跳转到正文

TorchSim

TorchSim 是 Torch 原生、可批处理的原子模拟引擎,为多种机器学习势函数提供 GPU 加速与自动批处理。

条目更新 ·

概览

TorchSim 是面向机器学习势函数(MLIP)时代的新一代开源原子模拟引擎,通过用 PyTorch 重写原子模拟核心原语,大幅加速主流机器学习势。支持 MACE、Fairchem、SevenNet、ORB、MatterSim 等 MLIP 模型,以及经典 Lennard-Jones、Morse 等势,提供 NVE/NVT/NPT 分子动力学、梯度下降与 FIRE 结构优化、Swap Monte Carlo 等能力,并与 ASE、Pymatgen、Phonopy 集成。

TorchSim 是使用机器学习势函数的模拟引擎(AI 关联工具),本身不是机器学习模型。以 MIT 许可发布,论文发表于 AI for Science 1, 025003 (2025)。

主要功能

  • Torch 原生的可批处理原子模拟引擎,支持 GPU 加速与自动批处理。
  • 支持 MACE、Fairchem、SevenNet、ORB、MatterSim 等机器学习势及经典势。
  • 提供 NVE/NVT/NPT 分子动力学、FIRE 结构优化与 Swap Monte Carlo。

使用场景

  • 在 GPU 上批量运行机器学习势的分子动力学与结构优化。
  • 作为连接多种 MLIP 与 ASE/Pymatgen/Phonopy 工作流的模拟引擎。

使用方式

通过 pip install torch-sim-atomistic 安装,配合 MACE 等 MLIP 模型使用。参见 https://torchsim.github.io/torch-sim/。

来源与核查边界

本条目说明所链接项目来源中记载的能力。条目编辑更新不代表完成过运行测试、兼容性测试或科学性能评估。

查看编辑与核查政策

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

atomate2

开源工具

atomate2 使用 Python、jobflow 和 pymatgen 构建模块化材料科学计算工作流。

开源Python

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

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。