概览
M3GNet 提供材料图神经网络架构及其实现，可用于原子间势和性质预测代理模型。其图表示包含三体相互作用、原子坐标和晶格矩阵，因此能够通过自动微分获得力和应力。仓库提供了基于 Materials Project 弛豫数据开发的预训练势，以及用于应用和训练模型的工具。
在计算材料工作流中，预训练势可用于晶体结构弛豫和分子动力学。文档中的弛豫示例接受 pymatgen Structure，并返回最终结构以及包含能量的轨迹。另一个命令行界面可读取晶体结构文件，并将弛豫后的结构写入标准输出或文件。分子动力学示例会保存轨迹和热力学日志。对于定制势的训练，PotentialTrainer 接受结构、能量、逐原子力和可选的应力矩阵，并使用验证数据选择停止轮次。
此仓库已归档且不再维护；其 README 将基于 Deep Graph Library 和 PyTorch 的 MatGL 列为替代方案。因此，它主要适合作为参考实现，或用于查看现有 M3GNet 工作流。该预训练势旨在复现 Materials Project 的 DFT 结果，而非实验测量结果。所提供的立方晶体对比结果显示，偏差因材料而异，包括某些碘化物和稀有气体，因此不应将广泛的元素覆盖范围视为准确度一致。README 还报告了其示例训练配置对 GPU 内存有较高要求；这些是来源所述的要求，并非经过独立测试的兼容性结论。
主要功能
- 材料图架构纳入三体相互作用、原子坐标和 3×3 晶格矩阵，可用于可微的力和应力计算。
- 默认预训练原子间势基于 Materials Project 弛豫数据训练，并可通过 Relaxer 使用。
- 结构弛豫会返回最终结构和能量轨迹；CLI 支持读取结构文件并输出弛豫后的结构。
- MolecularDynamics 工作流支持配置温度、系综和时间步长，并可输出轨迹和热力学日志。
- 通过 PotentialTrainer 使用结构、能量、力和可选应力训练定制原子间势，并提供验证数据输入。
- 该架构既可用于开发原子间势，也适用于开发材料性质预测代理模型。
使用场景
- 拟议评估：在有代表性的材料上评估预训练晶体弛豫，并将最终结构和能量与适当的 DFT 参考结果进行比较。
- 拟议评估：在选定晶体上探索分子动力学；在科学使用结果之前，先检查保存的轨迹和热力学日志。
- 拟议评估：使用结构、能量、力和可选应力训练特定领域的原子间势，然后在留出材料上评估模型。
- 将已归档实现用作参考，以查看旧版 M3GNet 工作流或规划迁移到 MatGL。
使用方式
- 阅读仓库 README，尤其是归档通知。判断项目是否需要此参考实现，或推荐的 MatGL 替代方案是否更适合项目。
- 查阅 README 中的安装和系统要求章节。按照文档所述的软件包安装途径及相关平台特定说明操作；不要假定已归档依赖项仍与当前环境兼容。
- 准备一个 pymatgen Structure，并按照文档中的 Relaxer 示例操作。检查返回的 final_structure 和轨迹能量。README 还介绍了通过 CLI 进行基于文件的弛豫。
- 对于分子动力学，按照 MolecularDynamics 示例操作，并选择温度、系综、时间步长和记录设置。作为拟议评估的一部分，检查轨迹和热力学日志输出。
- 对于定制训练，准备单位为 eV 的能量、单位为 eV/Å 的力，以及可选的单位为 GPa 的应力，并核对文档中的应力符号约定。使用验证输入，并查阅 API 文档。来源指出，MPF.2021.2.8 是该预训练势的训练数据集。