orbital-materials/orb-models

解决的问题

Orb-models 提供用于原子模拟的预训练神经网络势能，使研究人员能够在无需传统密度泛函理论（DFT）计算的极高计算成本的情况下，预测原子体系（如晶体和分子）的能量、力和应力。

工作原理

该项目实现了一系列预训练模型（Orb-v1 至 Orb-v3 和 OrbMol），作为通用力场使用。它利用 GPU 加速的图结构构建（通过 ALCHEMI Toolkit-Ops）来表示原子结构，并可通过 ASE（原子模拟环境）计算器、TorchSim 用于批量优化，或 NVALCHEMI Toolkit 用于高性能动力学，轻松集成到常见模拟工作流中。最近的更新包括用于长程静电作用的 CoulombModule 和 D3 色散校正，以提高范德华相互作用的精度。

适用人群

专为需要对多样化的分子和晶体体系进行几何优化或分子动力学（MD）模拟的计算化学家、材料科学家和物理学家设计。

主要亮点

• 高性能推理：支持全模型编译，可在 GPU 上实现显著加速，并利用优化的图结构构建处理大规模系统批次。
• 多样化的模型套件：包含专用于分子体系的 OrbMol 模型（支持总电荷和自旋多重度）以及适用于通用原子模拟的 Orb-v3 模型。
• 置信度估计：Orb-v3 模型包含一个置信度头，可预测每个原子力预测的可能误差（MAE）。
• 可扩展性：提供内置微调脚本，可将预训练模型适配到存储在 ASE sqlite 数据库中的自定义数据集。