UMA模型使用指南：原子体系能量与力快速预测

UMA模型使用指南原子体系能量与力快速预测【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocpUMAUniversal Model for Atoms是 fairchem 项目中的预训练机器势模型面向需要在分子、催化、无机材料体系上快速计算能量、力与结构优化的开发者和研究者。它用 GPU 推理替代传统 DFT 计算一个仅 660 万活跃参数总量 2.9 亿的小模型即可在多数基准上取得领先精度十万原子以上的大体系分子动力学可跑到 ns/day 量级。它是什么 / 工作原理UMA 是等变图神经网络核心是 Mixture of Linear ExpertsMoLE架构总参数最高约 14 亿但单次前向只激活其中一小部分以此在高参数容量与推理速度之间取得平衡。模型在 7 个数据集、约 5.2 亿条 DFT 样本上联合训练推理时根据「任务名 元素组成 电荷 自旋」路由到对应的参数组复现相应 DFT 能级的能量与力。用户侧只需通过 ASE 接口FAIRChemCalculator传入一个任务名即可调用。快速上手安装在 Python 3.10 虚拟环境中执行pip install fairchem-core需要多 GPU 推理时加装 extraspip install fairchem-core[extras]。V2 与 V1 代码及旧模型互不兼容。配置UMA 权重在 Hugging Face 上为门控仓库需先申请访问再创建带读取权限的 token通过huggingface-cli login或设置HF_TOKEN环境变量完成登录。跑第一个任务用get_predict_unit加载uma-s-1p2包一层计算器并指定task_name即可对 ASE atoms 对象算能量和力。from fairchem.core import pretrained_mlip, FAIRChemCalculator predictor pretrained_mlip.get_predict_unit(uma-s-1p2, devicecuda) calc FAIRChemCalculator(predictor, task_nameomat)结构弛豫、分子动力学、自旋隙计算的完整示例见 docs/core/quickstart.md。能力场景UMA 用 7 个任务统一覆盖不同研究领域任务名等价于选择要模拟的 DFT 能级任务适用领域输入输出omol有机分子、聚合物、生物体系atoms 电荷 自旋能量、力、自旋隙oc20 / oc22 / oc25均相催化、氧化物催化、电解质界面吸附质-表面结构吸附能、力场omat无机材料、合金晶体结构总能量、应力odac直接空气捕获 MOFMOF CO2/H2O吸附能量omc分子晶体晶体堆积能量UMA任务类型怎么选带电或开壳层分子必须用omol并把电荷、自旋写入atoms.info其余任务都期望 charge0、spin0。氧化物催化和电解质界面只有 UMA 1.2 的oc22/oc25任务覆盖。MOF 中 CO2/H2O 吸收用odac其他气体分子不在其训练数据范围内。催化筛选与弛豫对 Cu(100) 表面的 CO 吸附挂上计算器后用 LBFGS 跑opt.run(0.05, 100)即可完成结构弛豫。基于 UMA 的 CO2 还原候选材料筛选示例可参考 ocx 应用模块。MOF吸附与直接空气捕获odac任务面向 MOF 框架的 CO2/H2O 吸附计算支持柔性框架弛豫可用于筛选高选择性吸附材料。效果与成本对比以下数字均出自项目 README 与发布说明方案速度精度硬件成本DFTVASP 等CPU 计算单构型分钟到天级取决于体系基准参考值多核 CPU 集群uma-s-1p28×H100 下 8000 原子体系约 10 qps10 万 原子 MD 约 1 ns/day多数基准领先1.2 版在分子测试集上较 1.1 版提升约 40%单 GPU 即可uma-m-1p150M/1.4B 参数比 uma-s 更慢、更吃显存各项指标最佳建议多 GPU多 GPUworkers8约为单 GPU 的 10 倍相同8×H100另外1.2 版 turbo 模式比上一代推理快约 50%单张 H100 上做小体系批量弛豫/MD 最高约 4 倍加速。边界与坑点版本坑V2 代码不兼容 V1 预训练模型UMA 1.0 检查点在新版加载会直接抛RuntimeError需用fairchem-core2.21.0。能量标签体系UMA 与 OMat24 系列模型基于 DFT 总能量标签训练与 Materials Project 的赝势和磁基态不一致。计算生成能、hull 上方能量时不要套用 MP2020 校正或 MP 参考化合物。任务边界omol只学过非周期数据周期体系应改用omat/oc20oc20不含氧化物与显式溶剂odac只覆盖 CO2/H2O 吸收。自旋限制除omol外所有任务不接受自旋输入无法指定磁态omat虽含自旋极化效应但训练数据对自旋态的采样不完整。输入遗漏omol场景忘记设置atoms.info中的电荷/自旋是带电体系算错结果的最常见原因。常见问题加载模型报 401UMA 是 Hugging Face 门控仓库需先申请访问再登录 token排查步骤见 docs/core/uma_faq.md。大体系怎么跑给get_predict_unit加workersN即可多 GPU 并行也支持与 LAMMPS 对接官方验证过百万原子、数百张 GPU 的规模。还能用 V1 老模型吗需要单独安装fairchem-core1.10V2 环境无法加载。结语建议从 docs/core/uma.md 的任务表开始确认你的场景对应哪个任务再照 docs/core/quickstart.md 跑通第一个最小示例训练与微调流程可参考configs/uma/目录下的配置模板。【免费下载链接】ocpFAIR Chemistrys library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考