mir-group/nequip

解決的問題

NequIP 提供了一個用於建構 E(3) 等變原子間位能的框架，這是一種機器學習模型，可預測系統中原子的能量與受力。它解決了對資料效率高且準確的位能模型的需求，同時尊重三維空間的物理對稱性（旋轉、平移與反演）。

工作原理

本專案實作了 E(3) 等變圖神經網路來模擬原子間相互作用。它提供了一組基礎位能——預先訓練好的模型，涵蓋了大部分週期表元素——可直接使用或在特定資料集上進行微調。此框架設計為可擴充，允許使用者建構自訂架構（例如 Allegro 套件中實作的嚴格局部架構）或實作新的訓練技術。

適用對象

專為計算化學、材料科學與生物分子模擬領域的研究人員與科學家設計，適用於需要高效率原子間位能進行生產模擬的使用者。

主要亮點

• 基礎位能：預先訓練、通用性強的模型，涵蓋大部分週期表元素。
• 高效率：支援編譯式訓練與推論、多 GPU 訓練，以及透過 OpenEquivariance 和 CuEquivariance 實現的 GPU 核心加速。
• 整合性：與 Atomic Simulation Environment (ASE) 及 LAMMPS 無縫整合。
• 可擴充架構：彈性框架，支援擴充套件與自訂架構的開發。