TorchSim/torch-sim

解決的問題

TorchSim 的設計目的是加速原子級模擬，特別是在使用機器學習原子間勢能（MLIPs）時。傳統工具在處理 MLIPs 的計算開銷方面常常遇到困難，而 TorchSim 透過利用 GPU 加速和高效的記憶體管理，提供了一種顯著加快這些模擬運行速度的方法。

工作原理

透過直接在 PyTorch 中重寫原子級模擬的核心運算元件，該引擎可實現多個系統的自動批量處理以及原生 GPU 支援。這使得能夠同時模擬大量原子系統，與傳統框架（如 ASE）相比，速度提升可達 100 倍。

適用對象

主要針對使用 MLIP 模型（例如 MACE、Fairchem、SevenNet 和 MatterSim）進行分子動力學或結構弛豫的研究人員與科學家，特別是在材料科學與化學領域。

主要特色

• 高速 MLIP 支援：與多種廣受歡迎的 MLIP 模型原生整合。
• 自動批量處理：可同時執行多個模擬，以最大化 GPU 使用率。
• 全面的模擬工具：包含 MD 整合方案（NVE、NVT、NPT）、弛豫方法（FIRE、梯度下降）以及 Swap Monte Carlo 算法。
• 生態系整合：與常見工具如 ASE、Pymatgen 和 Phonopy 兼容。
• 可微分模擬：支援可微分模擬與彈性性質計算。

這是一個真正改變遊戲規則的工具，讓我們能以前所未有的速度探索複雜的材料系統。— @julianl321

TorchSim 讓我們能以極高的效率模擬大量原子系統，這在過去是無法想像的。— @julianl321

對於需要快速測試多種材料配置的研究者來說，TorchSim 絕對是必備工具。— @julianl321