MLatom 3软件包：机器学习和计算化学模拟

huangshulin

轻松上手计算化学中的通用AI模型

MLatom支持多种基于机器学习（ML）的通用模型，包括机器势能面和混合ML增强量子力学（QM）方法。它们无需训练即可开箱使用。下表列出了可用的方法：


可查看XACS官网上的在线教程，也可查看视频中的简单介绍！【轻松上手计算化学中的通用AI模型】

huangshulin

thor 发表于 2024-5-8 19:45
这个怎么收费的

感谢关注，很抱歉回复晚了。

关于如何收费的问题，这取决于你的需求。XACS云计算的基本版本是免费的，也可以在本地（计算机或集群上）安装免费版本。不过，我们也可以提供更高级的在线计算升级版本，具体需求请可发送邮件咨询xacs@xmu.edu.cn

thor

huangshulin 发表于 2024-5-16 11:14
感谢关注，很抱歉回复晚了。

关于如何收费的问题，这取决于你的需求。XACS云计算的基本版本是免费的， ...

使用你们在线提交任务计算也是免费？

huangshulin

thor 发表于 2024-5-16 11:17
使用你们在线提交任务计算也是免费？

是的，目前在线提交任务是免费的。欢迎体验和使用！

huangshulin

Nat. Commun.：AIQM1赋能加快多尺度量化精修可靠的蛋白质–药物结构

近日，南方科技大学钟龙华课题组首次结合了高效的机器学习势 (MLPs) 和多尺度量化精修方法，提高量化精修的计算效率和可靠性。相关研究结果发表在Nature Communications上。此项工作使用MLatom@XACS软件中耦合簇精度的AIQM1方法，在蛋白质-药物/抑制剂体系（特别是带电体系）量化精修中获得高精度的药物/抑制剂结构。

更多详细内容请参阅：AIQM1赋能加快多尺度量化精修可靠的蛋白质–药物结构，也可查看视频简单介绍：【AIQM1赋能加快多尺度量化精修可靠的蛋白质–药物结构】

论文信息：

Accelerating reliable multiscale quantum refinement of protein–drug systems enabled by machine learning

Zeyin Yan, Dacong Wei, Xin Li & Lung Wa Chung*

Nat. Commun. 2024, 15, 4181. DOI: 10.1038/s41467-024-48453-4

huangshulin

迁移学习：使用更少的数据构建更好的AI模型
迁移学习（TL）是机器学习（ML）中常用的一种技术。使用它可以训练更好的 AI 模型：在精准的通用计算化学ML 模型AIQM1（Nat. Commun. 2021, 12, 7022）与ANI-1ccx（Nat. Commun. 2019, 10, 2903）的训练中都用到了该技术。也可查看视频简单介绍【迁移学习：使用更少的数据构建更好的AI模型】



在我们的在线教程中，我们展示了如何使用 MLatom 进行迁移学习。同时，我们提供了Jupyter notebook，您可以在 XACS平台上通过Jupyter lab服务来体验这种强大的机器学习技术。使用XACS平台之前，需注册在XACScloud注册账号（免费）。

huangshulin

快速上手DFT计算！就在XACS云计算平台！

想要轻松进行DFT计算？不用再找了！视频介绍→【[url=https://www.bilibili.com/video/B ... ecae4c13150251a2934]快速上手DFT计算！就在XACS云计算平台！[/url]】

