facebookresearch/fairchem

FAIR Chemistry's library of machine learning methods for chemistry

何を解決するか

fairchem は材料科学および量子化学のための中央集積リポジトリを提供し、遅い従来の密度汎関数理論（DFT）計算を置き換える、高性能な機械学習による原子間ポテンシャル（MLIP）を提供します。研究者は、広範な化学分野において、原子モデル化、分子動力学、構造最適化を著しく高速かつ高精度で実行できます。

動作方法

このプロジェクトは、事前に学習されたモデルであるUMA（Universal Materials Architecture）モデルを実装しています。これらのモデルは、Atomic Simulation Environment（ASE）の計算機として使用できます。特定のタスク名（例：oc20 は触媒、omat は無機材料）を選択することで、触媒、無機結晶、ポリマーなど、さまざまなシステムのエネルギーと力の予測が可能になります。

対象ユーザー

大規模な原子モデルシミュレーションや分子動力学を実行する必要がある、材料科学、量子化学、計算化学の研究者や科学者向けに設計されています。

特徴

  • ユニバーサルモデル対応：（電気）触媒、無機材料、分子、ポリマー、分子結晶など、多様なタスクをサポート。
  • 高性能：分子動力学用の「ターボモード」を備え、Rayを介したシームレスなマルチノード・マルチGPU推論をサポート。
  • 統合性：FAIRChemCalculator を通じてAtomic Simulation Environment（ASE）と完全に統合。
  • スケーラビリティ：大規模な動力学シミュレーション用にLAMMPsと互換性あり。

関連

  • プロジェクト
    ztxz16/fastllm

    FastLLM は、C++ ベースの、PyTorch 不要の大規模言語モデル推論エンジンです。Dense モデルと MoE モデル、ハイブリッド GPU/CPU/NUMA/ディスク展開、マルチ GPU テンソル並列、投機的デコード（MTP/DSpark/DFlash2）、多くの量子化形式をサポートし、Python CLI、Web UI、OpenAI 互換 API サーバーを提供します。`pip install ftllm` でインストールし、`ftllm run` でモデルを実行、`ftllm server` でサービスを起動します。詳細なドキュメントには、モデル固有のガイド、パフォーマンスチューニング、コミュニティサポートが含まれています。

  • プロジェクト
    IBM/materials

    IBM/materials は、化学および材料科学向けの本格的なオープンソースの大型基礎モデルスイートです。SMILES、SELFIES、グラフ、3次元構造などの単一モーダルモデルと、マルチモーダル融合ツールをすべて、統一されたPythonラッパー（FM4M‑Kit）またはHugging FaceのWeb UIから利用可能です。リポジトリにはインストール手順、例題ノートブック、Hugging Face上でのホストモデルへのリンクが含まれています。

  • プロジェクト
    lynote-ai/ai-image-detector

    AI Image Detector は、画像が AI によって生成された可能性を推定するオープンソースの Python ツールです。UnivFD、Sentry、Nonescape、ハイブリッドエンセンブルといった複数の既製バックエンドを搭載しており、単一コマンド (`aidetect detect …`) でファイルまたはフォルダーを処理し、確率とラベルを出力します。オプションの extras で Gradio Web UI や FastAPI サーバーも利用可能です。リポジトリにはベンチマークスクリプト、閾値キャリブレーション、バックエンド選択の明確なガイダンスが含まれています。軽量で一度インストールすればどこでも実行できる AI 画像検出ユーティリティで、汎用的な保証や領域レベルのローカリゼーションはないことが明記されています。

  • プロジェクト
    ACEsuit/mace

    MACEは、等変換グラフニューラルネットワーク原子間ポテンシャル用のオープンソースPyTorchライブラリです。高速なトレーニング/評価、マルチGPUおよびApple-Silicon対応、オプションのCUDA加速、材料および有機化学向けの事前学習済み基礎モデルのカタログを提供します。`pip install mace-torch`でインストールでき、`mace_run_train` CLI（またはYAML設定）でトレーニング、`mace_eval_configs`で評価が可能です。ドキュメント、Colabチュートリアル、Weights & Biases統合も含まれます。v0.3ラインは安定しており、大規模なv1.0リファクタリングが進行中です。

  • プロジェクト
    yakhyo/uniface

    UniFaceは、15種類の顔分析タスク（検出、ランドマーク、3Dメッシュ、解析、マッティング、注視、頭部姿勢、人口統計、感情、品質、アンチスプーフィング、認識、匿名化、およびFAISSベースの類似度検索）を、単一のインストールが容易なパッケージ（CPU, Apple Silicon, または CUDA）に統合したPythonライブラリです。一貫貫したAPI、自動モデル重みのダウンロード、豊富なドキュメント、ノートブック、およびコミュニティDiscordを提供します。