分子・結晶構造の効率的かつ多様な探索のための生成的構造探索
arXiv cs.AI / 2026/5/1
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、安定相および準安定相の分子・結晶構造を予測する際に立ちはだかる、高次元エネルギー地形の探索コストの高さという課題を扱っています。
- 提案はGenerative Structure Search（GSS）で、学習したスコア場と物理的な力に基づく共通のサンプリング過程を通じて、拡散型生成とランダム構造探索を統一的に捉えます。
- 学習データの事前知識（プリオル）による加速と、局所極小をエネルギーで導く探索を組み合わせることで、珍しいが物理的に重要な極小の取りこぼしを減らしつつ探索効率を高めることを狙います。
- 分子・結晶の両システムでの結果として、GSSは多様な準安定構造を復元でき、幅広いカバレッジにおいてRSSよりサンプリングコストを10倍以上低減し、さらに学習分布外の組成でも有効であると示されています。
- 総じて、本研究はデータ駆動のサンプリングだけでは到達しにくい構造の発見を可能にする、物理に根ざした生成的探索戦略を提示しています。
