MLatom 3软件包：机器学习和计算化学模拟

huangshulin

厦门原子计算套件(Xiamen AtomicComputing Suite, XACS)，由三个计算化学软件组成，包括厦门价键（XMVB）、厦门能量分解分析（XEDA）和机器学习原子模拟（MLatom）。本篇主要介绍的是MLatom@XACS。更多详细信息请点击在线教程查阅。综述：厦大 Pavlo Dral 团队: 计算化学中的 AI – 深耕十年的独到视角

如果你想要学习更多AI增强的计算化学，你可以在线观看我们最新发布的迷你课程，它非常适合想要更新计算工具的初学者和专家。
现代计算化学与人工智能：课程已上线！（可直接点击查看）

MLatom 3发布一周年：从3.0到3.10
在这一年里，MLatom总计有10次更新（PyPI上有12次发布），所以别忘了更新你的MLatom！

1. pip install --upgrade mlatom

复制代码

我们对之前的更新做了总结

MLatom@XACS上的额外更新（XACS云计算平台上的特殊MLatom版本，包含最新且未发布的功能）：

• 通用可更新的AI增强量子力学方法（UAIQM）
• 红外和拉曼光谱
• 集成DFT泛函计算-比使用单独的DFT泛函更准确
  

Github和PyPI上的更新：

• MLatom3.10.0–3.10.1 (21-22.08.2024)-用于面跳跃分子动力学的主动学习，用于激发态学习的多能态ANI模型，能高效探索圆锥交叉点区域的能差分子动力学，以及其它的改进，比如在Jupyter中可视化分子，数据库和轨迹，更好地加载分子
• MLatom 3.9.0 (23.07.2024) – 周期性边界条件
• MLatom 3.8.0 (17.07.2024) – 直接学习动力学
• MLatom 3.7.0-3.7.1 (03-04.07.2024) – 主动学习和MD并行计算
• MLatom 3.6.0 (15.05.2024) – 增加新的通用机器学习模型（ANI-1xnr, AIMnet2, DM21）
• MLatom 3.5.0 (08.05.2024) – 准经典分子动力学
• MLatom 3.4.0 (29.04.2024) – 改进几何结构优化功能
• MLatom 3.3.0 (03.04.2024) – 面跳跃分子动力学
• MLatom 3.2.0 (19.03.2024) – 扩散蒙特卡洛和能量加权训练
• MLatom 3.1.0 (12.29.2023) – 与MACE的接口
  

MLatom 3@XACS的功能“MLatom3: A Platform for Machine Learning-EnhancedComputational Chemistry Simulationsand Workflows”为题发表在Journalof Chemical Theory and Computation期刊上（J. Chem. Theory Comput. 2024, 20, 1193–1213）。我们将其转换为互动式在线教程，也可查看视频概述。【AI计算化学：MLatom@XACS——JCTC论文和在线教程】 https://www.bilibili.com/video/B ... ecae4c13150251a2934

了解MLatom的功能

MLatom 3是一个软件包，旨在利用机器学习的强大功能来增强典型的计算化学模拟，并创建复杂的工作流程。MLatom作为一个开源包为用户提供了丰富的选择，用户可以使用命令行选项、输入文件或脚本(使用MLatom作为Python包)，为了进一步便捷地使用AI增强的计算化学，也可以在XACScloud.com上使用。计算化学家可以使用 ML、量子力学和组合模型计算能量和热力学性质，优化几何构型，运行分子和量子动力学，并模拟(转)振动、单光子紫外/可见吸收和双光子吸收光谱。

用户可以从包含预训练的机器学习模型和量子力学近似方法的广泛库中进行选择，例如接近耦合簇精度的AIQM1。开发人员可以使用各种机器学习算法构建自己的模型。MLatom具有极大的灵活性，这是因为使用了许多先进软件包和库的接口。

MLatom的两种使用模式的示例：通过输入文件和 Python API

MLatom的开发和贡献

对于开发人员，MLatom提供了一个灵活的平台，用于实现新的接口，因为只需提供支持使用新模型进行预测（训练）的新类。例如，MACE的实现在一天内完成，测试需要额外一天的时间。一旦实现了这些模型，它们就可以轻松用于模拟。欢迎向MLatom的主要GitHub存储（https://github.com/dralgroup/mlatom）贡献，并可以通过分支（根据要求）和贡献者可能为其方法和功能的私有开发创建的分支进行拉取请求。经过主要开发团队的审查和可能的调整后，拉取请求可能会合并到官方版本中。

