ACEsuit/mace-foundations

解決する課題

このプロジェクトは、原子スケールの材料化学向けの事前学習済み基盤モデルを提供し、新しい材料や分子ごとにゼロからモデルを訓練することなく、化学システムのエネルギーと力を予測できるようにします。

仕組み

最大89種の化学元素にパラメータ化された一連のMACEモデルを提供します。これらのモデルは、密度汎関数理論（DFT）レベルの理論を用いて、大規模なデータセット（MPTrj、OMAT、OMOLなど）で訓練されています。特定のモデルに応じて、無機結晶、有機システム、電荷とスピンを持つ分子、または表面など、異なるターゲットに最適化されています。

対象者

高精度の原子スケールシミュレーションと分子動力学（MD）シミュレーションを必要とする、材料科学、化学、物理学の研究者および科学者。

ハイライト

• 幅広い元素カバレッジ：モデルは最大89種の化学元素をカバーします。
• 多様なモデルバリアント：材料（MACE-MP）、分子（MACE-OMOL）、およびクロスドメインパフォーマンス（MACE-MH）の特化モデルが含まれています。
• 安定性の向上：第2世代モデルは、高圧環境と分子動力学シミュレーションにおいて安定性が向上しています。
• 最先端の精度：MACE-MPA-0モデルは、Matbenchベンチマークで最先端の精度を達成しています。