الوصف
MACE (إمكانيات التعلم الآلي بين الذرات) هي مكتبة بايثون قوية مصممة لتطوير ونشر إمكانيات التعلم الآلي بين الذرات سريعة ودقيقة. تستفيد من تمرير الرسائل المتكافئ عالي الرتبة، وهو بنية شبكة عصبية متطورة، لنمذجة التفاعلات بين الذرات في المواد والجزيئات بدقة عالية. يسمح هذا النهج لـ MACE بالتقاط السلوكيات الذرية المعقدة، مما يؤدي إلى محاكاة أكثر موثوقية في مجالات مثل علوم المواد والكيمياء وفيزياء المواد المكثفة.
يوفر مستودع MACE تطبيقًا مرجعيًا شاملاً، تم تطويره بواسطة فريق من الباحثين. يتضمن أدوات لتدريب نماذج MACE المخصصة من الصفر، وتقييم أدائها، واستخدام النماذج الأساسية المدربة مسبقًا. تدعم المكتبة طرق تثبيت متنوعة، بما في ذلك PyPI لسهولة الاستخدام ومن المصدر للمطورين. للمستخدمين الذين يحتاجون إلى حسابات مسرعة، توفر MACE تسريع CUDA عبر مكتبة cuEquivariance وتدعم تسريع GPU لـ Apple Silicon عبر MPS.
تشمل القدرات الرئيسية لـ MACE قدرتها على التعامل مع مجموعات البيانات الكبيرة من خلال تحميل البيانات عبر الإنترنت ونصوص المعالجة المسبقة. كما أنها تتكامل مع أدوات تتبع التجارب مثل Weights and Biases لسير عمل بحثي قوي. تقدم المكتبة مجموعة من النماذج الأساسية المدربة مسبقًا، مثل MACE-MP لعلوم المواد و MACE-OFF للكيمياء العضوية، والتي يمكن استخدامها مباشرة أو ضبطها بدقة لتطبيقات محددة. تتوفر وثائق لإرشاد المستخدمين خلال التثبيت والاستخدام والميزات المتقدمة.
MACE قيّمة بشكل خاص للباحثين والمهندسين في علوم المواد الحاسوبية والكيمياء الكمومية وديناميكيات الجزيئات. تركيزها على الدقة والسرعة يجعلها مناسبة للمهام التي تتراوح من التنبؤ بخصائص المواد إلى محاكاة التفاعلات الكيميائية. يضفي توفر النماذج الأساسية وقدرات الضبط الدقيق إمكانية الوصول إلى إمكانيات بين الذرات المتقدمة، مما يتيح اكتشاف وتصميم أسرع للمواد والجزيئات الجديدة.
أبرز ملامح إمكانيات التعلم الآلي لـ MACE
إمكانيات التعلم الآلي بين الذرات سريعة ودقيقة
بنية تمرير الرسائل المتكافئ عالي الرتبة
أدوات لتدريب نماذج MACE المخصصة
قدرات تقييم النماذج
دعم تسريع CUDA مع cuEquivariance
تسريع GPU لـ Apple Silicon (MPS)
نماذج أساسية مدربة مسبقًا لعلوم المواد والكيمياء العضوية
دعم الضبط الدقيق للنماذج الأساسية
تحميل البيانات عبر الإنترنت لمجموعات البيانات الكبيرة
التكامل مع Weights and Biases لتتبع التجارب
دعم PyTorch >= 1.12
ترخيص MIT لرمز MACE
البدء مع إمكانيات التعلم الآلي لـ MACE
تثبيت MACE: استخدم pip install mace-torch أو قم بالتثبيت من المصدر.
إعداد البيئة: تأكد من تثبيت Python >= 3.9 و PyTorch >= 1.12.
تدريب نموذج: استخدم البرنامج النصي mace_run_train مع المعلمات المحددة.
تقييم نموذج: استخدم البرنامج النصي mace_eval_configs لتقييم الأداء.
استخدام النماذج الأساسية: قم بتحميل النماذج المدربة مسبقًا وضبطها بدقة للمهام المحددة.
تمكين تسريع GPU: حدد '--device=cuda' أو '--device=mps' للحسابات الأسرع.
التكامل مع ASE: استخدم حاسبات MACE ضمن بيئة المحاكاة الذرية (Atomic Simulation Environment).
حالات استخدام إمكانيات التعلم الآلي لـ MACE
- اكتشاف المواد
- ديناميكيات الجزيئات
- محاكاة التفاعلات الكيميائية
- التنبؤ بخصائص المواد
- محاكاة الكيمياء العضوية
- تطوير مجال القوة
- الكيمياء الحاسوبية
- التعلم النشط
