facebookresearch/fairchem

해결하는 문제

Fairchem은 재료 과학 및 양자 화학을 위해 설계된 데이터, 모델 및 도구를 위한 중앙 집중식 허브를 제공합니다. 이를 통해 연구자는 촉매 표면의 흡착제 완화, 무기 결정 완화, 분자 역학 실행과 같은 복잡한 화학 시뮬레이션을 계산 비용이 많이 드는 전통적인 방법에만 의존하지 않고 수행할 수 있습니다.

작동 방식

이 프로젝트는 사전 학습된 머신러닝 원자 간 포텐셜(MLIP)을 제공하며, 특히 FAIRChemCalculator를 통해 Atomic Simulation Environment (ASE)에 통합할 수 있는 UMA 모델 시리즈(small 및 medium 버전)가 포함됩니다. 사용자는 특정 작업 이름(예: 촉매용 oc20, 무기 재료용 omat, 분자 및 폴리머용 omol)을 선택하여 모델의 예측을 특정 도메인에 맞게 조정할 수 있습니다. 대규모 시뮬레이션의 경우, 멀티 노드 및 멀티 GPU 추론을 지원하며 LAMMPS와 통합되어 수십만 개의 원자를 가진 시스템을 처리할 수 있습니다.

대상 사용자

잠재 에너지를 예측하거나 구조 최적화 또는 분자 역학 시뮬레이션을 수행해야 하는 재료 과학, 양자 화학 및 계산 화학 분야의 과학자와 연구자를 위해 설계되었습니다.

주요 특징

• 광범위한 도메인 커버리지: 촉매, 산화물 촉매, 무기 재료, 분자, 폴리머, MOF 및 분자 결정을 지원합니다.
• UMA 모델 시리즈: 빠른 uma-s(대부분의 벤치마크에서 SOTA)부터 더 정확한 uma-m까지 다양한 모델을 제공합니다.
• 고성능 스케일링: Ray를 통한 멀티 GPU 및 멀티 노드 추론을 지원하여 10만 개 이상의 원자를 가진 시스템의 시뮬레이션을 가능하게 합니다.
• ASE 통합: ASE 라이브러리와 원활하게 통합되어 atoms 객체 및 dynamics 객체를 쉽게 설정할 수 있습니다.