mir-group/nequip

해결하는 문제

NequIP은 E(3) 동변 원자 간 포텐셜을 구축하기 위한 프레임워크를 제공합니다. 이는 시스템 내 원자의 에너지와 힘을 예측하는 기계학습 모델입니다. 3차원 공간의 물리적 대칭성(회전, 이동, 반사)을 존중하면서도 데이터 효율적이고 정확한 포텐셜의 필요성을 해결합니다.

작동 방식

이 프로젝트는 원자 간 상호작용을 모델링하기 위해 E(3) 동변 그래프 신경망을 구현합니다. 주기율표의 대부분을 커버하는 사전 훈련된 기초 포텐셜(일반 목적 모델)의 가족을 제공하며, 직접 사용하거나 특정 데이터셋에서 미세 조정할 수 있습니다. 프레임워크는 확장성을 고려하여 설계되어, 사용자가 고유한 아키텍처(예: Allegro 패키지에 구현된 엄격히 국소적 아키텍처)를 구축하거나 새로운 훈련 기법을 구현할 수 있도록 합니다.

대상 사용자

계산 화학, 재료 과학, 생분자 시뮬레이션 분야의 연구자 및 과학자들을 위한 것으로, 생산용 시뮬레이션에 고성능 원자 간 포텐셜이 필요한 분들을 대상으로 합니다.

주요 특징

• 기초 포텐셜: 사전 훈련된, 일반 목적의 모델로 주기율표의 대부분을 커버합니다.
• 고성능: 컴파일된 훈련 및 추론, 멀티 GPU 훈련, OpenEquivariance 및 CuEquivariance를 통한 GPU 커널 가속을 지원합니다.
• 통합성: Atomic Simulation Environment (ASE) 및 LAMMPS와 원활하게 통합됩니다.
• 확장 가능한 아키텍처: 확장 패키지 및 사용자 정의 아키텍처 개발을 가능하게 하는 유연한 프레임워크입니다.