maml

maml

材料科学机器学习的高级Python接口包

maml是一个为材料科学机器学习设计的Python包,提供高级接口简化开发流程。它整合了scikit-learn和tensorflow等机器学习库,以及pymatgen和matminer等材料科学工具,实现特征提取和模型构建。maml支持多种局部环境特征,如双谱系数和Behler-Parrinello对称函数,并包含势能面建模、X射线吸收光谱预测等应用模块。

maml机器学习材料科学特征工程潜在能量面Github开源项目
<img src="https://yellow-cdn.veclightyear.com/ab5030c0/0c3ecd05-b9af-42ed-a7e2-80388b514efa.png?raw=true" alt="maml" width="50%">

GitHub许可证 代码检查 测试 下载量 代码覆盖率

maml(材料机器学习)是一个Python包,旨在提供有用的高级接口,使材料科学的机器学习变得尽可能简单。

maml的目标不是重复其他包中已有的功能。maml依赖于如scikit-learn和tensorflow等成熟的包来实现机器学习算法,以及其他材料科学包如pymatgenmatminer来进行晶体/分子操作和特征生成。

官方文档:https://materialsvirtuallab.github.io/maml/

特点

  1. 将材料(晶体和分子)转换为特征。除了常见的成分、位点和结构特征外,我们还提供以下细粒度局部环境特征。

a) 双谱系数 b) Behler-Parrinello对称函数 c) 原子位置平滑重叠(SOAP) d) 图网络特征(成分、位点和结构)

  1. 使用机器学习来学习特征和目标之间的关系。目前,maml支持sklearnkeras模型。

  2. 应用:

a) pes用于建模势能面,构建用于性质预测的代理模型。

i) 神经网络势(NNP) ii) 使用SOAP特征的高斯近似势(GAP) iii) 光谱邻域分析势(SNAP) iv) 矩张量势(MTP)

b) rfxas用于使用随机森林模型从X射线吸收光谱预测原子局部环境。

c) bowsr用于利用贝叶斯优化和代理能量模型进行快速结构弛豫。

安装

通过PyPI进行pip安装:

pip install maml

要运行势能面(pes),需要安装lammps,你可以从源代码安装或从conda安装:

conda install -c conda-forge/label/cf202003 lammps

SNAP势包含在这个lammps安装中。运行相应的势需要GAP包(用于GAP)和MLIP包(用于MTP)。对于拟合NNP势,需要n2p2包。

从requirement.txt文件安装所有库:

pip install -r requirements.txt

对于上述所有要求:

pip install -r requirements-ci.txt pip install -r requirements-optional.txt pip install -r requirements-dl.txt pip install -r requirements.txt

使用

有许多关于使用的Jupyter笔记本。请参见notebooks。我们还在nanoHUB上提供了工具和教程讲座。

API文档

请参见API文档

引用

@misc{ maml, author = {Chen, Chi and Zuo, Yunxing, Ye, Weike, Ji, Qi and Ong, Shyue Ping}, title = {{Maml - materials machine learning package}}, year = {2020}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/materialsvirtuallab/maml}}, }

对于ML-IAP包(maml.pes),请引用:

Zuo, Y.; Chen, C.; Li, X.; Deng, Z.; Chen, Y.; Behler, J.; Csányi, G.; Shapeev, A. V.; Thompson, A. P.; Wood, M. A.; Ong, S. P. Performance and Cost Assessment of Machine Learning Interatomic Potentials. J. Phys. Chem. A 2020, 124 (4), 731–745. https://doi.org/10.1021/acs.jpca.9b08723.

对于BOWSR包(maml.bowsr),请引用:

Zuo, Y.; Qin, M.; Chen, C.; Ye, W.; Li, X.; Luo, J.; Ong, S. P. Accelerating Materials Discovery with Bayesian Optimization and Graph Deep Learning. Materials Today 2021, 51, 126–135. https://doi.org/10.1016/j.mattod.2021.08.012.

对于AtomSets模型(maml.models.AtomSets),请引用:

Chen, C.; Ong, S. P. AtomSets as a hierarchical transfer learning framework for small and large materials datasets. Npj Comput. Mater. 2021, 7, 173. https://doi.org/10.1038/s41524-021-00639-w

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多