MatterGen：无机材料设计的生成模型

MatterGen 是面向无机材料设计的生成模型，覆盖元素周期表，并可通过微调将生成过程导向多种性质约束。

这个工具是什么

MatterGen 是微软发布的无机材料生成模型官方实现，对应论文发表于 Nature（DOI 10.1038/s41586-025-08628-5），代码以 MIT 许可证开源，主要语言为 Python，要求 Python 3.10 及以上。模型在无机材料数据上训练，可无条件采样，也可在化学体系、空间群、DFT 磁密度、DFT 带隙、ML 体模量等条件约束下生成候选结构。仓库提供预训练与微调检查点，并包含生成、评估与自行训练的完整流程，数据集与检查点通过 Git LFS 分发，同时托管于 Hugging Face。

核心能力

• 支持无条件生成与多种性质条件生成，覆盖化学体系、空间群、带隙、磁密度等约束
• 提供多个预训练与微调检查点，可直接用于采样，无需从头训练
• 包含评估流程与数据发布，便于对生成结果做后续筛选与验证
• 开放训练代码，支持在自有数据上重新训练或微调模型

科研中的典型用法

• 用预训练基础模型批量采样候选无机晶体结构，作为后续第一性原理计算的输入
• 按目标带隙或磁密度等性质条件生成材料，缩小候选空间后再做验证
• 在自有数据集上微调模型，使生成分布偏向特定化学体系或结构约束

快速上手

推荐使用 uv 管理环境：先 pip install uv，再 uv venv .venv --python 3.10 并激活，然后 uv pip install -e .；也可从 PyPI 安装 mattergen，并配合对应的 PyTorch Geometric CUDA wheel。仓库数据与检查点依赖 Git LFS，需先安装并执行 git lfs install。生成示例：设置 MODEL_NAME=mattergen_base 与 RESULTS_PATH，运行 mattergen-generate $RESULTS_PATH --pretrained-name=$MODEL_NAME --batch_size=16 --num_batches 1，可用 --seed 固定随机种子。

生态与相近工具

同类工作包括面向晶体结构生成的扩散与流模型，以及基于强化学习或遗传算法的材料逆向设计方法。MatterGen 的特点在于官方实现、公开检查点与条件微调接口，适合需要复现与二次开发的场景；若只需快速筛选，可先比较各工具提供的预训练模型与数据覆盖范围，再决定是否自行训练。

项目信息

• 仓库：microsoft/mattergen
• 星标：1,827　·　派生：349
• 主要语言：Python
• 许可证：MIT
• 最近提交：2026-08-27
• 项目主页：https://www.nature.com/articles/s41586-025-08628-5

本文属于《学科研究工具知识库 · 工程与材料》第 5 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。