IBM/materials

IBM /materials – 材料用の基礎モデル (FM4M)

何であるか

分子および材料のさまざまな表現（SMILES文字列、SELFIES文字列、分子グラフ、3次元原子配置、電子密度グリッドなど）を理解できる、オープンソースで事前学習済みの基礎モデルのコレクション。
各モデルは膨大な化学データセット（最大9100万SMILES、10億以上分子、150万以上の3次元構造）で訓練されており、そのまま特徴抽出に使用したり、微調整して物性予測、量子物性回帰、生成設計などの下流タスクに活用できます。
リポジトリには、統一されたPython APIまたはHugging Face SpacesでホストされたシンプルなWeb UIを通じて、任意のモデルを呼び出せる軽量ラッパー「FM4M‑Kit」が同梱されています。

主要モデル

モデル	モダリティ	コアアーキテクチャ	一般的な用途
SMI‑TED	SMILES文字列	Transformerエンコーダデコーダ（約289Mパラメータ）	量子物性予測、シーケンス対シーケンスタスク
SMI‑SSED	SMILES文字列	Mambaベースエンコーダデコーダ（高速推論）	SMI‑TEDと同様だが、より高速
SELFIES‑TED	SELFIES文字列	BARTスタイルTransformer	物性予測および自己回帰的分子生成
MHG‑GED	分子グラフ	GNNエンコーダ + 分子ハイパーグラフ文法デコーダ	有効な分子生成およびグラフベース回帰
POS‑EGNN	3次元原子グラフ	等価幾何テンソルネットワーク	MDシミュレーション用の機械学習ポテンシャル
3DGrid‑VQGAN	3次元電子密度グリッド	VQ‑GANエンコーダデコーダ	高次元量子データを潜在ベクトルに圧縮
SMILESDFT‑CLIP	多モーダル（SMILES + 3次元密度）	連合VQ‑GAN + Transformer（対照的）	文字列モダリティと場モダリティ間の整合表現を学習
MOL‑MOE	多視点（SMILES、SELFIES、グラフ）	Mixture‑of‑Experts	補完的な視点を統合し、より高精度な物性予測を実現
STR‑Bamba	文字列（SMILES/SELFIES）	Hybrid Transformer‑Mamba‑2	複数の文字列エンコーディングを柔軟に処理
TDiMS	記述子（SMILES）	分子内部分構造のトポロジカル距離	軽量で解釈可能な特徴量 – 事前学習不要

始める方法

Conda環境の作成

conda create -n fm4m python=3.9.8
conda activate fm4m

依存関係のインストール

pip install -r requirements.txt
# CUDAバージョンに合わせてtorch-scatterをインストール、例：
pip install torch-scatter -f https://data.pyg.org/whl/torch-$(python -c "import torch; print(torch.__version__.split('+')[0])")+cu118.html

使用スタイルの選択

直接モデル – models/<model_name>/ に移動し、READMEまたはノートブックに従ってください。

FM4M‑Kit（推奨） – ラッパーをインポートし、単一の関数を呼び出します：

import fm4m

# SELFIES‑TEDから特徴を抽出
feats = fm4m.get_representation(model="selfies-ted", data=my_smiles)

# 単一モデルで下流回帰器を訓練
score = fm4m.single_modal(
    model="MHG-GED",
    x_train=X_train, y_train=y_train,
    x_test=X_test,   y_test=y_test,
    downstream_model="DefaultRegressor"
)

# 複数モダリティを統合
score = fm4m.multi_modal(
    model_list=["SELFIES-TED", "MHG-GED", "SMI-TED"],
    x_train=X_train, y_train=y_train,
    x_test=X_test,   y_test=y_test,
    downstream_model="DefaultRegressor"
)

Web UI – リポジトリからリンクされたHugging Face Spaceを開き、ドラッグアンドドロップインターフェースでデータをアップロードし、モデルを選択して、XGBoostベースの下流タスクを迅速に実行できます。

リポジトリ構造

materials/
├─ models/                # 1つのユニモーダルモデルごとにフォルダ（smi_ted/, selfies_ted/, …）
│   ├─ fm4m.py            # コアラッパーユーティリティ
│   └─ …
├─ examples/              # エンドツーエンドパイプラインを示すJupyterノートブック
│   ├─ fm4m_example.ipynb
│   └─ battery_example.ipynb
├─ requirements.txt       # Python依存関係
└─ README.md (このファイル)

FM4Mを使うべきタイミング

化学または材料データ（SMILES、グラフ、3次元構造）があり、モデルをゼロから訓練せずに高品質な埋め込みを得たい場合。
異なる分子表現が下流予測に与える影響を比較したい場合。
分子動力学シミュレーションでDFTに近い精度を実現する事前学習済みMLポテンシャル（POS‑EGNN）が必要な場合。
生成化学（SELFIES‑TED、MHG‑GED）に興味があり、構文的に有効な分子を生成したい場合。

コミュニティとサポート

IBMフレンドリーなライセンスでオープンソース。プルリクエストによる貢献を歓迎します。
モデルはHugging Faceにホストされ、直感的なGUIで迅速に探索可能です。
チームは定期的にチュートリアルやワークショップ（MRS 2025、AAAI 2025、NeurIPS 2024など）を実施し、AI Alliance内に作業グループを維持しています。

参考文献

READMEには各モデルの論文（Nature Communications Chemistry 2025、NeurIPS 2024など）がリストアップされており、より詳細な技術的説明が可能です。

要するに、IBM/materialsは、最新のAIを材料科学および化学研究に即座に導入できる、大規模で多モーダルな基礎モデルのツールボックスを提供します。

IBM/materials

IBM /materials – 材料用の基礎モデル (FM4M)

関連

IBM /materials – 材料用の基礎モデル (FM4M)