ABOUT THIS TOOL
关于 MACE
以高阶等变消息传递训练和运行机器学习原子间势的开源 PyTorch 框架。它面向“训练、微调和部署材料与分子原子间势”这一类科研任务，可通过Python、Linux、GPU、HPC使用。本站将其归入化学与材料，相关能力标签包括机器学习势、原子模拟。
适合从量子计算数据训练高阶等变原子间势，也可使用或微调公开基础模型。应先确认模型、训练数据、能量基准和许可证，再用目标体系的独立数据评估能量、力和稳定性。
MACE 适合哪些科研任务？
- 训练和微调机器学习原子间势
- 用预训练模型进行结构优化与模拟
- 将模型接入 ASE 或 LAMMPS
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。
- MACE 代码开源，但不同预训练模型可能采用不同许可证
- 通用模型不能保证覆盖特定化学环境或极端构型
机器学习势原子模拟
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。