Inovacija materijala je ključna za tehnološke proboje, što pokazuje otkriće litij-kobalt oksida, koji je osnova za trenutne litij-ionske baterije koje pokreću mobilne telefone i električne automobile. Inovacija materijala je također bitna za efikasne solarne ćelije, ekonomične baterije za skladištenje energije i adsorbente za reciklažu CO2. Tradicionalno, pronalaženje novih materijala podrazumijeva skupe metode pokušaja i pogrešaka, ali računarsko pretraživanje ubrzalo je ovaj proces procjenom opsežnih baza podataka materijala. MatterGen, detaljno opisan u časopisu Nature, predstavlja nov pristup otkrivanju materijala koristeći generativnu AI. Umjesto pretraživanja materijala, MatterGen ih direktno kreira na osnovu specifičnih zahtjeva primjene, omogućujući dizajniranje materijala s različitim željenim svojstvima. Ovaj generativni AI alat podržava efikasno istraživanje izvan poznatih materijala. MatterGen koristi model difuzije koji djeluje na 3D geometrijama materijala, generirajući strukture prilagođavanjem pozicija i elemenata u nasumičnom rasporedu. Obučen je s podacima iz 608. 000 stabilnih materijala i može se dodatno usavršiti s označenim skupovima podataka za generisanje novih materijala prilagođenih hemiji, simetriji i raznim svojstvima.

Za razliku od tradicionalnog pretraživanja, MatterGen pristupa neistraženim materijalima i nastavlja generisanje novih kandidata sa specifičnim karakteristikama. Da bi se adresirao problem kompozicijskog poremećaja – gdje atomi mijenjaju mjesta unutar materijala – MatterGen uvodi novi algoritam za usklađivanje struktura. Ovaj algoritam redefiniše novitet procjenjujući predstavljaju li strukture varijacije istog predloška s kompozicijskim poremećajem. Eksperimentalna validacija uključivala je sintezu novog materijala, TaCr2O6, koji je pokazao rezultate bliske MatterGenovim predviđanjima. MatterGen dopunjuje AI emulator MatterSim, formirajući "zamašnjak" koji ubrzava i simulaciju i istraživanje materijala, potencijalno poboljšavajući primjene u baterijama, magnetima i gorivnim ćelijama. MatterGen model, izvorni kod i podaci javno su objavljeni pod MIT licencom. Gledajući unaprijed, nastavak rada s partnerima, poput Johns Hopkins University Applied Physics Laboratory, ima za cilj ostvariti pun potencijal MatterGena. Ovaj projekt proizašao je iz timskog rada u Microsoft Research AI for Science, u kojeg je uključena raznolika grupa istraživača.