PhononBench: Un Benchmark a Gran Escala Basado en Fonones para la Estabilidad Dinámica en la Generación de Cristales

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

December 24, 2025

Autores: Xiao-Qi Han, Ze-Feng Gao, Peng-Jie Guo, Zhong-Yi Lu

cs.AI

Resumen

En este trabajo presentamos PhononBench, el primer benchmark a gran escala para la estabilidad dinámica en cristales generados por IA. Aprovechando el potencial interatómico MatterSim, recientemente desarrollado, que alcanza una precisión a nivel DFT en predicciones de fonones para más de 10,000 materiales, PhononBench permite cálculos eficientes de fonones a gran escala y análisis de estabilidad dinámica para 108,843 estructuras cristalinas generadas por seis modelos líderes de generación de cristales. PhononBench revela una limitación generalizada de los modelos generativos actuales para garantizar la estabilidad dinámica: la tasa promedio de estabilidad dinámica en todas las estructuras generadas es de solo 25.83%, siendo MatterGen, el modelo con mejor rendimiento, el que alcanza apenas un 41.0%. Estudios de caso adicionales muestran que, en la generación dirigida por propiedades—ilustrada aquí mediante el condicionamiento del gap de banda con MatterGen—la tasa de estabilidad dinámica se mantiene tan baja como 23.5%, incluso en la condición óptima de gap de banda de 0.5 eV. En la generación controlada por grupo espacial, los cristales de mayor simetría exhiben una mejor estabilidad (por ejemplo, los sistemas cúbicos alcanzan tasas de hasta 49.2%), sin embargo, la estabilidad promedio en todas las generaciones controladas es aún de solo 34.4%. Un resultado adicional importante de este estudio es la identificación de 28,119 estructuras cristalinas que son fonónicamente estables en toda la zona de Brillouin, proporcionando un conjunto sustancial de candidatos confiables para la futura exploración de materiales. Al establecer el primer benchmark a gran escala para la estabilidad dinámica, este trabajo destaca sistemáticamente las limitaciones actuales de los modelos de generación de cristales y ofrece criterios de evaluación esenciales y orientación para su desarrollo futuro hacia el diseño y descubrimiento de materiales físicamente viables. Todas las estructuras cristalinas generadas por los modelos, los resultados de los cálculos de fonones y los flujos de trabajo de evaluación de alto rendimiento desarrollados en PhononBench se liberarán abiertamente en https://github.com/xqh19970407/PhononBench.

English

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 DFT-level accuracy in phonon predictions across more than 10,000 materials, PhononBench enables efficient large-scale phonon calculations and dynamical-stability analysis for 108,843 crystal structures generated by six leading crystal generation models. PhononBench reveals a widespread limitation of current generative models in ensuring dynamical stability: the average dynamical-stability rate across all generated structures is only 25.83%, with the top-performing model, MatterGen, reaching just 41.0%. Further case studies show that in property-targeted generation-illustrated here by band-gap conditioning with MatterGen--the dynamical-stability rate remains as low as 23.5% even at the optimal band-gap condition of 0.5 eV. In space-group-controlled generation, higher-symmetry crystals exhibit better stability (e.g., cubic systems achieve rates up to 49.2%), yet the average stability across all controlled generations is still only 34.4%. An important additional outcome of this study is the identification of 28,119 crystal structures that are phonon-stable across the entire Brillouin zone, providing a substantial pool of reliable candidates for future materials exploration. By establishing the first large-scale dynamical-stability benchmark, this work systematically highlights the current limitations of crystal generation models and offers essential evaluation criteria and guidance for their future development toward the design and discovery of physically viable materials. All model-generated crystal structures, phonon calculation results, and the high-throughput evaluation workflows developed in PhononBench will be openly released at https://github.com/xqh19970407/PhononBench