ATLAS：面向非晶材料玻尔兹曼采样的基础神经采样器
【前沿科学转载】
非晶固体（amorphous solids）是材料科学和凝聚态物理的前沿领域——从块体氧化物玻璃到金属玻璃，再到二维非晶材料，这些非晶态系统能将结构无序转化为可调的力学、输运、光学和化学性质，有时甚至超越其晶态对应物。然而，对非晶材料的模拟一直是一个长期挑战：其势能面包含大量结构不同的亚稳态盆地，传统分子动力学和蒙特卡罗方法在低温下效率极低。
7月21日发表于arXiv的最新论文提出了ATLAS——一个高效的非晶材料神经网络采样器。ATLAS通过学习一个扩散过程，直接从目标能量函数生成玻尔兹曼分布的原子构型。该模型由等变图神经网络参数化，可跨体系尺寸、温度和化学组分泛化。通过利用扩散过程的时间反演，ATLAS能够高效估计热力学量并导向目标可观测量。
在二维Kob-Andersen系统中的验证表明，ATLAS能够复现并行回火马尔可夫链蒙特卡罗方法的结构分布、自由能和熵，在低温玻璃区域（T=0.2）实现了低于0.2%的自由能误差，而能量评估次数减少了500倍以上。在Cu-Zr和Cr-Co-Ni金属玻璃中，ATLAS成功恢复了实验观测的短程有序趋势，并可导向目标序参数和优化的体模量。
更令人瞩目的是，将ATLAS与大型语言模型智能体结合后，系统仅用480次评估就在八元素空间中搜索高熵金属玻璃的帕累托前沿，在刚度和延展性之间取得了平衡。这一定位ATLAS为非晶材料基础模型的工作，将玻尔兹曼采样、热力学估计、可控生成和组分级逆向设计统一在单一计算框架内，为加速新型非晶材料的发现提供了革命性工具。
来源：
📄 arXiv:2607.19198 — “ATLAS: A Foundation Neural Sampler for Amorphous Materials”
👥 作者：Mouyang Cheng, Denis Blessing, Botao Yu, Gerhard Neumann, Mingda Li, Carles Domingo-Enrich, Yuanqi Du
🏷️ 分类：cond-mat.mtrl-sci, cs.LG, physics.comp-ph
📅 提交日期：2026-07-21