IBM/materials

IBM /materials – 材料科学基础模型 (FM4M)

是什么

一组开源、预训练的基础模型，能够理解分子和材料的不同表示形式（SMILES字符串、SELFIES字符串、分子图、3D原子坐标、电子密度网格等）。
每个模型均在大规模化学数据集上训练（最多9100万SMILES，超过10亿个分子，超过150万个3D结构），可直接使用进行特征提取，或微调用于下游任务，如性质预测、量子性质回归或生成式设计。
仓库包含一个轻量级包装器 FM4M‑Kit，可通过统一的Python API或Hugging Face Spaces托管的简单Web UI调用任意模型。

主要模型

模型	模态	核心架构	典型应用场景
SMI‑TED	SMILES字符串	Transformer编码器-解码器（约2.89亿参数）	量子性质预测、序列到序列任务
SMI‑SSED	SMILES字符串	基于Mamba的编码器-解码器（快速推理）	与SMI‑TED相同，但速度更高
SELFIES‑TED	SELFIES字符串	BART风格Transformer	性质预测及自回归分子生成
MHG‑GED	分子图	GNN编码器 + 分子超图语法解码器	有效分子生成和基于图的回归
POS‑EGNN	3D原子图	等变几何张量网络	用于MD模拟的机器学习势能
3DGrid‑VQGAN	3D电子密度网格	VQ‑GAN编码器-解码器	将高维量子数据压缩为潜在向量
SMILESDFT‑CLIP	多模态（SMILES + 3D密度）	联合VQ‑GAN + Transformer（对比学习）	学习字符串与场模态之间的对齐表示
MOL‑MOE	多视图（SMILES, SELFIES, 图）	专家混合（Mixture‑of‑Experts）	融合互补视图以实现更高精度的性质预测
STR‑Bamba	字符串（SMILES/SELFIES）	混合Transformer‑Mamba‑2	灵活处理多种字符串编码
TDiMS	描述符（SMILES）	分子内子结构的拓扑距离	轻量、可解释的特征——无需预训练

如何开始

创建Conda环境

conda create -n fm4m python=3.9.8
conda activate fm4m

安装依赖项

pip install -r requirements.txt
# 安装与CUDA版本匹配的torch-scatter，例如：
pip install torch-scatter -f https://data.pyg.org/whl/torch-$(python -c "import torch; print(torch.__version__.split('+')[0])")+cu118.html

选择使用方式

直接模型 – 进入 models/<model_name>/ 并按照其中的README或笔记本操作。

FM4M‑Kit（推荐） – 导入包装器并调用单个函数：

import fm4m

# 从SELFIES‑TED提取特征
feats = fm4m.get_representation(model="selfies-ted", data=my_smiles)

# 使用单个模型训练下游回归器
score = fm4m.single_modal(
    model="MHG-GED",
    x_train=X_train, y_train=y_train,
    x_test=X_test,   y_test=y_test,
    downstream_model="DefaultRegressor"
)

# 组合多个模态
score = fm4m.multi_modal(
    model_list=["SELFIES-TED", "MHG-GED", "SMI-TED"],
    x_train=X_train, y_train=y_train,
    x_test=X_test,   y_test=y_test,
    downstream_model="DefaultRegressor"
)

Web UI – 打开仓库中链接的Hugging Face Space，使用拖拽界面上传数据、选择模型，并快速运行XGBoost下游任务。

仓库结构

materials/
├─ models/                # 每个单模态模型一个文件夹（smi_ted/, selfies_ted/, …）
│   ├─ fm4m.py            # 核心包装器工具
│   └─ …
├─ examples/              # 展示端到端流程的Jupyter笔记本
│   ├─ fm4m_example.ipynb
│   └─ battery_example.ipynb
├─ requirements.txt       # Python依赖项
└─ README.md (此文件)

何时使用FM4M

您拥有化学或材料数据（SMILES、图、3D结构），需要高质量嵌入但无需从头训练模型。
想要比较不同分子表示对下游预测的影响。
需要预训练的机器学习势能（POS‑EGNN）以实现接近DFT精度的分子动力学模拟。
对生成式化学（SELFIES‑TED、MHG‑GED）感兴趣，希望生成语法上有效的分子。

社区与支持

在IBM友好许可下开源；欢迎通过拉取请求贡献代码。
模型托管在Hugging Face，提供GUI以快速探索。
团队定期举办教程和研讨会（MRS 2025、AAAI 2025、NeurIPS 2024等），并在AI Alliance中维护工作组。

参考文献

README列出了每个模型的论文（Nature Communications Chemistry 2025、NeurIPS 2024等），可深入了解技术细节。

简而言之，IBM/materials 提供了一套即用型的大规模、多模态基础模型工具箱，将最先进的AI引入材料科学和化学研究。

IBM/materials

IBM /materials – 材料科学基础模型 (FM4M)

相关

IBM /materials – 材料科学基础模型 (FM4M)