接近物理可实现性的评价维度。

关键词：晶体生成模型、声子计算、动态稳定性、材料发现

Citation:Xiao-Qi Han, Ze-Feng Gao*, Wen-Kao Li, Peng-Jie Guo, Zhong-Yi Lu*. PhononBench:A Large-Scale Phonon-Based Benchmark for Dynamical Stability in Crystal Generation[J]. AI for Science. DOI: 10.1088/3050-287X/ae9ee4

2 本文要点

要点1

AI 晶体生成的动力学稳定性大考——GNN/扩散模型领先，LLM 经优化可追赶

PhononBench 的核心目标，是将声子动态稳定性引入 AI 生成晶体的系统评估。研究团队使用 MatterSim 机器学习原子间势与 Phonopy 工作流，对 7 类代表性晶体生成模型产生的结构开展高通量声子谱计算。研究覆盖 GNN/扩散模型、流匹配模型、空间群约束模型以及大语言模型生成方法等多种技术路线。经过去重、CIF 后处理和结构弛豫后，团队对 133,838 个晶体结构进行了声子稳定性分析，从而构建面向 AI 生成材料的大规模动态稳定性基准。结果显示，MP20 数据集上 MatterGen、DiffCSP、CrystalFlow动力学稳定率分别达到 45.05%、43.94%、40.00%，明显优于 LLM/Transformer 类模型；但通过提示工程与采样优化，LLaMA2-70B 可提升至 32.50%。在 Alex20 数据集上，模型稳定性整体提高，MatterGen 和 InvDesFlow-AL 分别达 57.89% 和 56.59%。总体而言，GNN/扩散框架在生成动力学稳定晶体方面更具优势，动力学稳定性仍是当前 AI 晶体生成的核心挑战。本研究的一个重要额外成果是识别出 32,995 个 MatterSim 标记的晶体结构，其最小声子频率高于−0.001 THz。

图1. 晶体生成模型动力学稳定性的系统评估：（a）研究流程图。采用七种生成模型（CrystaLLM、MatterGen、DiffCSP、InvDesFlow-AL、CrystalFlow、CrystalFormer等）生成252,437个新结构；去除重复并进行CIF有效性后处理后，对133,838个成功弛豫的晶体，使用MatterSim结合Phonopy进行完整声子谱计算。（b）采用MatterSim-v1作为后续所有声子计算的通用势函数，确保评估标准一致。（c）在MP20数据集上对晶体生成模型的动力学稳定性进行基准比较。柱状图显示-0.1 THz声子频率阈值下动力学稳定结构的比例。基于GNN和扩散的模型稳定性普遍更高，MatterGen（45.05%）、DiffCSP（43.94%）、CrystalFlow（40.00%）表现最佳；LLM/Transformer类模型整体较低，最佳配置LLaMA2-70B为32.50%。

要点2

AI生成的晶体为什么会“不稳定”？

我们进一步从化学组成、成分复杂度、局域配位和电子性质等多个角度分析了AI生成晶体的动力学不稳定性。结果表明，这些不稳定结构并非随机产生，而是具有明确的物理来源：含有F、O、Cl、H等高电负性元素的结构往往更容易出现不稳定声子模式；随着组成元素增多，复杂的化学环境和构型空间也使满足成键、配位与电荷平衡的条件更加困难；而低配位结构由于局域约束不足，更容易出现软声子模式。与此同时，热力学稳定与动力学稳定并不关联——即使一个结构在能量上具有较好的稳定性，也不意味着其晶格振动一定稳定。我们的分析表明，AI晶体生成模型不仅需要“生成看起来合理的结构”，还需要更好地学习真实材料中复杂的成键约束、局域结构和晶格振动规律。这也进一步体现了大规模声子计算与动力学稳定性评估的重要性。

图2. 动力学不稳定性的物理起源。(a) 在-0.1 THz 虚频阈值下按元素统计不稳定比率。(b) 不稳定比率随化学复杂度的变化。(c) 不稳定比率与平均配位数的关系。(d) 金属体系与绝缘体系不稳定性行为的比较。(e)-(f) 不稳定比率和热力学形成能之间的关系。

要点3

高通量声子计算的“核心工具”——通用势函数兼顾精度与效率

面对十万量级AI生成晶体的动力学稳定性评估，传统DFT声子计算在成本上难以支撑如此大规模的筛选。因此，我们采用MatterSim-v1通用机器学习原子间势结合Phonopy构建高通量声子计算流程。在表1中，MatterSim-v1对动力学稳定晶体的识别准确率达到95%，仅有约5%的稳定结构被误判为不稳定；对于不稳定结构，其识别率达到75%，整体表现与DFT参考结果具有较高的一致性。在进一步选取的100个结构子集上，MatterSim对稳定结构的识别率达到96%，与DFT参考的100%接近，同时显著降低了大规模计算所需的成本。相比近期的其他通用机器学习原子间势，MatterSim在保持较高声子稳定性预测准确性的同时，还具有更高的推理效率，使我们能够将声子谱计算扩展到十万量级晶体结构。这为系统研究AI生成晶体的动力学稳定性提供了可规模化的计算基础。

表1:归一化动力学稳定性混淆矩阵（%）。TS：真正例（真实稳定）；FU：假负例（稳定结构被预测为不稳定）；TU：真负例（真实不稳定）；FS：假正例（不稳定结构被预测为稳定）。基准数据集包含 8,189 个稳定结构和 1,769 个不稳定结构。子集包含 50 个稳定结构和 50 个不稳定结构。♣表示本研究新增的测试。

自 PhononBench 网站（图3）发布以来，平台对外服务已超过 24,000 次。平台基于通用机器学习势函数与 Phonopy 工作流，将传统高成本声子计算压缩至分钟级，显著降低动力学稳定性验证门槛。平台设计坚持“极简操作”理念，用户上传 CIF 后即可进入高级设置，根据需求选择3D/2D 体系、超胞参数、NPT/NVT 优化模式及晶体对称性约束。其中，2D 材料自动采用真空层处理和 ([4,4,1]) 超胞，3D 晶体默认采用 ([2,2,2]) 超胞。提交任务后，平台可自动完成结构弛豫、力常数计算和声子谱分析，并返回完整结果，无需手动配置复杂计算流程。

图3. 晶体声子谱分钟级快速计算平台(phononbench.cn)。

3 总结与未来展望

本研究构建了首个面向 AI 生成晶体动力学稳定性的大规模声子基准 PhononBench，对 7 类晶体生成模型生成的 13 万余个结构开展了系统评估。结果表明，当前 AI 模型在热力学意义上能够生成大量合理结构，但动力学稳定性仍面临明显挑战，平均稳定率仅约 30.7%。进一步分析发现，动力学不稳定性与元素组成、化学复杂度、局域配位及晶体对称性等因素密切相关，揭示了 AI 晶体生成中尚未充分学习的物理约束。研究同时筛选获得了 32,995 个具有良好动力学稳定性的候选晶体，并建立了面向社区开放的高通量声子计算平台。未来，我们将进一步探索将声子稳定性直接融入晶体生成与优化过程，通过稳定性感知的生成、筛选和反馈机制，提高 AI 设计材料的物理可行性，并推动 AI 材料发现从“生成更多结构”向“生成更可靠、更可实现的材料”发展。

支持单位：