本文解读 arXiv 预印本论文《A Generative Diffusion Model for Amorphous Materials》，研究提出面向非晶材料的生成式扩散模型，基于 E (3) 等变图神经网络实现原子结构的去噪生成。模型可精准复现二氧化硅玻璃、金属玻璃的近 / 中程有序结构、弹性模量与应力–应变行为，支持冷却速率条件生成，在极低冷却速率下结构生成速度比传统分子动力学模拟快1000 倍，并可直接拓展至介孔二氧化硅与实验电镜表征数据，为玻璃、多孔材料、非晶合金的高效逆向设计提供全新范式。

非晶材料（玻璃、金属玻璃、多孔非晶、无定形电极）是现代材料的 “隐形主力军”。但它们没有周期性晶格、原子排布高度无序、能量面极其粗糙，想模拟出一套真实可靠的原子结构，一直是计算材料学的噩梦。

传统分子动力学（MD）要靠 “熔融–淬火” 模拟，冷却越慢越真实，但耗时爆炸；实验表征分辨率有限，很难拿到完整原子排布。现有生成 AI 要么结构不合理，要么性质对不上，几乎无法用于真实模拟研究。

这篇论文直接给出了终极方案：一套专门做非晶材料的生成式扩散模型。

它能从随机原子点云，一步生成物理合理、性质准确、可直接用于模拟的非晶原子结构。速度提升 1000 倍，还能按冷却速率、尺寸、形状、孔隙条件 “定制” 非晶结构。

一、非晶材料模拟：困在速度与精度里的难题

非晶材料没有长程有序，原子位置高度依赖制备过程，尤其是冷却速率。实验冷却速率可以慢到 1 K/s 以下，但 MD 模拟只能做到 10¹² K/s，差距 10 个量级，导致结构和性质严重失真。

想得到更真实的非晶结构，就必须做极慢冷却模拟，但计算成本会呈指数上升。一个几千原子的体系，慢冷却一次可能耗费数万 CPU 小时，大体系几乎无法完成。

更麻烦的是，非晶结构对局部环境极度敏感：

只要少量原子位置不合理，弹性模量、屈服强度、断裂行为就会全盘崩溃。

过去的生成模型大多只能 “长得像”，一算性质就离谱，根本无法用于后续科学计算。

科研界迫切需要一种：快、准、稳、物理合理、性质可靠的非晶结构生成工具。

二、AI 破局：面向非晶材料的扩散模型框架

这篇研究提出的非晶专用扩散模型，建立在DDPM与E (3) 等变图神经网络之上，完美适配原子体系的旋转、平移对称性。

图 1：模型整体框架

2.1 核心逻辑：从随机原子到合理非晶

模型的流程非常清晰：

前向过程：给真实非晶结构逐步加噪声，直到变成完全随机的原子云。

逆向过程：从随机原子出发，用训练好的去噪模型一步步 “降噪”，恢复成结构合理、性质准确的非晶构型。

与普通扩散模型不同，它专门为非晶材料做了关键改进：

加入冷却速率嵌入，让模型可以按目标冷却速率生成结构。使用大噪声调度，确保原子能充分弛豫，避免模式坍塌。最后用极短 MD 精修，让结构完全满足力场合理性。

2.2 模型架构：等变 GNN + 冷却速率条件

模型使用NequIP架构的 E (3) 等变 GNN，保证预测噪声满足物理对称性。

同时加入高斯基函数冷却速率编码，把 log 尺度的速率映射为高维特征，送入每一层卷积。

这让模型学会了：不同冷却速率 → 不同构型熵 → 不同键角分布 → 不同力学性质的完整映射关系。

2.3 关键设计：必须加 “大噪声” 才能生成合格非晶

研究通过严格对照证明：

去噪过程必须加入足够大的初始噪声，才能生成结构合理、性质正确的非晶。

不加噪声的生成结果：PDF 对得上，键角对得上，但弹性模量完全错误、断裂行为完全失效。

原因很简单：非晶需要足够的 “热扰动” 才能逃出局部陷阱，形成真实的拓扑网络。

三、关键结果：结构、性质、速度全面突破

3.1 非晶二氧化硅：结构与弹性性质完全复刻

图 2：结构与力学性质精准复现

模型生成的 a-SiO₂结构做到了完美还原：

部分对分布函数 PDF 与模拟完全重合，Si–O–Si、O–Si–O 键角分布高度一致，环尺寸分布几乎无差别，体积模量、剪切模量、杨氏模量、泊松比全部与真实模拟一致。

