torchmd/torchmd-net

해결하는 문제

TorchMD-NET은 분자 시스템의 에너지와 힘을 모델링하는 고성능 신경망 포텐셜(NNP)을 제공합니다. 연구자들은 분자 데이터셋에서 이러한 포텐셜을 학습하고, GPU 가속 분자 동역학(MD) 시뮬레이션에 통합하여 기존의 물리 기반 힘장(Force Fields)을 대체하거나 보완할 수 있습니다.

작동 방식

이 프로젝트는 다양한 신경망 아키텍처를 PyTorch 모듈로 노출합니다. 최신 아키텍처인 TensorNet과 TensorNet2를 지원하며, 이전에는 Equivariant Transformers와 그래프 신경망(GNN)도 지원했습니다. 사용자는 설정용 YAML 파일이나 명령줄 인수를 통해 모델을 학습할 수 있으며, PyTorch Lightning을 통해 멀티노드 및 멀티GPU 학습도 지원합니다.

대상 사용자

분자 동역학 및 신경망 포텐셜 개발에 집중하는 계산 화학자, 물리학자, 머신러닝 연구자를 대상으로 합니다.

주요 특징

• 통합성: ACEMD, OpenMM, TorchMD와 같은 GPU 가속 MD 코드와 호환됩니다.
• 유연한 학습: 멀티노드 학습과 NumPy 또는 torch-geometric를 통한 사용자 정의 데이터셋 구현을 지원합니다.
• 사전 학습 모델: Hugging Face를 통해 AceFF 모델에 접근할 수 있습니다.
• 확장성: 프레임워크 내에서 새로운 신경망 아키텍처를 구현하기 위한 개발자 가이드를 포함합니다.