ABOUT THIS TOOL
关于 CHGNet
面向电荷信息原子建模的预训练图神经网络势及开源推理、微调工具。它面向“快速预测无机材料能量、力、应力和磁矩”这一类科研任务，可通过Python、Jupyter、GPU使用。本站将其归入化学与材料，相关能力标签包括神经网络势、材料模拟。
适合快速预测无机晶体的能量、力、应力和磁矩，并用于结构弛豫或初步分子动力学。应记录模型版本和训练能量约定，并用目标材料的高精度计算验证误差。
CHGNet 适合哪些科研任务？
- 预测晶体能量、力、应力和磁矩
- 进行结构优化和初步分子动力学
- 在自有数据上微调预训练模型
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 原始 CHGNet 仓库的主要功能开发已迁移到 MatGL
- 预训练数据和能量修正约定限制了跨方法直接比较
神经网络势材料模拟
最后核验：2026-09-01
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。