更关键的是：信息熵分布与模拟一致，证明模型没有模式坍塌，真正学会了非晶的分布。

3.2 条件生成：按冷却速率定制非晶

模型可以直接输入目标冷却速率（10⁻² ~ 10³ K/ps），生成对应结构：

速率越快，信息熵越高，平均 Si–O–Si 键角随速率规律变化，杨氏模量、弹性常数保持准确。

最震撼的是效率：10⁻² K/ps 超慢冷结构，MD 需要数万 CPU 小时，AI 只需 3.2 小时，速度提升 ≈ 1000 倍。

3.3 大尺寸与断裂：纳米尺度延脆转变

模型支持任意尺寸、任意形状生成，研究直接做到 11 万原子体系：小尺寸非晶二氧化硅：延性断裂；大尺寸：脆性断裂；慢冷结构更脆，快冷更韧。

这是人类首次低成本系统研究非晶在纳米尺度的延脆转变。

3.4 介孔非晶：从未训练，却能生成孔结构

研究直接在初始结构里 “挖去” 一个圆柱孔，再用模型去噪：模型从未见过孔，却自动生成光滑、非晶合理的孔壁；孔表面非桥氧密度与实验完全一致；骨架保持完美的 a-SiO₂结构。

这意味着：孔型非晶可以一键生成。

3.5 金属玻璃：从模拟到实验数据全覆盖

模型进一步拓展到 Cu–Zr 金属玻璃：PDF、原子体积分布、Voronoi 指数高度吻合；应力–应变曲线、杨氏模量、强度全部复现；甚至能从实验 AET 电镜单颗粒数据训练，生成与实验统计一致的非晶结构

这是全球首个能同时拟合实验表征数据的非晶生成模型。

图 3：冷却速率条件生成与速度提升

四、科学意义：非晶材料设计进入 AI 生成时代

这项研究彻底改变了非晶材料的模拟范式。

它第一次实现了从随机原子到物理合理、性质准确、可直接用于生产模拟的非晶结构全自动生成，并且支持冷却速率、尺寸、形状、孔隙等多条件可控生成。

模型突破了传统 MD 在冷却速率与尺度上的极限，把过去无法完成的极慢冷、超大体系、介孔结构全部变成常规计算。它不依赖复杂经验规则，不依赖逆蒙特卡洛类的结构拟合，而是通过数据驱动直接学习非晶的构型分布，同时保证结构与性质双真实。

更重要的是，它打通了 “实验表征 → AI 生成 → 计算模拟” 的闭环，让实验上难以解析、难以重复、难以规模化的非晶体系，第一次拥有了高效、可靠、可泛化的计算设计工具。

五、总结

非晶材料的结构与性质高度依赖原子排布，但传统模拟受限于冷却速率、计算成本与结构合理性，长期难以突破。这项研究提出的非晶专用扩散模型，用等变图神经网络与条件生成机制，给出了完美解决方案。

它能快速生成结构准确、力学性质可靠的非晶结构，速度比传统模拟快 1000 倍以上，可按冷却速率、尺寸、形状、孔隙定制，同时适用于氧化物玻璃、金属玻璃、介孔材料，甚至能直接学习实验电镜数据。这不仅是算法的突破，更是非晶材料逆向设计的里程碑。从此，非晶材料不再靠 “漫长淬火” 碰运气，而是靠 AI 直接生成、按需设计。

