后端¶
每次计算只用一个后端。后端由 --model-type 或设置里的模型别名、profile 指定;都没有指定时,
程序报 No MLIP backend was selected 并停止,不会自动换用其他后端。
| 后端 | 页面 | --model-type |
示例中使用的模型 |
|---|---|---|---|
| MACE | MACE | mace |
mace-omat-0-medium.model |
| DPA(DeepMD-kit) | DPA | dpa |
DPA-3.1-3M.pt,配合 --head Omat24 |
| GRACE | GRACE | grace |
GRACE-2L-OMAT-medium-base |
| UMA(FAIRChem) | UMA | uma(或 fairchem) |
uma-s-1p2.pt,配合 --task omat |
| NEP | NEP | nep(必须再加 --nep-runtime ase|gpumd) |
你自己的 nep.txt |
各后端的框架和 Python 版本要求不同,所以各自装在单独的环境里(.venv-mace、.venv-dpa、
.venv-grace、.venv、.venv-nep),详见安装。检查某个后端能否正常运行,用 doctor:
DPA 和 GRACE 必须在框架加载前选好 GPU。命令行会新开一个进程并设置 CUDA_VISIBLE_DEVICES;
用 Python API 时需要你自己先设置好。
每个后端页面的结构相同:模型介绍、安装、mliport 固定的模型 profile、运行方法、注意事项。环境表 和 profile 表由代码自动生成,和代码保持一致。
一览¶
| MACE | DPA | GRACE | UMA | |
|---|---|---|---|---|
| 结构 | 带多体特征的等变消息传递 | 线图序列上的消息传递(原子对、键角……) | 图原子团簇展开(1L 局部,2L 半局域) |
带线性专家混合的 eSEN 网络 |
| 示例检查点的训练数据 | OMat24 | OpenLAM-v1(31 个数据集) | OMat24 | OMat24、OMol25、OC20、ODAC25、OMC25 |
| 示例的参考水平 | PBE / PBE+U,体相 | 取决于 head;Omat24 = PBE / PBE+U |
PBE / PBE+U,体相 | 取决于 task;omat = PBE / PBE+U |
| 你要选的 | 精度(float64 / float32) |
--head |
导出的版本 | --task |
| 框架 | PyTorch | PyTorch(.pb 为 TensorFlow) |
TensorFlow | PyTorch |
| 示例的许可证 | 请查检查点 | 请查检查点 | 请查检查点 | 仅限非商业研究 |
这些检查点都不含色散,也只有 UMA 的训练数据在体相之外还包括表面和分子。基础模型复现 的是它的参考泛函,而不是实验;它在你的体系上复现得好不好,需要用几个 DFT 单点来检 查。如何公平地比较后端,见模型页面。