Open MatSci ML Toolkit：材料科学中机器学习的灵活框架
机器学习
2023-09-01 v1 材料科学
人工智能
摘要
我们提出了Open MatSci ML Toolkit：一个灵活、自包含且可扩展的基于Python的框架，用于将深度学习模型和方法应用于科学数据，特别关注材料科学和OpenCatalyst数据集。我们的工具包提供：1. 利用PyTorch Lightning的材料科学可扩展机器学习工作流，其能够在不同计算能力（笔记本、服务器、集群）和硬件平台（CPU、GPU、XPU）之间无缝扩展。2. 深度图库（DGL）支持，用于快速图神经网络原型设计与开发。通过开源发布将此工具包与研究界共享，我们希望：1. 降低想要着手使用OpenCatalyst数据集的新机器学习研究者和从业者的入门门槛，该数据集目前包含最大的计算材料科学数据集。2. 使科学界能够将先进机器学习工具应用于高影响的科学挑战，例如面向清洁能源应用的材料行为建模。我们通过为多个OpenCatalyst任务启用三种新的等变神经网络模型，展示了框架的能力，并在计算扩展和模型性能方面取得了有前景的结果。
引用
@article{arxiv.2210.17484,
title = {The Open MatSci ML Toolkit: A Flexible Framework for Machine Learning in Materials Science},
author = {Santiago Miret and Kin Long Kelvin Lee and Carmelo Gonzales and Marcel Nassar and Matthew Spellings},
journal= {arXiv preprint arXiv:2210.17484},
year = {2023}
}
备注
Paper accompanying Open-Source Software from https://github.com/IntelLabs/matsciml