---

论文链接：https://arxiv.org/pdf/2507.05024

本文解读 arXiv 预印本论文《A Generative Diffusion Model for Amorphous Materials》，研究提出面向非晶材料的生成式扩散模型，基于 E (3) 等变图神经网络实现原子结构的去噪生成。模型可精准复现二氧化硅玻璃、金属玻璃的近 / 中程有序结构、弹性模量与应力–应变行为，支持冷却速率条件生成，在极低冷却速率下结构生成速度比传统分子动力学模拟快1000 倍，并可直接拓展至介孔二氧化硅与实验电镜表征数据，为玻璃、多孔材料、非晶合金的高效逆向设计提供全新范式。

非晶材料（玻璃、金属玻璃、多孔非晶、无定形电极）是现代材料的 “隐形主力军”。但它们没有周期性晶格、原子排布高度无序、能量面极其粗糙，想模拟出一套真实可靠的原子结构，一直是计算材料学的噩梦。

传统分子动力学（MD）要靠 “熔融–淬火” 模拟，冷却越慢越真实，但耗时爆炸；实验表征分辨率有限，很难拿到完整原子排布。现有生成 AI 要么结构不合理，要么性质对不上，几乎无法用于真实模拟研究。

这篇论文直接给出了终极方案：一套专门做非晶材料的生成式扩散模型。

它能从随机原子点云，一步生成物理合理、性质准确、可直接用于模拟的非晶原子结构。速度提升 1000 倍，还能按冷却速率、尺寸、形状、孔隙条件 “定制” 非晶结构。

一、非晶材料模拟：困在速度与精度里的难题

非晶材料没有长程有序，原子位置高度依赖制备过程，尤其是冷却速率。实验冷却速率可以慢到 1 K/s 以下，但 MD 模拟只能做到 10¹² K/s，差距 10 个量级，导致结构和性质严重失真。

想得到更真实的非晶结构，就必须做极慢冷却模拟，但计算成本会呈指数上升。一个几千原子的体系，慢冷却一次可能耗费数万 CPU 小时，大体系几乎无法完成。

更麻烦的是，非晶结构对局部环境极度敏感：

只要少量原子位置不合理，弹性模量、屈服强度、断裂行为就会全盘崩溃。

过去的生成模型大多只能 “长得像”，一算性质就离谱，根本无法用于后续科学计算。

科研界迫切需要一种：快、准、稳、物理合理、性质可靠的非晶结构生成工具。

二、AI 破局：面向非晶材料的扩散模型框架

这篇研究提出的非晶专用扩散模型，建立在DDPM与E (3) 等变图神经网络之上，完美适配原子体系的旋转、平移对称性。

图 1：模型整体框架

2.1 核心逻辑：从随机原子到合理非晶

模型的流程非常清晰：

前向过程：给真实非晶结构逐步加噪声，直到变成完全随机的原子云。

逆向过程：从随机原子出发，用训练好的去噪模型一步步 “降噪”，恢复成结构合理、性质准确的非晶构型。

与普通扩散模型不同，它专门为非晶材料做了关键改进：

加入冷却速率嵌入，让模型可以按目标冷却速率生成结构。使用大噪声调度，确保原子能充分弛豫，避免模式坍塌。最后用极短 MD 精修，让结构完全满足力场合理性。

2.2 模型架构：等变 GNN + 冷却速率条件

模型使用NequIP架构的 E (3) 等变 GNN，保证预测噪声满足物理对称性。

同时加入高斯基函数冷却速率编码，把 log 尺度的速率映射为高维特征，送入每一层卷积。

这让模型学会了：不同冷却速率 → 不同构型熵 → 不同键角分布 → 不同力学性质的完整映射关系。

2.3 关键设计：必须加 “大噪声” 才能生成合格非晶

研究通过严格对照证明：

去噪过程必须加入足够大的初始噪声，才能生成结构合理、性质正确的非晶。

不加噪声的生成结果：PDF 对得上，键角对得上，但弹性模量完全错误、断裂行为完全失效。

原因很简单：非晶需要足够的 “热扰动” 才能逃出局部陷阱，形成真实的拓扑网络。

三、关键结果：结构、性质、速度全面突破

3.1 非晶二氧化硅：结构与弹性性质完全复刻

图 2：结构与力学性质精准复现

模型生成的 a-SiO₂结构做到了完美还原：

部分对分布函数 PDF 与模拟完全重合，Si–O–Si、O–Si–O 键角分布高度一致，环尺寸分布几乎无差别，体积模量、剪切模量、杨氏模量、泊松比全部与真实模拟一致。

