7月2日消息，一项发表在arXiv的研究提出了基于基础模型的自适应晶体结构预测新方法。该研究由Chtchelkatchev N.M.、Magnitskaya M.V.和Ryltsev R.E.完成，于2026年6月29日发表。

晶体结构预测是化学和材料科学的关键挑战，但进化晶体结构预测(CSP)仍然计算成本高昂。研究人员引入了一种自派生的基础模型辅助CSP工作流，将进化搜索与自适应数据选择和微调相结合。

该算法从预训练的机器学习原子间势出发，迅速探索配置空间，同时迭代地选择紧凑、代表性和物理相关的结构子集进行DFT标注，减少冗余计算并改进系统特定势。

研究将该方法应用于化学复杂的Ca-Fe-Ni三元体系。工作流再现了已知的低压凸包，并预测了一个此前未报道的化合物Ca6FeNi，该化合物在100GPa以上变得热力学稳定。

该研究表明基于基础模型的数据高效CSP可以大幅减少计算成本，同时保持精度并启用在复杂多组分体系中发现新材料。 （来源：arXiv）