ANCHOR 只训练成分选择；换一组势函数打分，领先就反转

2026 年 9 月 27 日，丹麦技术大学能源转换与储存系的 Emma Lei Hovmand、Jonas Elsborg（并列第一作者）与 Arghya Bhowmik，以及南丹麦大学的 Melih Kandemir 在 arXiv 发布预印本《Let CSP Be Your ANCHOR: Adaptive Crystal Search over Frozen Structure Priors》（arXiv:2609.33407v1，52 页，2 张图，23 张表，CC BY 4.0）。论文尚未经过同行评审。^[S1]

两个问题，原本由同一组权重回答

从头生成晶体的模型（DNG，de novo generation）同时决定两件事：试哪种化学成分，以及给定成分时原子怎样排列。后一件就是晶体结构预测（CSP）。论文把 DNG 拆成「成分分布 × 给定成分时的结构模型」，并主张两者应当分开训练：结构模型是物理先验，应当用结构数据按似然训练；所有「发现」类的奖励，包括随搜索历史变化的新颖性，都交给一个单独的成分策略。ANCHOR 就是这样搭起来的：一个用 GRPO 训练的成分策略，外加一个冻结的 KLDM-CSP 扩散模型，只有策略更新。^[S1]

策略每一步选定元素个数（2 到 4 种，取自 84 种元素）、具体元素、晶胞原子数（最多 20 个）和配比，由此得到约化化学式。冻结的结构模型为它采样一个结构，用 MatterSim-1M 势只弛豫原子位置、最多 100 步 BFGS，然后打分。结构先要过一道有效性门槛（原子间距不过近、能找到电中性的氧化态组合），不过门槛的得固定罚分 -0.2；过了门槛的，按稳定性（1 - 截断后的 Ehull）、新颖性和组内的结构与成分多样性加权计分，另加一项随同一化学式出现次数递减的计数奖励。按 ICSD 氧化态列举，电中性的二元、三元、四元成分分别约 4.4×10⁴、1.1×10⁷、1.1×10⁹ 个，一次训练只评估约 10⁵ 个。^[S1]

新颖性为什么要记住搜索历史

通常的新颖性只对照一个固定的参考库，一个晶体第二次被找到时还能拿同样的奖励。论文提出连续自适应新颖性（CAN）：用径向分布函数直方图描述结构，只和同一化学式的结构比较，分别对照固定的 MP-20 参考库和策略自己已经生成过的结构，取两者中较低的分数；打完分后，这个结构加入历史库，再生成一次，新颖性就归零。消融（Table 1）里，三种防重复机制全关时，策略塌缩到 0.7% 的化学式不重复，虽然 96.3% 的结构亚稳，MSUN 只有 0.4%；把 CAN 换成二元新颖标记，SUN 从 22.1% 降到 8.9%，MSUN 从 47.6% 降到 25.0%；把历史库换成只对照 MP-20，SUN 为 14.7%。一次完整训练中，101,237 个有效结构有 97,599 个不同的约化化学式，与 MP-20 重合的化学式从前五分之一的 346 个降到最后五分之一的 3 个。^[S1]

SUN 与 MSUN 怎样判定

作者自己的评估（「固定尺子」）：每个模型训练结束后重新采样 1,000 个结构、三个随机种子；一律用更大的 MatterSim-5M 势做最多 400 步 BFGS 弛豫，原子位置和晶格都放开，再对照 Alex-MP 凸包算 Ehull。Stable 指 Ehull ≤ 0，Meta 指 Ehull ≤ 0.1 eV/原子；Unique 按约化化学式去重；Novel 指新颖性分数 > 0.5，而论文自己说明，这在评估时几乎总等于「该化学式不在 MP-20 中」。SUN = 有效且稳定、唯一、新颖；MSUN = 有效且亚稳、唯一、新颖。MatterGen 的评估流程则原样使用：MatterSim-v1-1M 势、FIRE 弛豫、Alex-MP 凸包，唯一和新颖由结构匹配判定，且不以有效性为前提；它报告的「S.U.N.」就是这里的 MSUN。^[S1]

冻结的结构模型因此也成了一把尺子。论文的对照有三行（公式 2）：DNG 模型原样生成；把 DNG 的成分交给冻结的 CSP 模型；把 ANCHOR 的成分交给同一个 CSP 模型。前两行成分相同，只换结构模型；后两行结构模型相同，只换成分。在作者的评估下（Table 2），KLDM-DNG 自己生成时 MSUN 11.1%、SUN 1.4%，它的成分交给冻结的 KLDM-CSP 后为 11.4% 和 1.1%，换成 ANCHOR 的成分后为 47.6% 和 22.1%。论文总结：只换结构模型，两种评估流程下 MSUN 和 SUN 最多变动 1.0 个百分点；只换成分，MSUN 提高 32 到 36 个百分点，SUN 提高 11 到 20 倍。这里的 KLDM-DNG 是作者自己在 MP-20 上从头训练的（KLDM 只发布了 CSP 权重），按 MatterGen 流程它的 MSUN 为 18.0%，与已发表的 KLDM 最好变体 18.5% 相当。^[S1]

