PhononBench : Un benchmark à grande échelle basé sur les phonons pour la stabilité dynamique dans la génération de cristaux

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

December 24, 2025

papers.authors: Xiao-Qi Han, Ze-Feng Gao, Peng-Jie Guo, Zhong-Yi Lu

cs.AI

papers.abstract

Dans ce travail, nous présentons PhononBench, la première base de référence à grande échelle pour la stabilité dynamique dans les cristaux générés par IA. En tirant parti du potentiel interatomique MatterSim récemment développé, qui atteint une précision de niveau DFT dans les prédictions de phonons pour plus de 10 000 matériaux, PhononBench permet des calculs de phonons à grande échelle efficaces et une analyse de la stabilité dynamique pour 108 843 structures cristallines générées par six modèles leaders de génération de cristaux. PhononBench révèle une limitation généralisée des modèles génératifs actuels pour garantir la stabilité dynamique : le taux moyen de stabilité dynamique pour l'ensemble des structures générées n'est que de 25,83 %, le meilleur modèle, MatterGen, n'atteignant que 41,0 %. Des études de cas supplémentaires montrent que dans la génération ciblant des propriétés – illustrée ici par le conditionnement sur la largeur de bande avec MatterGen – le taux de stabilité dynamique reste aussi faible que 23,5 %, même à la condition de largeur de bande optimale de 0,5 eV. Dans la génération contrôlée par groupe d'espace, les cristaux de symétrie plus élevée présentent une meilleure stabilité (par exemple, les systèmes cubiques atteignent des taux allant jusqu'à 49,2 %), mais la stabilité moyenne pour l'ensemble des générations contrôlées n'est encore que de 34,4 %. Un résultat supplémentaire important de cette étude est l'identification de 28 119 structures cristallines qui sont stables du point de vue des phonons sur l'ensemble de la zone de Brillouin, fournissant un réservoir substantiel de candidats fiables pour l'exploration future des matériaux. En établissant la première base de référence à grande échelle sur la stabilité dynamique, ce travail met systématiquement en lumière les limitations actuelles des modèles de génération de cristaux et offre des critères d'évaluation essentiels et des orientations pour leur développement futur vers la conception et la découverte de matériaux physiquement viables. Toutes les structures cristallines générées par les modèles, les résultats des calculs de phonons et les workflows d'évaluation à haut débit développés dans PhononBench seront librement accessibles à l'adresse 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