DMFlow: 흐름 매칭으로 무질서 물질을 생성하는 혁신적 프레임워크

초록

DMFlow는 순수 결정뿐 아니라 치환·위치 무질서(crystal disorder)를 모두 포괄하는 통합 표현을 제안하고, 구형 재파라미터화를 이용한 리만 흐름 매칭으로 확률 단순체 위의 무질서 가중치를 안정적으로 학습한다. 새로운 GNN 기반 벡터장 예측기와 2단계 이산화 절차를 통해 연속적인 무질서 가중치를 다중‑핫 원자 할당으로 변환한다. COD 기반 벤치마크를 공개하고, 구성 예측(CSP)과 새로운 물질 생성(DNG) 과제에서 기존 최첨단 모델을 크게 앞선다.

상세 분석

본 논문은 무질서 결정(Disordered Crystal)의 생성 모델링이라는 아직 탐구가 미비한 영역에 첫 번째 딥러닝 기반 프레임워크를 제시한다. 핵심 아이디어는 “통합 표현(Unified Representation)”이다. 각 격자점 i를 (s_i, f_i, w_i, f′_i) 튜플로 정의함으로써, 순수 결정에서는 s_i가 원-핫(one‑hot) 벡터, w_i=