생성형 결정구조 예측, 프로토타입 의존성에 크게 묶여 있음을 벤치마크가 보여줘

1/ AI 활용 방법: 12개 생성형 CSP 모델 벤치마크
2/ 적용 과제: 결정구조 예측 성능 비교와 프로토타입 의존성 분석
3/ 보고된 결과: 템플릿 retrieval이 top-1 68.3%로 가장 강했고, 프로토타입 가족 제거 시 정확도 50–78% 하락으로 프로토타입 의존성이 확인됨
4/ 12개 생성형 결정구조 예측(CSP) 모델을 대상으로 한 벤치마크가 잠재변수, diffusion, flow-matching, autoregressive 계열을 비교하고 프로토타입 의존성을 시험했다.
5/ 보고된 결과에 따르면 템플릿 retrieval이 top-1 68.3%로 가장 강했으며, 여러 생성형 모델의 성능은 템플릿 대체 접근과 유사한 수준으로 겹쳤다.
6/ 또한 특정 stoichiometric prototype family를 제거하면 정확도가 50–78% 하락해, 현재 생성형 CSP가 상당 부분 기존 프로토타입에 의존하고 있음을 보여줬다.
7/ 재료 발견에서는 새로운 조성의 후보 구조를 제안하는 데 유용한 결과지만, 단순한 생성 성능보다 프로토타입 편향과 검색 기반 대안을 함께 봐야 한다는 점을 시사한다.
8/ 다만 이 결론은 특정 벤치마크와 프로토타입 분할 조건에 기반하므로, 모든 물질군에서 동일한 수준의 의존성이 나타난다고 단정할 수는 없다. [1][2]