中国科学院物理研究所および北京凝聚態物理国家研究中心と吉林大学の研究チームが、空間群対称性を内包する新規な結晶生成モデル「CrystalFormer」を開発した。このモデルは、生成式AIの核となる生成モデル技術を応用し、結晶材料の構造を効率的かつ科学的に生成する画期的なアプローチを提示した。結晶は自然の対称性に従って構成されるため、そのデータは単なる座標の集合ではなく、空間群対称性という強力な先験的制約を持つ。自然界は、化学元素周期表と空間群のWyckoff位置表という二つの「表」を用いて、結晶の構成を定義している。この性質を活かし、CrystalFormerは、結晶の構造を「原子の選択」と「Wyckoff位置への配置」の順序化されたシーケンスとして表現。 このモデルは、大規模な結晶データベースを学習することで、固体化学の法則を神経ネットワークのパラメータに内包。生成過程では、対称性の制約のもとで、確率モデルの尤度関数を通じて化学的直感を反映し、自然界に存在しうるが未発見の新結晶構造を探索。従来の機械学習力場とは異なり、ポテンシャル面の最適化に依存せず、対称性の枠組みの中で「合理的な構造の推測」を行う点が特徴。 CrystalFormerは、広範な材料空間の探索や、特定の構造特性を持つ結晶の生成に応用可能。さらに、性質予測モデルと即時連携することで、ベイズ推論に基づく「逆設計」が実現。数学的対称性と化学的知見を統合したこのフレームワークは、汎用性・柔軟性・再現性に優れ、次世代の材料開発に貢献する可能性を秘めている。 研究成果は《科学通報》（Science Bulletin）に掲載され、国家自然科学基金および中国科学院戦略的先導科技専項の支援を受けて実現。JAXを基盤としたオープンソースコードと応用例も公開され、研究コミュニティの活用が期待される。