IBM/materials

IBM /materials – 材料科學基礎模型 (FM4M)

是什麼

一組開源、預訓練的基礎模型，能理解分子與材料的不同表示方式（SMILES字串、SELFIES字串、分子圖、3D原子座標、電子密度格點等）。
每個模型均在龐大的化學資料集上訓練（最多9100萬SMILES，超過10億個分子，超過150萬個3D結構），可直接使用進行特徵提取，或微調用於下游任務，如性質預測、量子性質回歸或生成式設計。
倉儲包含一個輕量級包裝器 FM4M‑Kit，可透過統一的Python API或Hugging Face Spaces托管的簡單Web UI呼叫任意模型。

主要模型

模型	模態	核心架構	典型應用場景
SMI‑TED	SMILES字串	Transformer編碼器-解碼器（約2.89億參數）	量子性質預測、序列到序列任務
SMI‑SSED	SMILES字串	基於Mamba的編碼器-解碼器（快速推論）	與SMI‑TED相同，但速度更高
SELFIES‑TED	SELFIES字串	BART風格Transformer	性質預測及自回歸分子生成
MHG‑GED	分子圖	GNN編碼器 + 分子超圖語法解碼器	有效分子生成和基於圖的回歸
POS‑EGNN	3D原子圖	等變幾何張量網路	用於MD模擬的機器學習勢能
3DGrid‑VQGAN	3D電子密度格點	VQ‑GAN編碼器-解碼器	將高維量子資料壓縮為潛在向量
SMILESDFT‑CLIP	多模態（SMILES + 3D密度）	聯合VQ‑GAN + Transformer（對比學習）	學習字串與場模態之間的對齊表示
MOL‑MOE	多視角（SMILES, SELFIES, 圖）	專家混合（Mixture‑of‑Experts）	融合補充視角以實現更高精度的性質預測
STR‑Bamba	字串（SMILES/SELFIES）	混合Transformer‑Mamba‑2	靈活處理多種字串編碼
TDiMS	描述子（SMILES）	分子內子結構的拓撲距離	輕量、可解釋的特徵——無需預訓練

如何開始

建立Conda環境

conda create -n fm4m python=3.9.8
conda activate fm4m

安裝相依性

pip install -r requirements.txt
# 安裝與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

選擇使用方式

直接模型 – 進入 models/<model_name>/ 並依照其中的README或筆記本操作。

FM4M‑Kit（推薦） – 導入包裝器並呼叫單一函數：

import fm4m

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

# 使用單一模型訓練下游回歸器
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"
)

# 組合多個模態
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 – 打開倉儲中連結的Hugging Face Space，使用拖曳上傳介面上傳資料、選擇模型，並快速執行XGBoost下游任務。

倉儲結構

materials/
├─ models/                # 每個單模態模型一個資料夾（smi_ted/, selfies_ted/, …）
│   ├─ fm4m.py            # 核心包裝器工具
│   └─ …
├─ examples/              # 展示端對端流程的Jupyter筆記本
│   ├─ fm4m_example.ipynb
│   └─ battery_example.ipynb
├─ requirements.txt       # Python相依性
└─ README.md (此檔案)

何時使用FM4M

您擁有化學或材料資料（SMILES、圖、3D結構），需要高品質嵌入但無需從頭訓練模型。
想要比較不同分子表示對下游預測的影響。
需要預訓練的機器學習勢能（POS‑EGNN）以實現接近DFT精度的分子動力學模擬。
對生成式化學（SELFIES‑TED、MHG‑GED）感興趣，希望生成語法上有效的分子。

社群與支援

在IBM友善授權下開源；歡迎透過拉取請求貢獻程式碼。
模型託管於Hugging Face，提供GUI以快速探索。
團隊定期舉辦教學與研討會（MRS 2025、AAAI 2025、NeurIPS 2024等），並在AI Alliance中維護工作小組。

參考文獻

README列出每個模型的論文（Nature Communications Chemistry 2025、NeurIPS 2024等），可深入了解技術細節。

簡而言之，IBM/materials 提供了一套即用型的大規模、多模態基礎模型工具箱，將最先進的AI引入材料科學與化學研究。

IBM/materials

IBM /materials – 材料科學基礎模型 (FM4M)

相關

IBM /materials – 材料科學基礎模型 (FM4M)