简介:

FAIR Chemistry团队发布的材料科学模型

功能:

使用EquiformerV2架构,具有不同规模的模型版本(31M, 86M, 153M)。

模型经过预训练,可以直接用于材料性质的预测。

提供了在OMat、MPtrj和sAlexandria数据集上训练的模型检查点。

在Matbench Discovery上展示了模型的性能结果。

模型支持在fairchem库中使用自定义的ASE-calculator进行计算。

如果需要进行细胞松弛(使用应力预测),可以使用特定的分支。

提供了额外的工具,包括训练器、评估器和数据加载器,以支持进一步的训练或微调。

需求人群:

"目标受众为材料科学家、化学家和从事材料研究的研究人员。OMat24模型能够帮助他们通过机器学习技术快速预测材料的性质,从而减少实验次数和成本,加速新材料的发现过程。"

浏览量:7

s1785318098921236

打开站点

构建AI去赚钱
s1785341518918206
类似产品

© 2024     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图