deepmodeling/deepmd-kit

해결하는 문제

DeePMD-kit는 양자역학적 참조 데이터를 빠르고 확장 가능한 원자 간 포텐셜로 변환합니다. 이로 인해 분자 및 재료 과학 분야의 연구자들은 전체 양자역학적 계산의 계산 비용 없이 유한 분자, 공유 결합계, 주기적 고체, 금속의 대규모 시뮬레이션을 수행할 수 있습니다.

작동 방식

이 툴킷은 모델을 처음부터 훈련하거나, 사전 훈련된 Deep Potential (DPA4) 모델을 기반으로 특정 시스템에 맞게 미세 조정하는 워크플로우를 제공합니다. TensorFlow, PyTorch, JAX, Paddle 등의 다양한 백엔드를 지원합니다. 훈련 후 모델은 더 빠른 추론을 위해 압축 가능하며, 다양한 분자 동역학 엔진에서 사용할 수 있도록 내보낼 수 있습니다.

대상 사용자

분자 및 재료 과학 분야의 과학자 및 엔지니어를 대상으로 하며, 분자 동역학 시뮬레이션에 고성능 원자 간 포텐셜이 필요한 사람들을 위한 것입니다.

주요 특징

• 사전 훈련 모델 기반 워크플로우: DPA4 모델을 다운로드하고 특정 시스템에 맞게 미세 조정할 수 있습니다.
• 유연한 모델 포트폴리오: 높은 정밀도를 위한 DPA4와 높은 처리량을 위한 DPA4C를 제공합니다.
• 광범위한 물리적 목표: 에너지, 힘, 비리얼, 헤시안, 스핀, 자기력, 전기 이중극자, 전자 밀도 상태를 모델링합니다.
• 백엔드 독립성: PyTorch, TensorFlow, JAX, Paddle와 호환됩니다.
• 풍부한 통합 기능: LAMMPS, i-PI, ASE, GROMACS, CP2K 등의 시뮬레이션 엔진과 연동 가능.