本記事では、未報告の結晶構造を探索するための物理インフォームド・ディフュージョンモデルを提案しています。従来の生成AIは、既存のモチーフの変種を再現することが主でしたが、新しい配置を発見することには限界がありました。この研究では、物理的な妥当性と構造的な新規性を兼ね備えるために、コンパクトさや局所環境の多様性を考慮した方法を開発。これにより、生成パフォーマンスが向上し、最も一般的な100のプロトタイプを超える構造の割合は67%に達しました。また、生成構造から結晶構造予測（CSP）を行うと、候補の97%が再構築され、145の低エネルギー構造が発見されました。生成モデルはCSPの代替ではありませんが、化学的に情報を持ち、多様性に基づく出力はCSPの効率を高める可能性があり、化学空間の探索における実用的な生成-CSPの相乗効果を確立することが示されました。