更关键的是：信息熵分布与模拟一致，证明模型没有模式坍塌，真正学会了非晶的分布。

3.2 条件生成：按冷却速率定制非晶

模型可以直接输入目标冷却速率（10⁻² ~ 10³ K/ps），生成对应结构：

速率越快，信息熵越高，平均 Si–O–Si 键角随速率规律变化，杨氏模量、弹性常数保持准确。

最震撼的是效率：10⁻² K/ps 超慢冷结构，MD 需要数万 CPU 小时，AI 只需 3.2 小时，速度提升 ≈ 1000 倍。

3.3 大尺寸与断裂：纳米尺度延脆转变

模型支持任意尺寸、任意形状生成，研究直接做到 11 万原子体系：小尺寸非晶二氧化硅：延性断裂；大尺寸：脆性断裂；慢冷结构更脆，快冷更韧。

这是人类首次低成本系统研究非晶在纳米尺度的延脆转变。

3.4 介孔非晶：从未训练，却能生成孔结构

研究直接在初始结构里 “挖去” 一个圆柱孔，再用模型去噪：模型从未见过孔，却自动生成光滑、非晶合理的孔壁；孔表面非桥氧密度与实验完全一致；骨架保持完美的 a-SiO₂结构。

这意味着：孔型非晶可以一键生成。

3.5 金属玻璃：从模拟到实验数据全覆盖

模型进一步拓展到 Cu–Zr 金属玻璃：PDF、原子体积分布、Voronoi 指数高度吻合；应力–应变曲线、杨氏模量、强度全部复现；甚至能从实验 AET 电镜单颗粒数据训练，生成与实验统计一致的非晶结构

这是全球首个能同时拟合实验表征数据的非晶生成模型。

图 3：冷却速率条件生成与速度提升

四、科学意义：非晶材料设计进入 AI 生成时代

这项研究彻底改变了非晶材料的模拟范式。

它第一次实现了从随机原子到物理合理、性质准确、可直接用于生产模拟的非晶结构全自动生成，并且支持冷却速率、尺寸、形状、孔隙等多条件可控生成。

模型突破了传统 MD 在冷却速率与尺度上的极限，把过去无法完成的极慢冷、超大体系、介孔结构全部变成常规计算。它不依赖复杂经验规则，不依赖逆蒙特卡洛类的结构拟合，而是通过数据驱动直接学习非晶的构型分布，同时保证结构与性质双真实。

更重要的是，它打通了 “实验表征 → AI 生成 → 计算模拟” 的闭环，让实验上难以解析、难以重复、难以规模化的非晶体系，第一次拥有了高效、可靠、可泛化的计算设计工具。

五、总结

非晶材料的结构与性质高度依赖原子排布，但传统模拟受限于冷却速率、计算成本与结构合理性，长期难以突破。这项研究提出的非晶专用扩散模型，用等变图神经网络与条件生成机制，给出了完美解决方案。

它能快速生成结构准确、力学性质可靠的非晶结构，速度比传统模拟快 1000 倍以上，可按冷却速率、尺寸、形状、孔隙定制，同时适用于氧化物玻璃、金属玻璃、介孔材料，甚至能直接学习实验电镜数据。这不仅是算法的突破，更是非晶材料逆向设计的里程碑。从此，非晶材料不再靠 “漫长淬火” 碰运气，而是靠 AI 直接生成、按需设计。

---

论文链接：https://arxiv.org/pdf/2507.05024