MACE¶
MACE 模型通过 mace-torch 加载。mliport 里一个 MACE profile 由"模型文件 + 精度"确定,两种精度
算作两个不同的模型:默认用 float64,精度优先;float32 单独记录,结果不和 float64 混用。
模型是什么¶
- 结构。 MACE 是等变消息传递网络,每一层都构造高阶多体特征(把原子团簇展开放进 消息传递里),所以两层就足以得到精确的势 (Batatia 等,NeurIPS 2022)。
- 示例检查点的训练数据。
mace-omat-0用 OMat24 训练:Meta 发布的约 1.1 亿个 VASP 计算,对象是体相无机结构,其中很多结构刻意偏离 平衡(随机扰动和高温帧)。参考水平是 PBE / PBE+U(VASP 5.4),与 Materials Project 一致:只对氧化物和氟化物中的部分过渡金属加 +U。较早的MACE-MP-0系列用 MPtrj 训练,也是 PBE / PBE+U(Batatia 等,2024);全部检查点 及其许可证列在 mace-foundations。 - 力是能量的梯度(保守力),所以 MACE 能通过 NEB 和构型搜索的梯度预检。
- 对你意味着什么。 能量和力逼近的是体相无机材料上的 PBE(+U)。模型不含色散(见
--d3);表面、分子和界面不在训练分布里,在这些体系上使用前,先拿几个结构和你自己 的 DFT 对比。商用前请先确认检查点的许可证。
安装¶
| 环境 | Python | 运行时 |
|---|---|---|
.venv-mace |
3.10, 3.11, 3.12, 3.13 | mace-torch==0.3.16 (torch 2.8.0) |
固定的 profile¶
| Profile | 标识 | dtype | task | head | 模型 SHA-256 |
|---|---|---|---|---|---|
mace_omat |
MACE-OMAT-0 medium, float64 inference | float64 | bulk | None | d4b14be9afa2... |
mace_omat_float32 |
MACE-OMAT-0 medium, float32 inference | float32 | bulk | None | d4b14be9afa2... |
mace_omat 两个 profile 用的都是上游发布的 mace-omat-0-medium.model,以
validation/science/model_manifest.json 里的 SHA-256 为准。下载链接见模型。
运行¶
.venv-mace/bin/mliport sp structure.cif \
--model /path/to/mace-omat-0-medium.model --model-type mace
--task 指定体系是周期性的(bulk)还是分子(molecule)。--dtype float32 更快但精度更低,
比较数据时要注明用的是哪种精度。
需要知道的事¶
- Head。 模型有多个 head 时,必须用
--head指定一个。只有一个 head 的模型不用写。 MACE-MH-1 就是普通的多 head 能量模型,可以正常加载。 - 只接受能量模型。 没有势能 head 的模型文件会在运行前被拒绝:从它算出的能量是凭空编造的。
包括只有偶极/极化率输出的模型(MACE-MDP 系列)、MACE-POLAR 可极化静电模型(上游用
mace_polar加载,不走能量计算器),以及带电荷/自旋 embedding 的模型(MACE-OMOL 系列, 它从atoms.info读总电荷和自旋)。报错信息里会写明原因和上游的加载方式。 - 精度属于模型信息的一部分。 记录的精度来自后端实际报告的值。
float32和float64的能量 不要在不注明的情况下直接比较。 - 应力只有模型支持时才会输出(见
implemented_properties),不同模型情况不同。可以查验证 记录里的stress_supported字段,或运行mliport doctor确认。 - NEB 可以用 MACE,因为它的力是能量求导得到的;运行时的一致性检查见 NEB。
mliport 采用 MIT 许可证。上游软件和模型需要另外引用,见引用。