mir-group/flare

An open-source Python package for creating fast and accurate interatomic potentials.

FLARE とは何か？

FLARE（Fast Learning of Atomistic Rare Events）は、オープンソースのPythonライブラリであり、ベイズ型原子間力場を構築します。原子的記述子（ACE、B2など）とスパースなガウス過程（GP）回帰モデルを組み合わせ、量子力学的基準データからポテンシャルを学習します。得られたポテンシャルは分子動力学（MD）に十分高速でありながら、不確実性推定を提供し、リアルタイムでのアクティブラーニングを可能にします。

主な機能

機能	FLAREの実現方法
高精度の力場	ACE型記述子と正規化ドット積カーネルを用いたスパースGPにより、多体相互作用を捉えます。
不確実性を考慮したMD	GPは各予測に対して分散を返すため、モデルが不確実な構成をシミュレーションで特定できます。
アクティブラーニングワークフロー	高不確実性の構成を自動的にトレーニングセットに追加（「リアルタイム学習」）するか、オフライントレーニングループとして使用できます。
LAMMPS統合	pybind11を介したC++ペアスタイルを提供し、LAMMPSにコンパイル可能。ベイズ力場を用いた大規模MDを実現します。
カスタム記述子	ユーザーが独自の記述子関数を挿入しても、同じスパースGP機構を利用できます。
大規模データセットへのスケーラビリティ	スパースGPにより、計算コストをO(N³)からO(M³)に削減（Mは選択された「スパース環境」数、通常数千程度）。
熱伝導性ツール	例のノートブックでは、Phono3pyやPhoebeと連携し、FLAREポテンシャルから格子熱伝導率を計算する方法を示しています。

一般的な利用例

材料発見 – 新しい合金や触媒のベイズ力場を構築し、モデルが高コストのDFT計算が必要な構成を自動選定します。
希少事象シミュレーション – 長時間スケールで発生する反応や相転移を研究。不確実性推定により、最も情報価値の高い領域にサンプリングを集中できます。
加速MD – 高コストな第一原理MDを学習済みFLAREポテンシャルで置き換えつつ、信頼度の指標を維持します。
熱的性質計算 – FLARE-LAMMPSで力定数を生成し、Phono3py / Phoebeに供給して熱伝導率を予測します。

使い始め

# PyPIから最新リリースをインストール
pip install mir-flare

パッケージは、GCC 11でコンパイルされた必要C++拡張を自動で取得します。

ソースを変更したい開発者向けには、READMEに詳細な開発者インストールガイドと、FLAREペアスタイルを含むLAMMPSのコンパイル手順が記載されています。

学習リソース

ドキュメントサイト – https://mir-group.github.io/flare (APIリファレンス、インストール手順、チュートリアル)
Colabノートブック – インタラクティブなチュートリアルで以下の内容をカバー：
- ASEを用いたベイズ力場構築（オフラインおよびリアルタイムアクティブラーニング）
- C++ APIを介したLAMMPSベースの完全なアクティブラーニング実行
- カスタム記述子の統合
- Phono3pyとPhoebeを用いた熱伝導率ワークフロー
例のギャラリー – ドキュメントの「関連」ページに、実世界の応用とベンチマーク結果が掲載されています。

技術的要件

コンパイラ：GCC 11（テスト済み）；他のC++コンパイラも動作する可能性ありが保証されません。
Python：3.x、pip>=20が必要。
オプション：高速な線形代数処理のためのIntel MKL；大規模モデル（10,000以上）は100GB以上のRAMが推奨。
OS：Ubuntu 20.04で開発；macOSおよびWindows（WSLまたはネイティブビルド）でも動作。

検証とテスト

プロジェクトにはpytestスイートが含まれています。インストール後、以下のコマンドでライブラリとコンパイル済み拡張が正常に動作することを確認できます：

pip install pytest
cd tests
pytest

引用

FLAREを出版物で使用する場合、READMEに記載された適切な論文を引用してください（アクティブラーニングによるベイズ力場、LAMMPSペアスタイル、マッピングされたGPなど）。

TL;DR – FLAREは、LAMMPSとの密接な統合と、数分でDFT計算から大規模MDまでを可能にするチュートリアルを備えた、Python中心のGPベースのフレームワークです。高速で不確実性を考慮した原子間ポテンシャルの構築を実現します。