GNoME：图网络驱动的无机材料发现

GNoME 在公开晶体数据库（Materials Project、OQMD 等）上训练图网络，通过结构管线与 成分管线生成候选结构，用 DFT 计算验证，再把结果回流进训练——形成一个主动学习飞轮。

报告结果：预测 220 万个结构，凸包上新增 38.1 万个稳定条目，把已知稳定材料数量 从约 4.8 万提升到约 42.1 万。外部实验室已合成出其中数百种预测化合物。

对 CAE 工程师的意义：这是”学习型原子间势 + 第一性原理验证”能搜索远超暴力枚举范围的 最有力证明——同样的范式可用于合金、催化剂与电池材料的筛选。