facebookresearch/fairchem

FAIR Chemistry's library of machine learning methods for chemistry

解决的问题

fairchem 提供材料科学和量子化学的中央存储库，提供高性能的机器学习原子间势（MLIP），以替代缓慢的传统密度泛函理论（DFT）计算。它使研究人员能够在广泛的化学领域中，以显著更高的速度和精度执行原子建模、分子动力学和结构弛豫。

工作原理

该项目实现了 UMA（通用材料架构）模型，这些是预训练模型，可作为原子模拟环境（ASE）的计算器使用。通过选择特定任务名称（例如，用于催化反应的 oc20 或用于无机材料的 omat），用户可以利用这些模型预测各种体系（包括催化剂、无机晶体和聚合物）的势能和受力。

适用人群

专为需要进行大规模原子模拟和分子动力学的研究人员和科学家设计，涵盖材料科学、量子化学和计算化学领域。

主要亮点

  • 通用模型支持：支持多种任务，包括（电）催化、无机材料、分子、聚合物和分子晶体。
  • 高性能：提供分子动力学的“加速模式”，并通过 Ray 支持无缝的多节点、多 GPU 推理。
  • 集成性：通过 FAIRChemCalculator 与原子模拟环境（ASE）完全集成。
  • 可扩展性：与 LAMMPs 兼容，适用于大规模动力学模拟。

相关

  • 项目
    ztxz16/fastllm

    FastLLM 是一个基于 C++ 的、无需 PyTorch 的大型语言模型推理引擎。它支持稠密和 MoE 模型、混合 GPU/CPU/NUMA/磁盘部署、多 GPU 张量并行、推测解码（MTP/DSpark/DFlash2）、多种量化格式，并提供 Python CLI、Web UI 和 OpenAI 兼容的 API 服务器。通过 `pip install ftllm` 安装，使用 `ftllm run` 运行模型，或使用 `ftllm server` 启动服务。详尽的文档涵盖模型特定指南、性能调优和社区支持。

  • 项目
    IBM/materials

    IBM/materials 是一套真正的开源大型基础模型套件，专为化学与材料科学设计。它提供预训练的单模态模型（SMILES、SELFIES、图、3D结构）和多模态融合工具，均可通过统一的Python包装器（FM4M‑Kit）或Hugging Face网页UI访问。仓库包含安装说明、示例笔记本以及Hugging Face上托管模型的链接。

  • 项目
    lynote-ai/ai-image-detector

    AI Image Detector 是一个开源的 Python 工具，用于估计图像是由 AI 生成的可能性。它自带多个即用的后端（UnivFD、Sentry、Nonescape、混合集成），只需运行单条指令 (`aidetect detect …`) 对文件或文件夹进行检测，即可输出概率和标签。可选的 extras 提供 Gradio Web UI 或 FastAPI 服务器。仓库中还包含基准测试脚本、阈值校准以及选择后端的明确指南。它是一个轻量、一次安装、随处可运行的 AI 图像检测实用工具，并有文档说明其局限性（无全局保证、无区域级定位）。

  • 项目
    ACEsuit/mace

    MACE 是一个开源的 PyTorch 库，用于等变图神经网络原子间势能。它提供快速训练/评估、多 GPU 和 Apple-Silicon 支持、可选 CUDA 加速，以及材料和有机化学的预训练基础模型目录。通过 `pip install mace-torch` 安装，使用 `mace_run_train` CLI（或 YAML 配置）训练，使用 `mace_eval_configs` 评估。包含文档、Colab 教程和 Weights & Biases 集成。v0.3 线稳定，而重大 v1.0 重构正在进行中。

  • 项目
    yakhyo/uniface

    UniFace 是一个 Python 库，将 15 种人脸分析任务——检测、关键点、3D 网格、解析、遮罩、注视、头部姿态、人口统计、情绪、质量、防伪、识别、匿名化以及基于 FAISS 的相似度比对——整合进一个单一、易于安装的套件中（支持 CPU、Apple Silicon 或 CUDA）。它提供一致的 API、自动下载经验证的模型权重，并包含丰富的文档、Notebooks 以及社区 Discord。