RL引导扩散模型发现新材料
bravo_abad · x · 2026-07-07
详细技术帖讨论"reward-guided diffusion"：用强化学习作为后训练手段，引导扩散模型跳出训练分布、采样到低概率尾部的新结构。作者Hyunsoo Park和Aron Walsh将其重构为后训练问题，指出最大似然拟合的扩散模型倾向复现熟悉结构，而材料发现中有价值的新化合物恰在欠探索的低概率区域，因此需RL主动引导生成稳定新颖的晶体。
bravo_abad · x · 2026-07-07
详细技术帖讨论"reward-guided diffusion"：用强化学习作为后训练手段，引导扩散模型跳出训练分布、采样到低概率尾部的新结构。作者Hyunsoo Park和Aron Walsh将其重构为后训练问题，指出最大似然拟合的扩散模型倾向复现熟悉结构，而材料发现中有价值的新化合物恰在欠探索的低概率区域，因此需RL主动引导生成稳定新颖的晶体。