AtomWorld-Mem: Memory-Restored World States for Long-Horizon Atomistic Evolution
作者: Tian Luo, Ruge Zhang, Haozhi Han, Yifrng Chen, Yunquan Zhang, Yunxin Liu, Ting Cao, Kun Li
分类: cs.AI, cond-mat.mtrl-sci
发布日期: 2026-09-25
💡 一句话要点
提出AtomWorld-Mem以解决长时间尺度原子演化中的记忆恢复问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 原子演化 记忆恢复 长时间尺度 动力学蒙特卡洛 合金设计 材料科学
📋 核心要点
- 现有方法在长时间尺度的原子演化中面临快照模糊性的问题，导致无法准确预测未来状态。
- 论文提出的AtomWorld-Mem通过记忆恢复机制重建缺失的潜在世界状态，从而提高原子演化的准确性。
- 实验结果表明，AtomWorld-Mem在固定事件预算下显著提升了长时间尺度的原子进展，保持了高保真度的演化表现。
📝 摘要（中文）
高保真原子演化在长时间尺度上不仅需要观察当前的晶体配置。瞬时原子快照往往是不完整的：局部相似的配置可能对应不同的隐藏动态背景、未来事件偏好和等待时间尺度。我们认为这种快照模糊性使得长时间尺度的原子演化根本上是一个基于记忆的世界状态恢复问题。为了解决这一问题，我们提出了AtomWorld-Mem，这是一种恢复瞬时晶体快照中缺失的潜在世界状态的记忆恢复原子世界模型。AtomWorld-Mem将演变中的合金视为一个AtomWorld，通过空间编码器从密集的局部拓扑和稀疏的长程缺陷上下文中写入多尺度原子关键帧，同时短期事件记忆和长期结构记忆跨时间整合这些关键帧，以恢复未来预测的演化状态。恢复的状态用于在单事件动力学蒙特卡洛（KMC）约束下优先考虑合法的空位介导事件，同时事件的合法性、物理执行和驻留时间更新仍由底层模拟器控制。实验证明，AtomWorld-Mem在固定微观事件预算下改善了长时间尺度的原子进展，同时在能量、结构和空位运输可观测量上保持高保真演化。它还在不同未见合金-温度的AtomWorld中实现零-shot迁移，表明学习的记忆恢复机制捕捉了可重用的隐藏状态推断原则，而非特定系统的局部能量启发式。这些结果将记忆恢复的世界状态建模定位为实现高效、物理基础和可迁移的原子演化的有前景的途径。
🔬 方法详解
问题定义：论文要解决的问题是长时间尺度原子演化中的快照模糊性，现有方法无法有效恢复潜在的世界状态，导致预测不准确。
核心思路：AtomWorld-Mem的核心思路是通过记忆恢复机制，利用空间编码器生成多尺度原子关键帧，并整合短期和长期记忆，以恢复未来的演化状态。这样的设计能够有效捕捉动态背景信息，提升预测能力。
技术框架：整体架构包括空间编码器、短期事件记忆和长期结构记忆模块。空间编码器从局部和长程缺陷上下文中提取信息，关键帧通过记忆模块整合，最终恢复出未来的演化状态。
关键创新：最重要的技术创新在于引入了记忆恢复机制，使得模型能够在缺乏完整快照的情况下，仍然有效地推断出潜在的世界状态。这与现有方法依赖局部能量启发式的本质区别在于，AtomWorld-Mem更关注于动态背景的捕捉。
关键设计：关键设计包括多尺度原子关键帧的生成、短期和长期记忆的整合策略，以及在KMC约束下的事件优先级调整。这些设计确保了模型在保持高保真度的同时，能够有效处理复杂的原子演化过程。
🖼️ 关键图片
📊 实验亮点
实验结果显示，AtomWorld-Mem在固定微观事件预算下，长时间尺度的原子进展显著提高，具体性能提升幅度达到XX%（具体数据待补充），同时在能量、结构和空位运输等可观测量上保持高保真度。
🎯 应用场景
该研究的潜在应用领域包括材料科学、合金设计和纳米技术等。通过提高长时间尺度原子演化的预测能力，AtomWorld-Mem能够为新材料的开发和优化提供重要支持，推动相关领域的研究进展。
📄 摘要（原文）
High-fidelity atomistic evolution over long timescales requires more than observing the current crystal configuration. Instantaneous atomistic snapshots are often incomplete: locally similar configurations can correspond to different hidden dynamical contexts, future event preferences, and waiting-time scales. We argue that this snapshot ambiguity makes long-horizon atomistic evolution fundamentally a memory-based world-state restoration problem. To address this, we introduce AtomWorld-Mem, a memory-restored atomistic world model that recovers the latent world state missing from instantaneous crystal snapshots. AtomWorld-Mem treats the evolving alloy as an AtomWorld: spatial encoders write multi-scale atomistic keyframes from dense local topology and sparse long-range defect context, while short-term event memory and long-term structural memory integrate these keyframes across time to restore a future-predictive evolutionary state. The restored state is used to prioritize legal vacancy-mediated events under single-event Kinetic Monte Carlo (KMC) constraints, while event legality, physical execution, and residence-time updates remain governed by the underlying simulator. Empirically, AtomWorld-Mem improves long-horizon atomistic progress under fixed microscopic event budgets while maintaining high-fidelity evolution across energetic, structural, and vacancy-transport observables. It further transfers zero-shot across diverse unseen alloy-temperature AtomWorlds, suggesting that the learned memory-restoration mechanism captures reusable principles of hidden-state inference rather than a system-specific local energy heuristic. These results position memory-restored world-state modeling as a promising route toward efficient, physically grounded, and transferable atomistic evolution.