概要
Allegro は、NequIP フレームワーク内で Allegro E(3) 等変機械学習原子間ポテンシャルを実装するパッケージです。特定の化学系向けにすぐ使えるポテンシャルを提供するのではなく、原子間ポテンシャルを構築するためのモデル実装を提供します。そのワークフロー上の役割は、Allegro のモデル設定を NequIP の学習、テスト、モデル利用機能に接続することです。
リポジトリでは、最小限の学習設定として configs/tutorial.yaml を案内し、より広範なワークフローについては NequIP のドキュメントを参照しています。そのため、設定ファイルは文書化された出発点となる入力であり、生成したモデルは NequIP 経由で利用するか、LAMMPS シミュレーションに統合できます。出典の抜粋では、学習データのスキーマ、予測量の規約、利用可能な事前学習済み重みについては明記されていません。特定の系向けのワークフローを準備する前に、リンク先のドキュメントで詳細を確認してください。
GPU 実行について、README では CuEquivariance またはカスタム Triton カーネルを使用する高速化モディファイアが説明されています。この2つのオプションは明示的に併用不可です。LAMMPS との統合は独立した pair_allegro プラグインリポジトリを通じて提供され、Kokkos による高速化、MPI、並列マルチ GPU シミュレーションをサポートすると説明されています。これらはソースに記載された機能であり、独立に測定された性能結果ではありません。
依存関係の整合性は重要です。README は NequIP に過去に後方互換性のない更新があったと警告していますが、提供されたパッケージメタデータでは nequip>=0.18.0 と Python >=3.10 が指定されています。ユーザーは、過去のバージョンの組み合わせを現在のインストール手順と見なさず、選択したリリースの要件に従ってください。これらの抜粋では、特定用途での精度、ハードウェア互換性、シミュレーションの妥当性は確認されていません。
主な機能
- Allegro E(3) 等変機械学習原子間ポテンシャルを NequIP の拡張として実装します。
- `configs/tutorial.yaml` に最小限の学習設定を用意し、学習、テスト、モデル利用は NequIP のワークフローを通じて行います。
- CuEquivariance の統合またはカスタム Triton カーネルによる GPU 高速化モディファイアを提供します。両者を併用してはいけません。
- 独立した `pair_allegro` プラグインを通じて Allegro モデルを LAMMPS に接続し、Kokkos、MPI、並列マルチ GPU をサポートすると説明されています。
用途
- 評価案：NequIP を通じて特定の系向けの Allegro ポテンシャルを学習し、代表的な原子配置のホールドアウトデータで適合性を評価します。
- 評価案：適切に検証された Allegro モデルを `pair_allegro` で LAMMPS の原子動力学ワークフローに統合します。
- 評価案：選択した学習または推論のワークロードについて、文書に記載された CuEquivariance と Triton の高速化方式をそれぞれ個別に比較します。
使い方
- Allegro リポジトリを確認し、NequIP 拡張としての役割を把握します。リリースを慎重に選び、古く互換性のないフレームワークバージョンに関する README の警告に注意してください。
- 依存関係と PyTorch の案内について、NequIP ドキュメントを参照してください。提供されたパッケージメタデータでは Python
>=3.10とnequip>=0.18.0が必要です。README では、PyPI パッケージ名をnequip-allegroとしています。 - リポジトリ内の
configs/tutorial.yamlを探し、Allegro ドキュメントを読みます。化学系に合わせて設定を変更する前に、データセットの要件とモデル出力を確認してください。 - NequIP の文書化された学習・テストワークフローに従います。評価案として、シミュレーションに使用する前に、代表的なホールドアウト配置でモデルの挙動を確認してください。
- GPU を使用する場合は、高速化ガイドを読みます。CuEquivariance またはカスタム Triton カーネルのいずれかを選び、決して併用しないでください。
- LAMMPS にデプロイする場合は、独立したプラグインリポジトリを参照してください。使用するシミュレーション環境に応じて、関連する Kokkos、MPI、またはマルチ GPU の設定を評価してください。