OCP库3步拿到催化剂吸附能

OCP库3步拿到催化剂吸附能

【免费下载链接】ocpFAIR Chemistry's library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp

你在筛非均相催化剂，需要 CO 在 Cu(100) 表面的吸附能。DFT 跑完一组候选位点是小时级工作量，而一个表面还有 ontop、bridge、hollow 等几十个候选位点要枚举。OCP库（fairchem）是 FAIR Chemistry 的机器学习化学工具包，用 UMA 机器学习势直接输出能量和力，"位点枚举 → 逐点弛豫 → 吸附能"整条流程在 GPU 上分钟级完成。

fairchem 三层能力：数据、模型、应用

fairchem 是 FAIR Chemistry 的中心仓库，把材料科学与量子化学的数据、模型、应用代码收在一个仓库里，可以拆成三层看：

• 数据层：OC20/OC22/OC25（催化）、OMol25（分子与聚合物）、OMat24（无机材料）、ODAC（MOF）等数据集的配置与生成代码；src/fairchem/data/oc/ 提供 Bulk/Slab/Adsorbate 对象，从一个体相 id 就能构建候选吸附-表面构型。
• 模型层：UMA 是等变 GNN，在 5 亿条 DFT 样本上训练，用 MoLE（Mixture of Linear Experts）路由架构；uma-s-1p2p1（6.6M 激活/290M 总参数）与uma-m-1p1（50M 激活/1.4B 总参数）两个模型覆盖 oc20、oc22、oc25、omat、omol、odac、omc 共 7 个任务，定义在 src/fairchem/core/models/uma/。
• 应用层：AdsorbML（最低吸附能）、Cattsunami（催化反应路径）、FastCSP（晶体结构预测）等 pip 子包，按需安装。

精度与速度看官方基准：UMA-S 1.2.1 在 OMol25 验证集上力 MAE 约 7.5 meV/Å，1296 原子水体系的 NVE 动力学约 45 ms/step（NVIDIA H200）。

从结构到吸附能：三步拆解

task_name 怎么选：1 个模型对应 7 套 DFT 理论水平

输入是 ASEAtoms结构加task_name。UMA 以任务、元素组成、总电荷、总自旋作为 MoLE 路由输入，选中对应专家分支，输出能量与力（omat 任务还输出应力）。任务不是"领域开关"，而是不同的 DFT 泛函：oc20 用 RPBE（无色散，训练数据不含氧化物与溶剂），oc25 用 RPBE+D3，omat 用 PBE/PBE+U，omol 用 ORCA6 的 wB97M-V 且要求atoms.info里给出总电荷与自旋多重度（默认 0/1）；oc22、oc25 仅在 UMA 1.2 提供。跨任务比较能量没有意义，它们来自不同参考计算。

候选位点枚举：Bulk 到 AdsorbateSlabConfig 的 4 个对象

输入是一个 bulk id。处理分四步：Bulk生成体相参考结构，Slab.from_bulk_get_specific_millers按密勒指数切出表面，Adsorbate从 SMILES 数据库取吸附质，AdsorbateSlabConfig用启发式加随机放置枚举 ontop/bridge/hollow 位点。输出是Atoms列表，每个构型可单独挂 calculator 弛豫：

slab = Slab.from_bulk_get_specific_millers(bulk, specific_millers=(1, 1, 1)) ads = Adsorbate(adsorbate_smiles_from_db="*H", adsorbate_db_path=db) configs = AdsorbateSlabConfig(slab[0], ads, mode="random_site_heuristic_placement", num_sites=20)

轨迹异常检测：滤掉 4 类无效吸附能

弛豫过程中如果吸附质脱附、解离、插层，或表面重构了，末帧能量差就不再是吸附能。DetectTrajAnomaly（见 src/fairchem/data/oc/utils/flag_anomaly.py）用轨迹首末帧加原子 tag（0=体相，1=表面，2=吸附质）输出 4 个布尔值，统计前先过滤；算吸附能时还要减去弛豫后的 slab 能量与气相原子参考能：

flag = DetectTrajAnomaly(traj[0], traj[-1], traj[0].get_tags()) ok = not (flag.is_adsorbate_desorbed() or flag.is_adsorbate_dissociated() or flag.has_surface_changed())

最小可运行示例：弛豫 Cu(100) 上的 CO

安装两行（Python 3.10+）。UMA 检查点在 HuggingFace 上是 gated 仓库，需先用 token 登录；如需阅读或修改源码，先git clone https://gitcode.com/GitHub_Trending/oc/ocp：

pip install fairchem-core huggingface-cli login # 先在 HF 申请 UMA 仓库访问权限

from ase.build import fcc100, add_adsorbate, molecule from ase.optimize import LBFGS from fairchem.core import pretrained_mlip, FAIRChemCalculator predictor = pretrained_mlip.get_predict_unit("uma-s-1p2p1", device="cuda") calc = FAIRChemCalculator(predictor, task_name="oc20") slab = fcc100("Cu", (3, 3, 3), vacuum=8) # 8 Å 真空层 add_adsorbate(slab, molecule("CO"), 2.0, "bridge") # CO 放在距表面 2 Å 的桥位 slab.calc = calc LBFGS(slab).run(0.05, 100) # 弛豫到最大力 < 0.05 eV/Å print(slab.get_potential_energy())

常见坑与解法

首次运行报 401 或权限错误。原因：UMA 检查点在 gated 仓库，匿名下载被拒。解法：在 HuggingFace 申请 UMA 仓库访问权限，然后huggingface-cli login或设置HF_TOKEN环境变量。

前几次推理很快，之后突然变慢并打印警告。原因：default 与 turbo 快速路径（merge_mole + compile）要求组成、任务、电荷、自旋在多次求值间保持不变，一旦变化会永久回退到未编译路径。解法：同质体系放同一批；异构批量用inference_settings="batch"。

吸附能数值明显偏大。原因：参考减错了——漏减弛豫后的 slab 能量或气相原子参考能，或跨任务直接比较能量。解法：E_ads = E_adslab − E_slab(弛豫后) − Σ气相原子参考能（OC20 论文参考值或自行 DFT 计算）；只在同一任务内比较。

MOF 体系（odac 任务）另注意：训练数据只有 CO2/H2O 吸附，新框架需谨慎：

资源索引

• docs/core/quickstart.md：UMA 快速上手与任务选择表
• docs/core/uma.md：7 个任务与 DFT 理论水平对照
• docs/catalysts/examples_tutorials/adsorption_energies/adsorption_energies.md：完整吸附能教程，从位点枚举到文献对比
• docs/core/common_tasks/ase_calculator.md：default/batch/turbo 推理模式细节
• src/fairchem/data/oc/：位点枚举代码与吸附质数据库

从 quickstart 拿到第一个能量与力，再到吸附能教程跑通一次完整筛选流程。

【免费下载链接】ocpFAIR Chemistry's library of machine learning methods for chemistry项目地址: https://gitcode.com/GitHub_Trending/oc/ocp