支持与联系

如果您有进一步的问题、批评和建议，我们很乐意通过电子邮件、Slack社区或微信(请发送电子邮件请求将您添加到XACS用户支持组)接收您的意见。更多视频教程，可前往我们在B站的官方账号查看 https://b23.tv/1z0ZnJZ

ecoliscu

厦大的就是厉害

huangshulin

MLatom@XACS教程：使用MLatom@XACS执行过渡态搜索和分析（频率和IRC）

可在XACS官网上查看https://xacs.xmu.edu.cn/docs/mlatom-cn/tutorial_ts.html，也可查看视频【使用MLatom@XACS进行过渡态计算】 https://www.bilibili.com/video/B ... ecae4c13150251a2934

我们以Diels–Alder反应为例，演示了如何使用GFN2-xTB和AIQM1（AI增强的量子力学方法）提供合理的过渡态几何结构，以及其他方法，如密度泛函理论（DFT）和机器学习模型。MLatom@XACS可直接通过浏览器在XACScloud.com上运行模拟。欢迎论坛内的网友们前往体验和使用，如果您有问题可直接在本帖回复！

该教程是由厦门大学Pavlo Dral教授和他团队的研究生陈余忻忻（http://dr-dral.com）准备的。

huangshulin

MLatom@XACS教程：使用MLatom@XACS进行单点能计算

可在XACS官网上查看https://xacs.xmu.edu.cn/docs/mlatom-cn/sp.html，也可查看视频【使用MLatom@XACS进行单点能计算】 https://www.bilibili.com/video/BV1Fx421f74X/?share_source=copy_web&vd_source=7791e056d104aecae4c13150251a2934

MLatom能够使用各种模型和方法计算单点能，包括：

• 传统量子力学方法
• 混合量子力学/机器学习方法
• 预训练的机器学习模型和用户定义的机器学习模型
  

在这里我们将说明如何使用MLatom@XACS中不同类别的方法计算ISOL24数据集中糖的异构化能。



该教程是由厦门大学Pavlo Dral教授团队的研究生陈余忻忻（http://dr-dral.com）准备的。

huangshulin

厦门大学Pavlo O. Dral教授在Chemical Communication期刊上发表了特邀文章，题为《从十年历程看计算化学中的人工智能》的综述。本文通过Pavlo O. Dral教授十年来在这一迅速发展领域所做出的贡献，并结合这一领域快速发展的趋势，反映了人工智能工具在计算化学领域的进展。

通过阅读本篇综述，可以更加全面的了解计算化学与人工智能的研究信息，也可查看视频介绍【Chem. Commun. 特邀文章：从十年历程看计算化学中的人工智能】 https://www.bilibili.com/video/B ... ecae4c13150251a2934

如果您想了解有关计算化学与人工智能的更多信息，请访问Pavlo O. Dral教授的课题组网站dr-dral.com，上述提到的内容均在网站上有更加详细的介绍。

yang_jin

泪目，这是我苦苦追寻许久的东西，感谢大佬的无私奉献

rugals

请问楼主，XACS支持的量子动力学是基于什么做的？是否有进一步的介绍？

huangshulin

yang_jin 发表于 2024-3-14 09:24
泪目，这是我苦苦追寻许久的东西，感谢大佬的无私奉献

感谢支持，如有问题可随时与我们联系交流！

huangshulin

rugals 发表于 2024-3-14 16:57
请问楼主，XACS支持的量子动力学是基于什么做的？是否有进一步的介绍？

量子动力学本来是开放量子系统的量子耗散动力学。具体的可以查看 http://mlatom.com/mlqd/和http://mlatom.com/manual/#mlqd

huangshulin

MLatom@XACS教程：使用MLatom@XACS从分子动力学轨迹计算振动光谱

可在XACS官网上查看https://xacs.xmu.edu.cn/docs/mlatom-cn/tutorial_md2vibr.html，也可查看视频【MLatom 3.2.0正式发布！】 https://www.bilibili.com/video/BV1sf421Z73k/?share_source=copy_web&vd_source=7791e056d104aecae4c13150251a2934  在本次教程中，我们会展示如何在MLatom中使用分子动力学轨迹模拟振动光谱。欢迎论坛内的网友们前往体验和使用，如果您有问题可直接在本帖回复！

红外光谱可以通过对偶极矩的自相关函数做傅里叶变换得到：




这两篇论文提出了从分子动力学轨迹计算振动光谱的理论：DOI: 10.1039/C3CP44302G 和 DOI: 10.1039/C6CP05849C。在MLatom中实现的分子动力学和由此得出的振动光谱的详细细节在这篇论文中描述（DOI: 10.1039/D3CP03515H）。

