Исследователи представили FAIRChem v2, включающую универсальный потенциал машинного обучения UMA (Universal Machine-learning interatomic potential). Система позволяет проводить атомистическое моделирование для широкого спектра задач: от органических молекул и катализаторов до неорганических материалов и молекулярной динамики. Модель унифицирует подходы к предсказанию свойств веществ, обеспечивая высокую точность вычислений в различных химических доменах.
Архитектура UMA спроектирована как единый фреймворк, способный обрабатывать данные из разных областей химии материалов. Ранее для каждой специфической задачи требовались отдельные модели, однако FAIRChem v2 объединяет их, упрощая настройку среды и интеграцию с существующими вычислительными инструментами. Доступ к весам модели осуществляется через платформу Hugging Face, что позволяет исследователям быстро разворачивать калькуляторы для конкретных доменов.
Внедрение подобных решений ускоряет процесс поиска новых катализаторов и материалов, сокращая время на проведение дорогостоящих квантово-химических расчетов. Модель поддерживает работу с вибрационными спектрами и динамическими процессами, что делает её важным инструментом для материаловедения и вычислительной химии.
Ключевые факты
- FAIRChem v2 использует универсальный потенциал UMA для междисциплинарного моделирования.
- Система поддерживает работу с тремя основными доменами: omol (молекулы), oc20 (катализаторы) и omat (неорганические материалы).
- Веса модели доступны через Hugging Face для интеграции в исследовательские пайплайны.
- Фреймворк позволяет проводить расчеты молекулярной динамики и анализировать вибрационные свойства структур.