説明
MACE（Machine Learning Interatomic Potentials）は、高速かつ高精度な機械学習原子間ポテンシャルの開発と展開に特化した強力なPythonライブラリです。高次の等変メッセージパッシングという洗練されたニューラルネットワークアーキテクチャを活用し、材料や分子内の原子間の相互作用を高忠実度でモデル化します。このアプローチにより、MACEは複雑な原子挙動を捉えることができ、材料科学、化学、物性物理学などの分野でより信頼性の高いシミュレーションが可能になります。
続きを読む
MACEリポジトリは、研究者チームによって開発された包括的なリファレンス実装を提供します。これには、カスタムMACEモデルをゼロからトレーニングするためのツール、そのパフォーマンスの評価、および事前学習済み基盤モデルの利用が含まれます。このライブラリは、使いやすさのためにPyPI経由、開発者向けにソースからのインストールなど、さまざまなインストール方法をサポートしています。計算の高速化が必要なユーザーのために、MACEはcuEquivarianceライブラリを介したCUDAアクセラレーションを提供し、MPSを介したApple Silicon GPUアクセラレーションもサポートしています。
MACEの主な機能には、オンラインデータローディングと前処理スクリプトによる大規模データセットの処理能力が含まれます。また、堅牢な研究ワークフローのために、Weights and Biasesのような実験追跡ツールとも統合されています。このライブラリは、材料科学向けのMACE-MPや有機化学向けのMACE-OFFなど、さまざまな事前学習済み基盤モデルを提供しており、これらは直接使用することも、特定のアプリケーションに合わせてファインチューニングすることも可能です。ドキュメントは、インストール、使用法、および高度な機能に関するユーザーガイドを提供しています。
MACEは、計算材料科学、量子化学、分子動力学分野の研究者やエンジニアにとって特に価値があります。精度と速度に重点を置いているため、材料特性の予測から化学反応のシミュレーションまで、幅広いタスクに適しています。基盤モデルとファインチューニング機能の利用可能性は、高度な原子間ポテンシャルへのアクセスを民主化し、新しい材料や分子の発見と設計を加速させます。
- カテゴリー科学的発見・ラボツール
- 料金モデルオープンソース
- デプロイクラウド, セルフホスト
- プラットフォームWindows, macOS, Linux
MACE Machine Learning Potentialsの主要機能
高速かつ高精度な機械学習原子間ポテンシャル
高次の等変メッセージパッシングアーキテクチャ
カスタムMACEモデルのトレーニングツール
モデル評価機能
cuEquivarianceによるCUDAアクセラレーションのサポート
Apple Silicon GPUアクセラレーション（MPS）
材料科学および有機化学向けの事前学習済み基盤モデル
基盤モデルのファインチューニングサポート
大規模データセット向けオンラインデータローディング
実験追跡のためのWeights and Biasesとの統合
PyTorch >= 1.12のサポート
MACEコードのMITライセンス
MACE Machine Learning Potentialsをはじめる
MACEのインストール: pip install mace-torch を使用するか、ソースからインストールします。
環境設定: Python >= 3.9 および PyTorch >= 1.12 がインストールされていることを確認します。
モデルのトレーニング: 指定されたパラメータで mace_run_train スクリプトを使用します。
モデルの評価: パフォーマンス評価のために mace_eval_configs スクリプトを使用します。
基盤モデルの利用: 特定のタスクのために事前学習済みモデルをロードし、ファインチューニングします。
GPUアクセラレーションの有効化: 高速な計算のために '--device=cuda' または '--device=mps' を指定します。
ASEとの統合: Atomic Simulation Environment内でMACE計算機を使用します。
MACE Machine Learning Potentialsの使用例
- 材料発見
- 分子動力学
- 化学反応シミュレーション
- 材料特性予測
- 有機化学シミュレーション
- 力場開発
- 計算化学
- アクティブラーニング
