本文へスキップ

Open Catalyst Project

FAIR Chemistry team / Meta, Inc. and its affiliates

fairchem で事前学習済み UMA モデルと ASE 計算器を用い、表面緩和、エネルギー予測、分子動力学を行う触媒指向の原子論的モデリングワークフロー。

掲載情報の更新 ·

概要

提供されたリポジトリのドキュメントでは、FAIR Chemistry チームによる材料科学および量子化学向けのモデル、データ、アプリケーション集である fairchem が紹介されています。この Open Catalyst Project エントリーに関連する機能は、触媒ワークフローです。fairchem-core を介して事前学習済み UMA モデルを利用し、FAIRChemCalculator を通じて原子シミュレーション環境(ASE)に接続します。抜粋で説明されているのは現在の fairchem ワークフローであり、Open Catalyst Project のデータセットや旧世代のモデルを個別に説明するものではありません。

入力は ASE atoms オブジェクトで表される原子構造で、モデルおよび領域固有のタスク名と組み合わせます。README では、oc20 を触媒、oc22 を酸化物触媒、oc25 を(電気)触媒に割り当てており、後者 2 つにはモデル系列に関する制限が記されています。表面の例では、CO 分子を吸着させた銅スラブを作成し、ASE オプティマイザーを使って構造を緩和します。そのほかの例では、無機結晶の緩和、軌跡出力を伴う分子動力学、異なるスピン状態間の分子エネルギー差を示しています。これらは、fairchem を単独の発見エージェントとしてではなく、シミュレーションワークフローに予測モデルを組み込む例です。

実際に利用するには、Hugging Face を通じて UMA モデルへのアクセスを申請し、事前学習済みモデルを使う前に認証する必要があります。LAMMPS 連携を含むマルチ GPU およびマルチノード推論には Ray が必要です。無機材料を比較する際、README は、OMat24 で学習したモデルのエネルギーは Materials Project の計算結果と直接比較できず、参照エネルギーと補正に注意する必要があると警告しています。リポジトリのコードは MIT ライセンスですが、チェックポイントのライセンスは適用領域によって異なります。コードのライセンスがすべてのモデルやデータセットの使用許可を意味するものと捉えてはいけません。

主な機能

  • FAIRChemCalculator による ASE 連携を通じて、事前学習済み UMA の予測を構造最適化および分子動力学ワークフローに接続します。
  • 領域に応じてタスクを選択できます。oc20 は触媒、oc22 は酸化物触媒、oc25 は(電気)触媒向けです。README では、oc22 と oc25 は 1p2 モデルに限定されると記されています。
  • ドキュメントの吸着種緩和例では、銅表面、CO 吸着種、ASE の LBFGS オプティマイザーを組み合わせています。
  • その他の例では、無機結晶の緩和、分子動力学の軌跡出力、電荷とスピンのメタデータを用いた分子スピンギャップ計算を扱います。
  • マルチ GPU およびマルチノード推論では workers 設定を使用し、LAMMPS ワークフローをサポートしますが、Ray が必要です。

用途

  • 評価案:ドキュメントにある CO 吸着銅表面の緩和例を代表的な吸着種—表面系に適用し、緩和構造を適切な参照計算と比較します。
  • 評価案:酸化物表面または電気化学表面構造に適した触媒タスクを検討し、推論前にドキュメントに記載されたモデル制限を確認します。
  • 評価案:材料探索ワークフローの予備段階として ASE 駆動の緩和または動力学を試し、関連するエネルギー差を設定条件の一貫した参照結果で検証します。

使い方

  1. fairchem README を読み、対象系に適した事前学習済みモデルのワークフローを確認します。提供されたソースが説明しているのは fairchem と UMA であり、Open Catalyst Project 固有のクイックスタートではありません。
  2. README の fairchem-core インストール手順に従い、隔離された環境にインストールします。標準ワークフローを選ぶか、分散推論に必要な追加要件を確認してください。すべてのオプション連携がインストール済みだと想定しないでください。
  3. UMA モデルリポジトリでアクセスを申請し、ドキュメントに記載された Hugging Face 認証手続きを完了します。適用されるチェックポイントの条件は、リポジトリのコードライセンスとは別に確認してください。
  4. ASE atoms オブジェクトを用意し、適切なタスクを選択します。触媒用途では、ドキュメントに記載された oc20 表面緩和例から始めます。oc22 または oc25 を選ぶ前に、モデル制限を確認してください。
  5. FAIRChemCalculator を設定し、ドキュメントのオプティマイザーまたは動力学の例を応用します。出力を適切な参照計算と照らして評価してください。分散推論または LAMMPS については、一般的なタスクのドキュメントと Ray の要件を参照してください。

関連リソース

ALIGNN

モデル

ALIGNN は、材料特性予測のための原子論的グラフニューラルネットワークを提供し、学習ワークフロー、事前学習済み予測器、および構造最適化向けの ALIGNN-FF 力場を備えています。

オープンソースPython

材料探索

Allegro

モデル

Allegro は NequIP の拡張として E(3) 等変原子間ポテンシャルを実装し、文書化された GPU 高速化オプションと、LAMMPS シミュレーション用の独立したプラグインを提供します。

オープンソースPython

計算化学 · 材料探索

computational-chemistry-agent-skills コレクションに含まれる ASE ルーティング Skill。ワークフローの準備と計算器の設定を分け、実行は別の担当先に委任します。

計算化学 · 材料探索

CGCNN

モデル

CGCNNは結晶グラフ畳み込みニューラルネットワークを実装し、結晶構造から材料特性を学習します。カスタムデータを用いたモデルの学習と、事前学習済みモデルによる予測に対応しています。

オープンソースPython

材料探索

ChatMOF

エージェント

ChatMOFは、言語モデルに導かれるツールを用いて、自然言語によるリクエストからMOFデータを検索し、特性を予測し、構造を生成する、コードが公開された研究システムです。

オープンソースPython

材料探索

ChemAgent (AI4Chem)

エージェント

ChemAgent (AI4Chem) は化学・材料分野でのツール利用を目的とする研究フレームワークであり、木探索による計画、ツール実行、ChemToolBench に基づく学習を扱う CheMatAgent 論文と関連しています。

計算化学 · 材料探索

関連ガイド

エージェント

化学AIエージェント入門:チャットから研究ワークフローへ

化学および生物医学研究向けの8つのエージェントを取り上げる実践ガイドです。ツール、メモリ、計画、多エージェントの役割の仕組み、タスク別に適したプロジェクト、科学的監督のもとで限定的な自律性を評価する方法を解説します。