MIT团队提出合金构型采样新方法FrOGS，在多化学条件下统一估算自由能
该方法将自回归模型与连续时间马尔可夫链耦合，在2D伊辛模型及AgPd、CuAu合金中复现参考相图，且能恢复CuAu3相的稳定区间。
AI解读：合金的热力学性质预测一直卡在采样效率上：要算出一种合金在不同成分、温度下的稳定相，传统马尔可夫链蒙特卡洛需要在每个化学条件分别跑模拟，再用热力学积分等辅助手段把结果对齐到同一绝对能量尺度，计算量大且流程繁琐。FrOGS把自回归模型和连续时间马尔可夫链绑在一起，用同一个损失函数联合训练，让一个模型直接覆盖多种化学条件，一次采样就能给出无偏的配分函数估计，从而在同一绝对自由能标度上比较不同条件下的稳定性。对材料计算研究者来说，这意味着不用再为每个条件单独建模拟、再做能量对齐，模型训练好后可以直接生成独立同分布构型并读出热力学量。论文报告它在2D伊辛模型、AgPd和CuAu体系上都匹配了精确解或参考相图，而且没有出现模式坍缩；在对比中只有FrOGS恢复了CuAu3相的稳定范围，而作者对比的已发表自回归基线SEGAL未能做到。要注意的是，这项研究目前只是提交给NeurIPS 2026的AI4Mat研讨会的工作论文，尚待同行评审，没有公开代码或大规模应用数据，所以暂不宜据此判断它能取代现有方法在生产中的角色。
麻省理工学院的Kyucheol Min、Elyssa Hofgard和Tess Smidt在arXiv发布论文，提出一种名为FrOGS（Free energy Offering Generative Sampler）的混合离散神经采样器，用于合金构型采样与热力学性质预测。论文已提交至NeurIPS 2026的AI4Mat研讨会，9月1日发布预印本（arXiv:2609.02948）。
FrOGS将自回归模型与连续时间马尔可夫链（CTMC）耦合，在同一个共享损失下联合训练。该方法能抽取独立同分布（i.i.d.）的构型，返回配分函数的无偏估计，并给出热力学可观测量的一致估计。
方法细节与验证结果
传统上，预测合金热力学性质需要在多种化学条件下分别进行马尔可夫链蒙特卡洛（MCMC）模拟，并用热力学积分等辅助自由能方法将结果放到同一绝对标度。FrOGS只用单一模型覆盖宽范围的化学条件，直接产出同一绝对自由能标度上的估计。
据论文，FrOGS在2D伊辛模型上匹配了精确有限尺寸结果，在AgPd和CuAu体系上复现了参考相图，且未出现模式坍缩。作者还将FrOGS与已发表的自回归基线方法SEGAL对比，结果显示只有FrOGS恢复了CuAu3相的稳定范围。
- 论文作者单位：麻省理工学院（据论文作者信息，待核实）；预印本编号arXiv:2609.02948，提交于2026年9月1日。
- 论文归属类别：材料科学（cond-mat.mtrl-sci）、统计力学（cond-mat.stat-mech）和机器学习（cs.LG）。