.png){kind=icon}
返回
dpdata: A Scalable Python Toolkit for Atomistic Machine Learning Data Sets
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.jcim.5c01767.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
原子尺度数据集的无缝管理是机器学习势函数（MLPs）成功开发和部署的关键前提。在此，我们介绍了dpdata，一个旨在简化MLP数据处理各个方面的开源Python库。该库基于灵活的插件式架构构建，支持从流行的量子化学软件包和分子动力学引擎到专门的MLP框架等多种文件格式的读取、写入和转换。用户可以定义自定义数据类型、格式、驱动程序和最小化器，从而实现对新兴软件的无缝扩展。核心功能包括自动化训练-测试集分割、主动学习中的坐标扰动、离群能去除、Delta学习数据集生成、误差指标计算和单位转换。通过高效的基于NumPy的存储和系统级操作，dpdata相较于逐配置工具（如ASE）实现了显著的内存节省和推理加速。我们同时强调了其实际应用价值，dpdata已被应用于已发表论文中的格式转换、数据存储、坐标扰动，以及在其他项目中的数据处理。
Keyword:
MOLECULAR-DYNAMICS
期刊
IF:
5.3
论文数:
9.1K
被引数:
4.0W
机构
查看更多机构
引用论文
E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentialsE(3)-等变图神经网络，用于数据高效和精确的原子间势.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏TorchANI: A Free and Open Source PyTorch-Based Deep Learning Implementation of the ANI Neural Network PotentialsTorchANI: 基于PyTorch的ANI神经网络潜力的免费开源深度学习实现OAAI
OAAI分享收藏Pretraining of attention-based deep learning potential model for molecular simulation基于注意力的分子模拟深度学习势模型预训练
OAAI
OAAI分享收藏Fast plane wave density functional theory molecular dynamics calculations on multi-GPU machines多GPU机器上的快速平面波密度泛函理论分子动力学计算
PREAI
分享收藏DeePMD-kit: A deep learning package for many-body potential energy representation and molecular dynamicsDeepmd-kit: 用于多体势能表示和分子动力学的深度学习软件包OAAI
OAAI分享收藏 查看更多内容