当大语言模型遇上分子结构生成：AI辅助材料发现的新探索

项目核心概述

Molecular-Identificatio是由Kris2lund维护的开源项目（GitHub链接：https://github.com/Kris2lund/Molecular-Identificatio，发布于2026年5月24日），探索大语言模型（LLM）生成分子结构并结合密度泛函理论（DFT）优化的可行性，评估生成结构与真实分子在几何构型和电子性质上的一致性，为AI辅助材料发现提供方法论参考。

核心思路

利用LLM直接输出分子三维坐标作为DFT计算的初始猜测，通过DFT优化后与PubChem数据库参考结构对比，探讨LLM在材料科学中的潜力与局限。

材料科学和计算化学领域长期面临核心挑战：如何高效发现和验证具有特定性质的新分子。传统分子结构生成依赖复杂物理模型和专家知识，DFT计算虽精确但需良好初始结构猜测才能收敛。近年LLM在文本、代码和结构化数据生成上的能力，引发科学界思考：LLM能否直接生成分子结构作为DFT初始猜测？

评估流程

1. 利用LLM直接输出分子三维坐标信息
2. 将生成结构作为初始猜测输入DFT计算优化
3. 优化结果与PubChem数据库参考结构多维度对比

评估指标

• 结构相似性：RMSD（均方根偏差）衡量原子位置偏差，统计成功率
• 电子性质：对比HOMO-LUMO能隙差异、DFT优化后的能量差异

项目选用两款主流LLM测试：Gemini 2.5 Flash和GPT-5.4（代表不同架构路线与训练策略），对比其表现以理解模型特性对分子生成任务的影响。实验设计考虑分子多样性和复杂度，确保评估结果具有统计意义。

项目仓库组织清晰，分为三个主要目录：

• codes：代码实现模块
• data：存放PubChem参考结构和LLM生成原始数据
• figures：存放可视化分析结果（如RMSD分布图、能隙对比图等） 模块化设计便于复现和扩展。

该项目代表AI for Science重要方向：

• 若LLM能可靠生成分子结构，将大幅降低材料发现门槛，加速新药研发、催化剂设计等领域进展
• 为理解LLM空间推理能力提供实验依据 未来结合更大规模模型和更丰富化学语料训练，AI辅助材料发现有望成为实验室标准流程。

Molecular-Identificatio项目虽处于早期阶段，但其探索方向具有重要科学价值和应用前景。随着LLM能力持续提升，AI在分子设计和材料科学中有望扮演越来越重要的角色。