ACEsuit/mace

何を解決するか

MACEは、高速かつ高精度な機械学習原子間ポテンシャルを作成する方法を提供します。研究者が材料や有機分子などの原子系のエネルギーと力（力）を機械学習を使ってモデル化できるようにし、従来の量子力学的計算の高コストを回避しつつ、高い精度を維持します。

動作方法

MACEは、3次元点群（原子）を処理する高次元等変換メッセージパッシングニューラルネットワークを使用します。原子構造データ（XYZファイル）からスクラッチで訓練することも、既存の基礎モデルを微調整することも可能です。システムは、EMA（指数移動平均）、amsgrad、およびエネルギー誤差を低減するための2段階訓練プロセスなどのさまざまな訓練技術をサポートしています。

対象ユーザー

分子動力学を実行する必要がある、計算化学者、材料科学者、物理学者向けに設計されています。

主な特徴

• 基礎モデル: 材料（MACE-MP）、有機化学（MACE-OFF）、電気的相互作用（MACE-Polar）用の事前学習済みモデルを含みます。
• スケーラビリティ: PyTorch DistributedDataParallelを介したマルチGPU訓練と、GPUメモリを超えるデータセット用のオンラインデータロードをサポートします。
• CUDA加速: NVIDIA GPU上でより高速なパフォーマンスを実現するため、cuEquivarianceライブラリと統合されています。
• 柔軟な訓練: float32/float64などのさまざまな精度レベルをサポートし、訓練中に原子の基準エネルギー（E0）を推定できるようにしています。