跳转到正文

NequIP

The NequIP Developers

NequIP 是一个用于构建 E(3)-等变原子间势的开源框架,支持训练、预训练基础势,以及与 ASE 和 LAMMPS 集成。

条目更新 ·

概览

NequIP 是一个用于构建 E(3)-等变原子间势的软件框架,而不是单一的固定预测模型。它支持从模型训练、编译到用于原子模拟的工作流程。项目 README 还介绍了通过 nequip.net 获取预训练基础势,这些势覆盖元素周期表中的大多数元素,可直接用于模拟,也可针对用户自己的数据集进行适配。

用户可以从自己的训练数据开始,也可以使用提供的预训练势。文档所述工作流程会生成经过训练或编译的势,以供后续使用,包括通过 ASE calculator 和 LAMMPS 集成使用。来源摘录说明了这些工作流程中的用途,但未说明数据集模式、所需标签或确切的预测接口;这些细节需要查阅链接指南。软件包入口涵盖训练、打包、编译,以及为 LAMMPS ML-IAP 集成做准备。

对于计算工作流程,NequIP 文档介绍了编译后的训练与推理、多 GPU 训练,以及通过 OpenEquivariance 和 CuEquivariance 实现的 GPU 内核加速;其中 CuEquivariance 标记为 alpha。扩展包支持自定义架构和训练方法,Allegro 则被列为一个独立扩展,用于实现严格局域的等变架构。

现有配置需要注意版本兼容性:README 指出 v0.7.0 是一次不向后兼容的更新,并建议旧配置的用户使用 v0.6.2。来源摘录不含数值精度或速度结果,也不能据此确定该软件是否适用于特定化学体系。仓库的 MIT 代码许可证不应被假定为同样规定了单独分发的模型权重或数据集的使用条款。

主要功能

  • 用于构建 E(3)-等变原子间势的框架,支持通过扩展自定义架构和训练技术。
  • 通过 nequip.net 分发的预训练基础势,文档介绍了下载、编译、运行和微调这些势的工作流程。
  • 编译后的训练和推理工作流程,以及多 GPU 训练。
  • 与 OpenEquivariance 和 CuEquivariance 集成的 GPU 内核加速;README 将 CuEquivariance 标记为 alpha。
  • ASE calculator 集成,以及通过 pair_nequip_allegro pair styles 和 ML-IAP 集成提供的 LAMMPS 支持。

使用场景

  • 建议的评估步骤:在将基础势用于更广泛的模拟之前,先用目标材料体系中的代表性结构进行评估。
  • 建议的评估步骤:使用项目专属数据集微调预训练势,并评估其是否适用于预期的化学领域。
  • 建议的评估步骤:将训练或编译后的势接入 ASE 或 LAMMPS 工作流程,并检查相关集成要求。
  • 建议的评估步骤:通过扩展包探索自定义架构或训练方法;可将 Allegro 作为此机制的文档示例。

使用方式

  1. 从安装和用户指南开始。检查所选工作流程的要求;所提供的软件包元数据声明 Python >=3.10,而 README 提醒 v0.7.0 引入了不向后兼容的变更。
  2. 学习教程笔记本。README 称该教程完全在 Google Colab 上运行,无需本地安装。
  3. 选择使用自己的数据训练,或从预训练势开始。查阅基础势指南,了解下载、编译和执行说明,包括任何适用的模型条款。
  4. 如果要适配预训练模型,请遵循微调指南。建议的评估步骤是:在扩大使用范围之前,先评估目标体系中的代表性案例。
  5. 根据模拟工作流程选择 ASE 集成或 LAMMPS 集成。请查阅编译和集成说明,不要假定不同部署路径可以互换。

相关资源

Allegro

模型

Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势,并提供文档说明的 GPU 加速选项,以及用于 LAMMPS 模拟的独立插件。

开源Python

计算化学 · 材料发现

computational-chemistry-agent-skills 集合中的 ASE 路由 Skill,将工作流准备与计算器配置分开,并将执行委托给其他环节。

计算化学 · 材料发现

ChemAgent (AI4Chem) 是一个面向化学与材料领域工具使用的研究框架,与 CheMatAgent 论文相关;该论文介绍了基于树搜索的规划、工具执行以及基于 ChemToolBench 的训练。

计算化学 · 材料发现

ChemGraph

智能体

ChemGraph 是一个 Python 智能体框架,可将自然语言化学请求连接到分子构建、模拟、分析和报告,并提供 CLI、Python、Streamlit 和 MCP 接口。

开源Python

计算化学 · 材料发现

CHGNet

模型

CHGNet 是一种针对晶体结构的预训练、融合电荷信息的神经网络势,可预测能量、力、应力和磁矩,用于结构弛豫与分子动力学工作流。

开源Python

计算化学 · 材料发现

DeePMD-kit 是一套工具包,可利用量子力学参考数据训练和微调 Deep Potential 原子间模型,然后将其导出用于推理和分子动力学模拟。

开源PythonC++

计算化学 · 材料发现

相关指南

智能体

化学 AI Agent 指南:从聊天助手到自主科研工作流

一份实用指南,介绍八个化学与生物医学研究智能体:工具、记忆、规划和多智能体角色如何运作,哪些项目适合不同任务,以及如何在科学监督下评估有界自主性。