第十九届“挑战杯”全国大学生课外学术科技作品竞赛
2025
省赛
课外学术科技作品竞赛（主体赛）
三等奖
未转化
否
材料的构效关系是材料设计的基础。高性能材料的发现依赖于对材料结构和性能的精确预测与调控。然而，传统的材料设计方法面临着实验试错或计算成本高昂、探索空间有限等挑战。本项目聚焦于新型功能晶体材料的智能设计与发现，通过基于 Transformer 的原子嵌入模型 (CT-UAE) 和基于向量量化的晶体结构生成模型 (VQCrystal)，构建了一个集高效结构生成、性质预测与逆向设计于一体的深度学习平台。CT-UAE 提出了新型强结构感知的算法框架，并基于Transformer 模型自主研发了CrystalTransformer算法，用于自动学习原子的“指纹”的，显著提升了后端图神经网络模型的预测精度，为材料筛选提供可靠的依据。该策略利用强大的知识迁移能力在数据稀缺任务中取得了良好泛化性能，解决了传统方法在小数据集上的应用瓶颈。而VQCrystal 创新性地将离散化潜在表示（VQ-VAE）结合图神经网络与遗传搜索，在晶体结构重建的准确性、多样性和逆向设计能力上实现大幅提升，为材料设计提供广阔的候选空间。本研究成果显著提高了新材料发现的效率，为解决能源、环境等领域的挑战提供新的思路。
暂无
暂未公开
暂未公开
暂未公开
