facebookresearch/fairchem

解決する課題

Fairchemは、材料科学および量子化学向けに設計されたデータ、モデル、ツールの集約ハブを提供します。これにより、研究者は触媒表面上の吸着剤の緩和、無機結晶の緩和、分子動力学の実行といった複雑な化学シミュレーションを、計算コストの高い従来の手法だけに頼ることなく実行できます。

仕組み

本プロジェクトは、学習済みの機械学習原子間ポテンシャル（MLIP）を提供します。具体的には、FAIRChemCalculatorを介してAtomic Simulation Environment (ASE)に統合可能なUMAモデルシリーズ（smallおよびmediumバージョン）が含まれます。ユーザーは、特定のタスク名（例：触媒用のoc20、無機材料用のomat、分子・ポリマー用のomol）を選択することで、モデルの予測を特定のドメインに適合させることができます。大規模シミュレーションについては、マルチノードおよびマルチGPU推論をサポートしており、LAMMPSと連携して数十万個の原子を持つシステムを処理できます。

対象者

潜在エネルギーの予測、構造最適化、または分子動力学シミュレーションを必要とする、材料科学、量子化学、および計算化学の科学者や研究者向けに設計されています。

ハイライト

• 幅広いドメインのカバー: 触媒、酸化物触媒、無機材料、分子、ポリマー、MOF、および分子結晶をサポート。
• UMAモデルシリーズ: 高速なuma-s（ほとんどのベンチマークでSOTA）から、より高精度なuma-mまで、幅広いモデルを提供。
• 高性能スケーリング: Rayを介したマルチGPUおよびマルチノード推論をサポートし、10万個以上の原子を持つシステムのシミュレーションを可能にします。
• ASE統合: ASEライブラリとシームレスに統合されており、atomsオブジェクトやdynamicsオブジェクトのセットアップが容易です。