ACEsuit/mace-foundations

해결하는 문제

이 프로젝트는 원자 수준의 재료 화학을 위한 사전 학습된 파운데이션 모델을 제공하여, 새로운 재료나 분자마다 처음부터 모델을 학습시킬 필요 없이 화학 시스템의 에너지와 힘을 예측할 수 있게 합니다.

작동 방식

최대 89개의 화학 원소에 대해 매개변수화된 일련의 MACE 모델을 제공합니다. 이 모델들은 밀도 범함수 이론(DFT) 이론 수준을 사용하여 대규모 데이터셋(MPTrj, OMAT, OMOL 등)에서 학습되었습니다. 특정 모델에 따라 무기 결정, 유기 시스템, 전하와 스핀을 가진 분자 또는 표면과 같은 다양한 대상에 최적화되어 있습니다.

대상 독자

고정밀 원자 수준 시뮬레이션 및 분자 동역학(MD) 시뮬레이션이 필요한 재료 과학, 화학 및 물리학 분야의 연구원 및 과학자.

주요 특징

• 폭넓은 원소 적용 범위: 모델은 최대 89개의 화학 원소를 다룹니다.
• 다양한 모델 변형: 재료(MACE-MP), 분자(MACE-OMOL) 및 교차 도메인 성능(MACE-MH)을 위한 특화된 모델이 포함되어 있습니다.
• 안정성 향상: 2세대 모델은 고압 환경 및 분자 동역학 시뮬레이션에서 향상된 안정성을 제공합니다.
• 최고 수준의 정확도: MACE-MPA-0 모델은 Matbench 벤치마크에서 최고 수준의 정확도를 달성합니다.