PhononBench:A Large-Scale Phonon-Based Benchmark for Dynamical Stability in Crystal Generation

📄 arXiv: 2512.21227 📥 PDF

作者: Xiao-Qi Han, Ze-Feng Gao, Wen-Kao Li, Peng-Jie Guo, Zhong-Yi Lu

分类: cs.AI

发布日期: 2026-06-12

💡 一句话要点

提出PhononBench以解决晶体生成中的动态稳定性评估问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 晶体生成 动态稳定性 声子计算 材料科学 生成模型 基准测试 MatterSim

📋 核心要点

  1. 现有的晶体生成模型在动态稳定性评估上存在不足，主要依赖热力学标准，未能全面反映材料的实际稳定性。
  2. 论文提出PhononBench，利用MatterSim原子间势实现高效的声子计算，针对生成的133,838种晶体结构进行动态稳定性分析。
  3. 实验结果显示，当前生成模型的动态稳定性普遍较低，MatterGen模型的动态稳定性率最高也仅为45.05%。

📝 摘要（中文）

近年来，生成性人工智能在晶体材料设计方面取得了显著进展，但现有的稳定性评估方法主要依赖热力学标准，未能充分考虑材料的动态稳定性。动态稳定性是材料合成和持久存在的关键因素，而声子谱计算是评估其标准。然而，声子谱计算的高计算成本限制了对生成晶体的动态稳定性进行大规模评估。本文提出PhononBench，首个大规模动态稳定性基准，利用新开发的MatterSim原子间势，实现了对133,838种晶体结构的高效声子计算和动态稳定性分析。研究发现，当前生成模型的动态稳定性普遍不足，平均动态稳定性率仅为32.15%。

🔬 方法详解

问题定义：本文旨在解决现有晶体生成模型在动态稳定性评估中的不足，现有方法主要依赖热力学标准，无法全面评估材料的实际动态稳定性。

核心思路：论文提出PhononBench，利用高效的MatterSim原子间势进行声子计算，以实现对大量生成晶体的动态稳定性评估。

技术框架：PhononBench的整体架构包括声子计算模块和动态稳定性分析模块，能够处理超过133,000种晶体结构，提供快速的声子预测服务。

关键创新：PhononBench是首个大规模动态稳定性基准，利用MatterSim实现了DFT级别的声子预测精度，显著降低了计算成本。

关键设计：在参数设置上，使用了-0.1 THz的声子频率阈值进行动态稳定性评估，并在严格的-0.001 THz阈值下识别出32,995种声子稳定的晶体结构。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，当前生成模型的动态稳定性普遍较低，所有生成结构的平均动态稳定性率仅为32.15%。在严格的-0.001 THz阈值下，识别出32,995种声子稳定的晶体结构，显示出PhononBench在动态稳定性评估中的有效性。

🎯 应用场景

该研究的潜在应用领域包括新材料的设计与发现，特别是在半导体、超导体和催化剂等领域。PhononBench的高效声子计算能力将加速材料科学的研究进程，推动新材料的实际应用。未来，随着更多生成模型的引入，PhononBench将为动态稳定性评估提供更为全面的支持。

📄 摘要（原文）

In recent years, generative artificial intelligence has made significant advances in the design of crystalline materials, giving rise to approaches based on graph neural networks, diffusion models, and large language models. Existing evaluations commonly follow the stability-uniqueness-novelty (S.U.N.) framework, where stability is primarily assessed using thermodynamic criteria, which do not fully capture the dynamical stability essential for a material's practical existence. Dynamical stability is a key determinant of whether a material can be synthesized and persist, with phonon spectrum calculations serving as the standard for its evaluation. However, the high computational cost of such calculations has prevented large-scale assessment of dynamical stability in generated crystals. In this work, we introduce PhononBench, the first large-scale benchmark for dynamical stability in AI-generated crystals. Leveraging the recently developed MatterSim interatomic potential, which achieves density-functional-theory (DFT)-level accuracy in phonon predictions across more than 10,000 materials, PhononBench enables efficient phonon calculations and dynamical-stability analysis for 133,838 crystal structures generated by 7 leading crystal generation models. PhononBench reveals a widespread limitation of current generative models: unless otherwise specified, all reported dynamical-stability metrics are evaluated at a phonon-frequency threshold of -0.1 THz, with the average dynamical-stability rate across all generated structures being only 32.15%, and the top-performing model, MatterGen, reaching just 45.05%.In addition, we identify 32,995 crystal structures that are phonon-stable across the entire Brillouin zone under a strict threshold of -0.001 THz. In addition, a web-based service is accessible atthis http URL, enabling minute-level ultra-fast phonon predictions.