您可以通过简单的输入，在XACS云计算平台轻松地在线运行DFT计算。我们还提供详细的在线教程，帮助你进行各种类型的计算，比如几何构型优化、频率、热化学和动力学。

XACS平台的注册是免费的，您不需要任何费用就可以进行简单的尝试。

huangshulin

JCTC：使用量子力学和机器学习方法模拟面跳跃动力学

最近，XACS团队与Mario Barbatti以及华沙大学和之江实验室的课题组合作，在JCTC上发表了一篇关于用Python实现多用途的面跳跃动力学的论文。

点击查看视频介绍

【JCTC：使用量子力学和机器学习方法模拟面跳跃动力学】

该实现基于强大的MLatom生态，用于人工智能增强的计算化学。只要几十行Python代码，用户就可以完成从几何优化到简振模采样再到面跳跃动力学模拟和分析的完整工作流。进行动力学计算时，有多种从头算方法，半经验方法和机器学习方法可供选择。其中，基于机器学习的AIQM1可以给出相当好的面跳跃动力学，且计算成本较低。

[Figure credit: Modified from P. O. Dral, F. Ge, Y.-F. Hou, P. Zheng, Y. Chen, M. Barbatti, O. Isayev, C. Wang, B.-X. Xue, M. Pinheiro Jr, Y. Su, Y. Dai, Y. Chen, S. Zhang, L. Zhang, A. Ullah, Q. Zhang, Y. Ou. JCTC 2024, 20, 1193 under CC-BY license]

有关设置计算的更多细节，请参考我们的在线教程和直播回放。回放中有专家关于机器学习面跳跃动力学实现的讨论，以及在XACS云平台上的计算演示。

huangshulin

分子红外光谱模拟现在上线啦！
分子红外光谱计算已经上线MLatom@XACS平台。点击查看[url=【分子红外光谱模拟现在上线啦！】 https://www.bilibili.com/video/B ... ecae4c13150251a2934]视频介绍[/url]。

仅需非常简单的输入文件，就可以轻松使用DFT计算红外光谱。


你可以在输出文件中找到振动频率和对应的红外强度。


更多计算细节和示例文件请参考我们的线上教程。

huangshulin

UAIQM：通用且可更新的AI模型让你火力全开！

我们提出了量子化学中的一个全新范式，即一个通用并且可更新的AI模型平台——简称UAIQM（点击查看在线教程）。我们没有为最近新开发的几十个新的AI模型分别写上几十篇论文，而是将它们集中起来放在一个库中。可查看[url=【UAIQM：通用且可更新的AI模型让你火力全开！】 https://www.bilibili.com/video/B ... ecae4c13150251a2934]视频介绍[/url]。

huangshulin

直接学习分子动力学轨迹！
我们在2022年3月引入了一个全新的概念：直接学习动力学轨迹！原理很简单，那就是直接预测原子坐标关于时间的函数。这样我们就能同时（并行）预测不同时间点的原子坐标，而不是像分子动力学那样一步一步预测。而且我们能以任意的精度给出轨迹。我们已经完成了这个困难的任务：我们发展了一种深度学习模型GICnet，该工作于2023年发表在JPCL。GICnet是一个在四维时空中解析描述分子运动和化学反应的模型！


可查看视频介绍【直接学习分子动力学轨迹！】，我们也提供了在线教程。

吹梦到西洲

请问对优化对原子数有无限制，若是限制不大，几千个原子的聚合物体系能否优化，推荐使用哪种方法？可有类似于交流群一样的联系方式？

huangshulin

吹梦到西洲 发表于 2024-7-25 15:23
请问对优化对原子数有无限制，若是限制不大，几千个原子的聚合物体系能否优化，推荐使用哪种方法？可有类似 ...

优化对原子数没有限制，反而是跟用的方法有关系。几千个原子可以用半经验方法，比如GFN2-xTB。

吹梦到西洲

huangshulin 发表于 2024-7-26 17:21
优化对原子数没有限制，反而是跟用的方法有关系。几千个原子可以用半经验方法，比如GFN2-xTB。

如果想使用ANI-1cc、ANI-2x之类的方法原子数的限制大概在多少呢

huangshulin

吹梦到西洲 发表于 2024-7-26 18:35
如果想使用ANI-1cc、ANI-2x之类的方法原子数的限制大概在多少呢

你可以试试，几万个原子应该没问题，毕竟是机器学习势