Hugging Peers

MACE

☆ Save
by OneScience pytorch mit
6 downloads 4 likes on ModelScope updated

Model card

MACE

模型介绍

MACE 是面向分子和材料体系的机器学习原子间势（MLIP）模型，基于 E(3)-等变图神经网络构建，可对原子结构进行能量和受力预测。

论文：MACE: Higher order equivariant message passing neural networks for fast and accurate force fields
参考实现：https://github.com/ACEsuit/mace

模型描述

MACE 基于 E(3)-等变图神经网络架构，使用 HDF5/XYZ 格式数据进行训练，面向分子和材料体系开展能量与受力预测及结构优化。

适用场景

场景 说明
原子间势训练 使用标准配置读取 HDF5/XYZ 数据并训练 MACE 模型
分布式训练预检 检查多卡/多节点训练配置、数据路径和 statistics 是否一致
验证集评测 训练过程中在验证集上输出能量和力相关误差指标
自有数据迁移 参考现有配置替换为自有 HDF5/XYZ 数据和 statistics 文件
环境连通性验证 使用预检脚本检查 OneScience matchem 环境、pyyaml、h5py 和数据可读性

使用说明

1. OneCode 使用

可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：

点击体验智能化一键式 AI4S 编程

2. 手动安装使用

硬件要求

  • 推荐使用 GPU 或 DCU 运行训练。
  • CPU 可以用于导入和小配置连通性验证，完整训练速度较慢。
  • DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。

下载模型包

modelscope download --model OneScience/MACE --local_dir ./mace
cd mace

安装运行环境

DCU环境

# 请首先激活DTK及CONDA
conda create -n onescience311 python=3.11 -y
conda activate onescience311
# 支持uv安装
pip install onescience[matchem-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

GPU环境

# 请首先激活CONDA
conda create -n onescience311 python=3.11 -y libstdcxx-ng=12 libgcc-ng=12 gcc_linux-64=12 gxx_linux-64=12
conda activate onescience311
# 支持uv安装
pip install onescience[matchem-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/  --trusted-host mirrors.onescience.ai

训练数据介绍

本仓库不内置训练数据。以 DMC 入门数据集为例，从 ModelScope 下载并放到仓库根目录的 data/ 下：

modelscope download --dataset OneScience/DMC --local_dir ./data

下载后数据路径为 data/data/DMC/。scripts/demo/run.sh 会自动将仓库根目录作为 ONESCIENCE_DATASETS_DIR，因此无需手动设置该变量即可匹配配置文件中的路径。

其他配置（如 ani1x_8dcu.yaml、water_*.yaml 等）需要下载对应数据集并调整 YAML 中的数据路径。

训练

单卡：

bash scripts/demo/run.sh --config scripts/demo/configs/DMC.yaml

多卡：

# 以 8 卡为例，配置文件中 launch.launcher 应为 torchrun
bash scripts/demo/run.sh --config scripts/demo/configs/ani1x_8dcu.yaml

SLURM 提交：

bash scripts/demo/run.sh --config scripts/demo/configs/ani1x_8dcu.yaml --submit

训练权重

本仓库目前不内置训练权重，权重可通过上述训练得到。

OneScience 官方信息

平台 OneScience 主仓库 Skills 仓库
Gitee https://gitee.com/onescience-ai/onescience https://gitee.com/onescience-ai/oneskills
GitHub https://github.com/onescience-ai/OneScience https://github.com/onescience-ai/oneskills

引用与许可证

  • MACE 相关代码来自 OneScience 项目中的 matchem 示例实现，并参考了上游 MACE 项目（https://github.com/ACEsuit/mace）。上游 MACE 代码以 MIT License 发布。
  • 如果在科研工作中使用 MACE 训练结果，建议引用 MACE 原始论文、OneScience 相关项目信息和实际使用的数据集来源。