FAIRChem v2 ra mắt UMA: Mô hình học máy vạn năng cho mô phỏng nguyên tử

Trong hướng dẫn này, chúng ta sẽ khám phá FAIRChem v2 và UMA – mô hình học máy tiềm năng liên nguyên tử (universal machine-learning interatomic potential) – như một khung thống nhất cho mô phỏng nguyên tử trong hóa học phân tử, xúc tác và vật liệu vô cơ. Chúng ta sẽ thiết lập môi trường, xác thực với Hugging Face để truy cập các trọng số mô hình UMA có kiểm soát (gated), và khởi tạo các bộ tính toán chuyên biệt cho các miền omol, oc20 và omat. Sau đó, chúng ta áp dụng cùng một mô hình tiềm năng đã được huấn luyện trước cho một loạt các quy trình hóa học tính toán, bao gồm dự đoán năng lượng và lực tại điểm đơn lẻ (single-point), tối ưu hóa hình học phân tử, so sánh trạng thái spin, ước tính năng lượng phản ứng, phân tích dao động, hấp phụ bề mặt, thư giãn ô tinh thể, khớp phương trình trạng thái, động lực học phân tử và quét bề mặt năng lượng tiềm năng. Xuyên suốt hướng dẫn, chúng ta tích hợp FAIRChem với Atomic Simulation Environment (ASE) để quản lý cấu trúc nguyên tử, bộ tối ưu hóa, các ràng buộc, tính toán nhiệt động lực học và phân tích quỹ đạo, đồng thời tận dụng khả năng tăng tốc GPU bất cứ khi nào có sẵn.

Chúng ta cài đặt các phụ thuộc cần thiết cho FAIRChem, ASE, trực quan hóa và Hugging Face, đồng thời đảm bảo thiết lập này an toàn để chạy lại trên Google Colab. Chúng ta xác thực với Hugging Face để truy cập các trọng số mô hình UMA có kiểm soát và tự động phát hiện xem có khả năng tăng tốc GPU hay không. Sau đó, chúng ta tải bộ dự đoán UMA và tạo các bộ tính toán riêng biệt cho mô phỏng phân tử, xúc tác và vật liệu.

Chúng ta sử dụng bộ tính toán UMA phân tử để đánh giá năng lượng, lực nguyên tử và năng lượng nguyên tử hóa của một phân tử nước. Chúng ta xác định các nguyên tử hydro và oxy cô lập làm tham chiếu với bội số spin chính xác để xây dựng phép tính năng lượng nguyên tử hóa. Sau đó, chúng ta làm biến dạng hình học của phân tử nước, thư giãn nó bằng bộ tối ưu hóa LBFGS, và phân tích chiều dài liên kết, góc liên kết và quỹ đạo năng lượng khi đã hội tụ.

Chúng ta so sánh các trạng thái điện tử singlet và triplet của methylene để tính toán khoảng cách năng lượng trạng thái spin của nó. Chúng ta thư giãn methane, oxy, carbon dioxide và nước trước khi kết hợp các năng lượng dự đoán của chúng để ước tính năng lượng phản ứng điện tử của quá trình đốt cháy methane. Chúng ta cũng thực hiện phân tích dao động sai phân hữu hạn của nước đã thư giãn để thu được các tần số chế độ bình thường và năng lượng điểm không (zero-point energy).

Chúng ta xây dựng một phiến Cu(100) tuần hoàn, đặt một phân tử carbon monoxide tại vị trí hấp phụ cầu và cố định các lớp đồng phía dưới. Chúng ta thư giãn hệ thống hấp phụ-bề mặt với bộ tính toán OC20, đồng thời tối ưu hóa riêng biệt phiến sạch và các tham chiếu carbon monoxide ở pha khí. Sau đó, chúng ta đánh giá một chu trình năng lượng hấp phụ mang tính sư phạm, đồng thời lưu ý rằng OC20 sử dụng quy ước tham chiếu năng lượng chuyên biệt cho từng tác vụ.

Chúng ta thư giãn các vị trí nguyên tử và ô mô phỏng của sắt BCC bằng cách sử dụng bộ tính toán UMA miền vật liệu và bộ lọc ô Frechet. Chúng ta lấy mẫu năng lượng trên một phạm vi thể tích nén và giãn, khớp với phương trình trạng thái Birch–Murnaghan, và ước tính thể tích cân bằng cùng mô-đun khối (bulk modulus). Chúng ta cũng chạy động lực học phân tử Langevin cho nước ở 300 K và theo dõi nhiệt độ, năng lượng tiềm năng và chiều dài liên kết O–H theo thời gian.

Chúng ta quét bề mặt năng lượng tiềm năng của nước bằng cách kéo giãn một liên kết O–H một cách có hệ thống trong một phạm vi khoảng cách đã chọn. Chúng ta đánh giá năng lượng phân tử tại mỗi hình học, chuẩn hóa năng lượng so với giá trị tối thiểu và trực quan hóa hồ sơ phân ly thu được. Chúng ta kết thúc hướng dẫn bằng cách xác định các mô hình UMA có độ chính xác cao hơn, các miền hóa học bổ sung và các mô phỏng đa GPU lớn hơn như những hướng mở rộng tiềm năng.

Tóm lại, chúng ta đã xây dựng một quy trình mô phỏng nguyên tử hoàn chỉnh dựa trên FAIRChem v2 và chứng minh cách UMA cung cấp một mô hình tiềm năng học máy dùng chung trên các miền hóa học khác biệt mà không cần một mô hình riêng cho từng tác vụ. Chúng ta đã sử dụng các tính toán phân tử để đánh giá năng lượng, lực, hành vi nguyên tử hóa, khoảng cách spin, năng lượng phản ứng, các chế độ dao động và hồ sơ kéo giãn liên kết; chúng ta đã sử dụng miền xúc tác để thư giãn CO trên bề mặt Cu(100) và kiểm tra năng lượng hấp phụ; và chúng ta đã sử dụng miền vật liệu để thư giãn sắt BCC và ước tính mô-đun khối của nó từ kết quả khớp phương trình trạng thái. Chúng ta cũng đã chạy động lực học phân tử Langevin để quan sát các biến động cấu trúc và năng lượng ở nhiệt độ hữu hạn theo thời gian. Bằng cách kết hợp suy luận UMA với các trình xây dựng cấu trúc, bộ tối ưu hóa, bộ lọc, công cụ dao động và tiện ích động lực học phân tử của ASE, chúng ta đã thiết lập một nền tảng có thể tái sử dụng để mở rộng quy trình sang các phân tử lớn hơn, giao diện xúc tác, vật liệu tinh thể, khung hữu cơ-kim loại, tinh thể phân tử và các biến thể mô hình UMA có độ chính xác cao hơn.

Xem mã nguồn đầy đủ tại đây. Ngoài ra, hãy thoải mái theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit ML 150k+ thành viên của chúng tôi và đăng ký nhận Bản tin. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Cần hợp tác với chúng tôi để quảng bá GitHub Repo, Trang Hugging Face, Phát hành sản phẩm hoặc Hội thảo trực tuyến của bạn? Hãy kết nối với chúng tôi.

Sana Hassan, thực tập sinh tư vấn tại Marktechpost và là sinh viên bằng kép tại IIT Madras, có niềm đam mê áp dụng công nghệ và AI để giải quyết các thách thức trong thế giới thực. Với sự quan tâm sâu sắc đến việc giải quyết các vấn đề thực tiễn, anh mang đến một góc nhìn mới mẻ cho sự giao thoa giữa AI và các giải pháp đời sống.