为什么不直接微调生成模型

论文附录 C 推导了一个界：带 KL 正则的奖励微调，其最优成分分布相对原模型的比值不超过 e^(ΔR/β)，ΔR 是奖励的取值范围，β 是 KL 强度。也就是说，它只能把原模型已经会提议的化学成分放大一个有限倍数，够不到原模型几乎不给概率的化学成分；而一个 KL 系数同时约束成分和结构两部分，放松它去换取化学上的移动，结构模型也就失去了约束。去掉 KL 项，这个界就不存在了，但论文实测到的是另一种走向：用 DDPO、不加 KL，在与 ANCHOR 相同的奖励上微调 Crystalite-DNG，有效率从 47.0% 翻倍到约 97%，SUN 却从 1.5% 变为 0.9%（均衡权重下 1.5%）；化学式不重复的比例降到 40.5% 到 49.5%，每 1,000 个样本里有 612 到 632 个化学式已在 MP-20 中。把微调后的成分交给冻结的结构模型，稳定性照样下降，说明损失主要来自成分，而不是结构模型的漂移。KLDM-DNG 微调后同样没有提高 SUN。^[S1]

奖励回传给结构模型也不行，即使只传稳定性一项：让 GRPO 用完整奖励同时更新 KLDM-CSP，SUN 只有 6.3%；只把稳定性项回传给结构模型、策略仍拿完整奖励，SUN 为 10.7%，仍约为冻结时 22.1% 的一半。论文承认，部分差距可能来自在一个不断变化的结构模型上联合训练。反过来，把搜索找到的结构当作似然训练数据是有用的：从一次 ANCHOR 训练中随机抽取 27,136 个有效结构（不按稳定性或新颖性筛选），与 MP-20 合并后微调结构模型，并与训练步数相同、只用 MP-20 的对照比较。Crystalite-CSP 的 SUN 从 20.4% 升到 26.0%（MatterGen 流程下 MSUN 从 39.5% 升到 47.1%）；KLDM-CSP 则基本不变（22.1% 对 22.7%），所以效果取决于结构模型。^[S1]

对一个做材料生成的团队，这篇论文给出的是一个具体的分工：结构模型当作可以替换的物理先验，出了更好的就直接换上；强化学习只负责决定往哪里查询它。论文的迁移实验支持这种可替换性：只在 KLDM-CSP 上训练的策略不经重训，换到 Crystalite-CSP 和 OMatG-CSP 上，作者评估下的 SUN 为 19.5% 和 21.7%，MatterGen 流程下的 MSUN 为 41.1% 和 43.1%。^[S1]

同一篇论文也说明了代价：搜索越强，越会钻打分器的空子。作者自己的评估、MatterGen 流程和训练奖励用的都是 MatterSim 势。换成 LeMat-GenBench（NequIP 预弛豫，Ehull 取 ORB-v3、MACE-MP、UMA 三个势的平均）后，ANCHOR 的 SUN 只有 0.4%，而 KLDM-DNG 的成分交给同一个冻结结构模型是 6.2%。所以「用什么势打分」和「奖励放在哪里」同样是要预先定下的决定；论文把 DFT 验证和针对势函数集成训练列为下一步。^[S1]

三种评估，三个结果。

同一个 ANCHOR 策略、同一个冻结的 KLDM-CSP，SUN 在作者的评估（MatterSim-5M，Table 2）下是 22.1%，在 MatterGen 流程（MatterSim-v1-1M，Table 3）下是 16.0%，在 LeMat-GenBench（三势集成，MP-20 凸包，Table 15）下是 0.4%；换成 LeMat-Bulk 凸包（Table 14），SUN 为 0%，MSUN 为 2.9%。论文把能量在凸包上的 SUN 作为主指标，把 MSUN 当作次要指标，原因见下一条。作者也写明了这一点：「和任何针对某个势优化的模型一样，它在凸包上的比例取决于那个势」，并把它称为古德哈特定律在材料搜索中的体现。^[S1]

反转不只是有效性门槛造成的。

Table 16 把 LeMat 的有效性门槛搬进作者自己的流程，其余（MatterSim-5M 弛豫、凸包、新颖性库）不变：ANCHOR 的 SUN 为 13.6%，Crystalite-DNG 为 1.7%，ANCHOR 仍然领先。再换成 LeMat-GenBench 自己的势函数、弛豫和凸包，ANCHOR 降到 0.4%，Crystalite-DNG 升到 9.8%；MSUN 上 ANCHOR 从 34.1% 降到 7.8%，Crystalite-DNG 从 27.1% 到 30.0% 基本不变。论文据此认为，针对一个势训练的策略，比按某个势挑选检查点更会钻这个势的空子。^[S1]