该教程是由厦门大学Pavlo Dral教授和他团队的博士生侯一帆（http://dr-dral.com）准备的。

huangshulin

MLatom@XACS教程：在MLatom@XACS中训练和使用机器学习势

可在XACS官网上查看https://xacs.xmu.edu.cn/docs/mlatom-cn/tutorial_mlp.html，也可查看视频【在MLatom@XACS中训练和使用机器学习势】 https://www.bilibili.com/video/BV1yt421E7b5/?share_source=copy_web&vd_source=7791e056d104aecae4c13150251a2934

MLatom@XACS是一个强大的工具，用于训练和使用机器学习势。它支持各种代表性的势能。
这些势能包括：

• 等变神经网络MACE
• 性价比高的热门ANI
• 快速且相对较好的核方法，如KREG和sGDML，尤其适用于小数据集
• 还有许多其他类型
  

huangshulin

JPCL | 什么是机器学习势所需要的：模拟导向训练

较低的势能误差并不能保证机器学习势在模拟中的良好性能。原因之一是很难在训练过程中平衡不同PES区域的描述。特别在训练含有许多严重扭曲构型的高变形能分子的全局PES数据时更是如此。

我们研究并展示了如何在训练中解决这个问题，以提高机器学习势在模拟而不是单纯在验证或测试集上的性能。在这项工作中，我们使用了能量加权训练，并对加权函数进行优化以获得更好的模拟结果。获得的机器学习势可用于繁重的扩散蒙特卡罗模拟——这需要数十亿次的精密计算才能获得准确的非谐零点振动能。

请参阅我们在JPCL中的论文了解更多详细信息，以及查看使用MLatom@XACS进行此类模拟的教程。

论文信息：

Tell Machine Learning Potentials What They Are Needed For: Simulation-Oriented Training Exemplified for Glycine. J. Phys. Chem. Lett.2024, 15, 4451–4460.

Fuchun Ge, Ran Wang, Chen Qu, Peikun Zheng, Apurba Nandi, Riccardo Conte, Paul L. Houston, Joel M. Bowman*, Pavlo O. Dral*

DOI: 10.1021/acs.jpclett.4c00746

huangshulin

比DFT更快更准确：MLatom@XACS中的AIQM1

AIQM1（人工智能-量子力学方法1）
这是一种通用方法，对于基态闭壳层物种，其计算精度接近于黄金标准的耦合簇量子力学方法，同时计算速度很快，与低水平半经验量子力学方法相近。此外，AIQM1也适用于带电物种、自由基物种以及激发态的计算。可查看AIQM1教程，了解更多详细想信息。也可查看视频介绍和应用示例【比DFT更快更准确：MLatom@XACS中的AIQM1】


Peikun Zheng, Roman Zubatyuk, Wei Wu, Olexandr Isayev, Pavlo O. Dral, Artificial Intelligence-Enhanced Quantum Chemical Method with Broad Applicability, Nat. Commun., 2021, 12, 7022, DOI: 10.1038/s41467-021-27340-2

如果您在研究工作中使用了AIQM1方法，请在发表时引用这篇论文。

优势：对于闭壳层分子，AIQM1可用于精确、快速的能量计算和几何构型优化。
限制： 此方法目前仅可用于计算包含H, C, N, O元素的化合物。
可用性：AIQM1可在MLatom软件包中使用，大多数计算可以在线进行，无需安装任何程序，可通过MLatom@XACS云计算运行（XACScloud.com）。

thor

huangshulin 发表于 2024-5-1 13:40
比DFT更快更准确：MLatom@XACS中的AIQM1

AIQM1（人工智能-量子力学方法1）

这个怎么收费的

huangshulin

像在PNAS和JACS论文中一样研究反应机理的准经典轨迹！

可查看XACS官网上的在线教程，也可查看视频中的简单介绍！【像在PNAS和JACS论文中一样研究反应机理的准经典轨迹！】

准经典动力学（准经典轨迹（QCT））与经典动力学相比考虑了零点能。它在研究化学反应的工作中非常流行（参见Houk等人的工作：PNAS 2012, 109, 12860和J. Am. Chem. Soc. 2023, 145, 14446）。在本教程中，我们将展示如何在最新发布的MLatom 3.5.0中进行准经典动力学模拟，并重现上述PNAS文章中的结果。

该实现的细节在以下工作中给出（使用该功能请与其他所需的文献一同引用）:

Yi-Fan Hou, Lina Zhang, Quanhao Zhang, Fuchun Ge, Pavlo O. Dral. Physics-informed active learning for accelerating quantum chemical simulations. arXiv 2024, DOI: 10.48550/arXiv.2404.11811.