Dans un article publié le 26 août 2026 dans Nature Computational Science, des chercheurs du MIT ont décrit CrysVCD (crystal generator with valence-constrained design), un cadre destiné à améliorer la stabilité des matériaux générés par des modèles d'IA. L'approche impose, en amont de la génération, des règles chimiques liées aux électrons de valence ; un modèle de langage produit d'abord une formule valide, puis un modèle de diffusion génère la structure atomique correspondante. Selon l'étude, plusieurs modèles courants ont ainsi respecté plus souvent ces règles, et près de 70 % des générations computationnelles ont atteint une stabilité élevée en dynamique de réseau, présentée comme un test exigeant.

Les auteurs rapportent aussi que, après ajustement sur des indicateurs de stabilité, leur approche a produit des matériaux cristallins atteignant 68 % de stabilité mécanique et 85 % de métastabilité. Ils l'ont également employée pour générer des candidats à forte conductivité thermique ou à polarisation facile, des propriétés jugées utiles pour les semi-conducteurs et le refroidissement des centres de données. Les chercheurs indiquent que la méthode convient surtout aux structures solides très ordonnées et ne s'applique pas à tous les types de matériaux. Ils estiment qu'elle pourrait réduire les coûts de calcul liés au filtrage des matériaux instables après génération. L'étude a bénéficié de soutiens du département de l'Énergie américain, de la NSF, d'une bourse MathWorks et de la DTRA.