一种新型人工智能工具正推动生成式材料模型在发现突破性量子材料方面取得关键进展。麻省理工学院（MIT）研究团队开发出名为SCIGEN（结构约束集成生成模型）的算法，可引导主流生成式AI模型在设计新材料时遵循特定几何规则，从而大幅提升发现具备奇异量子性质材料的概率。 传统生成式材料模型多以材料稳定性为目标，往往产出大量“稳定但无用”的候选物。而MIT团队的思路不同：他们认为，材料科学的突破不在于数量，而在于找到真正具有变革潜力的“一个好材料”。为此，研究人员聚焦于具有特定几何结构的晶格，如Kagome、Lieb和Archimedean晶格，这些结构与超导、量子自旋液体及磁性等前沿现象密切相关。 SCIGEN通过在AI模型每次生成过程中实时检测并筛选，确保新生成的材料严格符合预设的结构约束。研究人员将该工具应用于DiffCSP模型，成功生成超过1000万种具有Archimedean晶格结构的材料候选。经超级计算机模拟筛选，最终在2.6万种材料中发现41%表现出磁性特征。基于AI预测，团队在Xie和Cava实验室成功合成了两种全新化合物——TiPdBi和TiPbSb，并验证了其性质与模型预测高度一致。 这些材料可能为量子计算提供关键支持，例如实现稳定、抗干扰的量子比特。目前，尚未有确凿证据证明量子自旋液体的存在，而SCIGEN为寻找这类材料提供了前所未有的高效路径。研究团队指出，传统实验探索进展缓慢，而AI生成的大量结构化候选物可显著加速实验验证进程。 该成果发表于《自然·材料学》。MIT研究团队包括Mingda Li、Ryotaro Okabe、Mouyang Cheng等，合作单位涵盖普林斯顿大学、橡树岭国家实验室、密歇根州立大学等。研究获得美国能源部、国家科学基金会及国家能源研究科学计算中心支持。 专家评价，该工具为下一代电子、磁性与光学材料的开发开辟了新路径。研究团队强调，AI生成仍需实验验证，未来将进一步引入化学与功能约束，使AI设计更贴近真实应用需求。正如第一作者Okabe所言：“我们不追求稳定，而追求改变世界的机会。”