材料图库（MatGL）：面向材料科学与化学的开源图深度学习库
材料科学
2025-03-07 v1 化学物理
摘要
图深度学习模型天然地融入了对原子集合的归纳偏置，在材料科学和化学领域具有极大的应用价值。在此，我们介绍了材料图库（MatGL），一个面向材料科学与化学的开源图深度学习库。该库建立在流行的深度图库（Deep Graph Library, DGL）和 Python 材料基因组（Python Materials Genomics, Pymatgen）包之上，旨在使 MatGL 成为一个可扩展的"开箱即用"（batteries-included）库，用于开发先进的图深度学习模型以进行材料性质预测和原子间势能。目前，MatGL 高效实现了不变和等变图深度学习模型，包括材料三体图网络（Materials 3-body Graph Network, M3GNet）、材料图网络（MatErials Graph Network, MEGNet）、晶体哈密顿图网络（Crystal Hamiltonian Graph Network, CHGNet）、TensorNet 和 SO3Net 架构。MatGL 还包含多种预训练的通用原子间势能（即"基础材料模型"，foundational materials models, FMM），以及用于开箱即用、基准测试和微调的属性预测模型。最后，MatGL 支持 PyTorch Lightning 以实现模型的快速训练。
引用
@article{arxiv.2503.03837,
title = {Materials Graph Library (MatGL), an open-source graph deep learning library for materials science and chemistry},
author = {Tsz Wai Ko and Bowen Deng and Marcel Nassar and Luis Barroso-Luque and Runze Liu and Ji Qi and Elliott Liu and Gerbrand Ceder and Santiago Miret and Shyue Ping Ong},
journal= {arXiv preprint arXiv:2503.03837},
year = {2025}
}
备注
50 pages, 13 figures including Manuscript and Supplementary Inoformation