策略也会钻有效性门槛的空子。

LeMat-GenBench 的电中性检查对被判为金属的成分直接放行。改用这个门槛训练，同样的架构和结构模型学成了几乎全金属的配方：最后 400 步里 80.0% 是全金属化学式（用作者门槛训练时为 3.1%），含硫化学式从 53.9% 降到 0.8%，平均每个化学式的原子数从 15.2 降到 7.6。它在 LeMat-GenBench 上 MSUN 达到 32.5%，高于论文评估的所有 DNG 模型，SUN 却只有 1.0%；在作者的门槛下，这批结构只有 5.6% 有效。这也是论文把 SUN 而不是 MSUN 作为主指标的原因：接近凸包的金属合金能满足除「在凸包上」之外的每一项条件。^[S1]

ANCHOR 的原始亚稳比例并不更高。

在 MatterGen 流程下，Crystalite-DNG 的原始亚稳比例（Meta）为 57.0%，ANCHOR 为 41.3%；但 Crystalite-DNG 既亚稳、又唯一且新颖的只有约 23%（单种子，Table 12），而 ANCHOR 的唯一和新颖都是 100%，所以它的 MSUN 就等于原始亚稳比例。论文自己的解读是：优势来自把成分分配到冻结结构模型容易成功的区域，而不是生成的结构更稳定。ANCHOR 的结构在弛豫中移动得也比任何 DNG 模型都远（RMSD 1.27-1.39 Å，DNG 最多 0.72 Å），说明很多结构工作是弛豫器完成的。^[S1]

「新颖」只对照 MP-20。

作者评估中的新颖性，是对照 MP-20（取自 Materials Project 的基准集，论文的参考库含 45,229 个结构、37,217 个约化化学式）；论文说明，评估时 Novel 几乎总等于「该化学式不在 MP-20 中」。一个不在 MP-20 里的化学式，仍可能出现在完整的 Materials Project、Alexandria 或实验数据库中，论文没有对这些库逐一核对。MatterGen 流程的新颖性按它自己的参考集做结构匹配。^[S1]

没有 DFT，没有合成，代码尚未公开。

全文所有稳定性都来自机器学习势（MatterSim，外加 LeMat-GenBench 的 ORB-v3、MACE-MP、UMA 集成），没有对任何生成的晶体做 DFT 计算，也没有合成；论文在讨论中把 DFT 验证列为自然的下一步。论文称代码将在接收发表时公开，所用的结构模型、数据集和势函数均已公开。主配置是从八次训练中选出的，挑选用的是晶格固定的评估协议，正文报告的是晶格放开的协议，附录 E.1.4 显示两者结论一致。本简报的数字全部取自论文正文与附录表格，没有复现任何计算。^[S1]

冻结的模型是对照工具

这篇论文最可迁移的不是 ANCHOR 本身，而是它的对照方法：把一个经过奖励微调的生成模型产出的成分，交给一个没动过的结构模型，就能把「化学成分变了」和「结构生成变了」分开计量。按这个方法，论文发现微调后的损失主要出在成分上。任何声称「强化学习改进了生成模型」的工作都可以这样拆开看。

奖励放在哪里，和奖励测什么一样重要

同一个奖励，放在成分策略上，SUN 为 22.1%；回传给结构模型，即使只传稳定性一项，也只有 10.7%。一个晶体被找到之后，物理上并没有变得更不合理，只是再采一次没有用处了；让结构模型为此调整，就是让物理先验去适应搜索的历史。论文的结论是：奖励引导搜索，似然训练结构模型。

强搜索会放大打分器的偏差

ANCHOR 在两个 MatterSim 评估下领先，在三势集成下落后；用 LeMat 门槛训练时，它学会了用全金属配方绕过电中性检查。搜索能力越强，打分器的漏洞越会被放大。读这类结果时，要看它是否在一个训练中没见过的势函数、门槛和凸包下仍然成立。

与本站 MatterGen 条目的关系

本站的 MatterGen 条目记录的是一个联合生成成分与结构的扩散模型。ANCHOR 在 MatterGen 自己的评估流程下报告了更高的 MSUN（41.3% 对此前最好的 29.2%），但这个比较用的是 MatterSim 势，与 ANCHOR 训练时用的势同一家族；在不同的势函数集成下，它的 SUN 低于对照。所以这是一个关于搜索结构的论证，还不是一个关于能做出更多稳定材料的证明。