TCSP3.0破解晶体结构预测难题：元素替换修复与性能飞跃

晶体结构预测（CSP）是材料发现的核心环节，而基于模板的方法通过元素替换将已知结构迁移到新组分，其准确性高度依赖模板检索、元素映射与候选排序。然而，一项针对TCSP2.0的审计揭示了令人震惊的缺陷：在T180基准测试选出的2347个结构中，有469个（20%）组分错误，根源在于忽略化学计量系数的元素映射以及顺序文本替换导致的符号级联或损坏。

TCSP2.0的缺陷：20%的候选结构组分错误

研究团队在审计TCSP2.0时发现，其元素替换机制存在系统性缺陷。顺序文本替换不仅无法正确处理化学计量系数，还会在替换过程中级联破坏其他元素符号，导致最终结构组分与目标不符。这种错误在T180基准上占比高达20%，严重制约了预测可靠性。

这一发现直接指向了模板CSP的核心痛点：元素映射的保系数性。如果替换过程不能严格保持各元素的原子数比例，后续的结构弛豫和能量排序都将建立在错误基础上。

化学计量系数在晶体结构预测的元素替换中并非可有可无的细节。例如，目标组分若为 (\mathrm{LiFePO_4})，模板中对应的 (\mathrm{NaVPO_4}) 需要将 Na 映射为 Li、V 映射为 Fe，同时保持 P 和 O 的原子数及比例不变；而像 (\mathrm{Fe_2O_3}) 这类含下标系数的结构，若把 (\mathrm{Al_2O_3}) 模板中的 Al 简单替换为 Fe，文本层面的置换可能只改到元素符号而保留了下标，表面上似乎正确，但如果模板与目标组分的化学计量不同（如 (\mathrm{ABO_3}) 钙钛矿映射到 (\mathrm{A_2BO_4}) 类结构），就必须显式调整原子数。更隐蔽的风险来自符号级联：顺序文本替换时，先把 Al 替换为 Fe，随后又把 Fe 替换为别的元素时，可能误改刚刚生成的 Fe 符号，或把元素名中的子串（如把 P 替换为 S 时意外影响 Po）一并破坏，导致最终组分的元素种类或比例与目标不符。保系数映射要求先解析结构中的元素计数，再在物种层面同步映射，而不是在字符串上逐条替换。

TCSP3.0的核心改进：保系数映射与同步替换

TCSP3.0从根源上重构了替换流程。它强制实施保系数的元素映射，在解析后的结构上同步替换所有物种，并对每个候选的组分和晶胞进行验证。这一修正看似基础，却成为性能提升的主要来源。

据论文中的消融实验，在T180和T800上的十组配对测试表明，大部分改进来自这些正确性修复。换言之，TCSP2.0的诸多高级功能被基础错误拖累，而TCSP3.0首先确保了“做对的事”。

新增功能：从检索到排序的全面增强

除了修复核心缺陷，TCSP3.0还引入了一系列增强模块：

• 周期数检索：利用元素在周期表中的位置辅助模板匹配。
• 软氧化态证据：以软约束方式引入氧化态信息，避免硬性规则导致的偏差。
• 半径兼容性评分：评估替换元素与目标元素的尺寸匹配度。
• 结构去重：消除冗余候选，显著提升Top-5匹配率。
• ORB-v3机器学习势弛豫与能量排序：对候选结构进行弛豫和能量排序，与深度生成CSP基线保持一致。

说个细节，消融实验显示，基于嵌入的检索对覆盖率至关重要，而其余评分特征的影响较小或可忽略。结构去重则对Top-5匹配率有显著提升。

机器学习势（MLP） 是一类以第一性原理数据训练、用于近似势能面的模型，典型代表包括 MACE、CHGNet、M3GNet 以及文中提到的 ORB 系列。在晶体结构预测流程中，候选结构往往来自模板替换或生成模型，原子位置可能偏离局部能量极小值，直接计算能量排序会高估或低估稳定性。MLP 弛豫以远低于密度泛函理论（DFT）的成本对候选结构做力场驱动的几何优化，再把弛豫后的能量作为排序依据，从而与深度生成 CSP 基线采用同一评价口径。ORB-v3 属于其中的通用原子间势，强调跨元素、跨结构的可迁移性。需要注意的是，MLP 的精度受训练分布限制，对含罕见元素或极端配位的结构可能出现较大误差，因此其作用主要是提供一致且高效的相对排序，而非替代高精度验证。

性能表现：准确率与速度的双重飞跃

在T180基准上，TCSP3.0的Top-1和Top-20匹配率分别达到72.2%和90.6%，而TCSP2.0仅为28.3%和45.6%。在全新构建的800目标基准T800上，TCSP3.0的Top-20匹配率为74.0%。

与现有方法对比，TCSP3.0在T180上同样优于PNcsp+以及深度生成模型CrystalFlow和MaskGXT（Top-1 72.2% vs 最高63.9%）。更令人印象深刻的是，即使不进行弛豫，TCSP3.0在双核CPU上每目标中位耗时仅28秒即可达到Top-1 67.8%和Top-20 90.6%，比CrystalFlow快约十倍。

启示与展望

TCSP3.0的工作揭示了一个常被忽视的道理：在复杂机器学习系统中，基础数据处理的正确性往往比花哨的模型架构更为关键。通过修复元素替换的保系数性和同步性，TCSP3.0不仅大幅提升了预测准确率，还保持了极高的计算效率。其模块化设计也为后续集成更先进的检索与排序策略留下了空间。

对于材料信息学和计算材料领域的研究者而言，TCSP3.0提供了一个可靠且高效的模板CSP工具，同时也提醒社区重视数据预处理中的细节陷阱。