概览
TorchANI 在 PyTorch 中实现了 ANI 神经网络势系列。其文档所述用途是支持 ANI 风格神经网络原子间势的训练、开发和研究，而不是提供单一的独立预测模型。README 将 Roitberg group 列为该项目的原始开发者和当前维护者，并提供了相关文档和出版物的链接。
在分子建模工作流中，TorchANI 提供使用这类势的基础设施，包括描述符计算和网络推理。可选的 C++ 和 CUDA 扩展可加速这些操作。来源摘录没有说明确切的分子输入格式、输出结构、支持的元素或各个预训练模型的适用范围；在选择科学应用之前，需要查阅所链接的文档以确认这些细节。对于使用 Amber 进行分子动力学模拟，README 指向一个独立的 TorchANI-Amber 接口，该接口支持完整的机器学习和 ML/MM 工作流；仅凭核心软件包本身并不能确认存在这类集成。
安装指南倾向于在隔离环境中使用 pip，因为文档称 conda 软件包已无人维护。软件包元数据要求 Python >=3.10，并指定了 PyTorch 依赖项。README 表示支持 CUDA GPU 且建议使用 GPU，同时提醒没有 GPU 时性能会降低。README 还指出，AMD GPU 支持和 Apple MPS 未经测试，macOS 不支持 CUDA。现有用户可查阅迁移指南了解 API 变更。来源摘录没有给出定量的准确度或速度基准，因此是否适用于特定化学任务仍需评估。
主要功能
- 基于 PyTorch 实现 ANI 神经网络势系列，用于训练、开发和研究。
- 可选用 C++ 和 CUDA 扩展来计算描述符和执行网络推理。
- 可在 CUDA GPU 上运行，项目建议使用 GPU。
- 提供 `ani` 命令行入口，用于项目实用工具，包括构建扩展。
- 提供 `.legacy_state_dict()` 方法，以便在迁移期间访问较早的 ANI 模型状态字典。
使用场景
- 建议评估：开发或训练 ANI 风格的原子间势，并通过文档确认支持的数据表示形式和训练流程。
- 建议评估：在检查各模型支持的化学范围和文档所述输出后，评估其在代表性分子体系上的神经势推理能力。
- 建议评估：通过独立的 TorchANI-Amber 接口，探索使用 Amber 进行完整 ML 或 ML/MM 分子动力学模拟。
- 建议评估：使用迁移指南，并在需要时借助旧版状态字典访问功能，迁移现有 TorchANI 工作流。
使用方式
- 从官方文档入手，选择训练或推理示例。确认其分子输入、预期输出和模型适用范围；这些细节未在摘录中提供。
- 查看仓库安装指南。选择隔离环境，并核对所提供软件包元数据中的 Python 和 PyTorch 要求。README 建议使用 pip，因为 conda 软件包已不再维护。
- 判断是否适合使用 CUDA 运行。对于编译扩展，请遵循所链接的 CUDA Toolkit 指南，并在遵循仓库构建说明之前，确保工具包与所选 PyTorch 环境匹配。
- 对于现有工作流，请查阅迁移指南。检查 API 变更，以及是否需要旧版模型状态字典。
- 作为预定的评估步骤，在具有代表性的输入上运行文档中的示例，并将科学适用性与安装是否成功分开评估。对于 Amber 模拟，在规划集成之前，请查阅独立的 TorchANI-Amber 仓库。