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

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多