返回
msmJAX: Fast and Differentiable Electrostatics on the GPU in Python
DOI:10.1016/j.cpc.2026.110160.png)
摘要
En 中文
我们介绍了msmJAX,一个实现多级求和法与B样条插值的Python软件包,这是一种线性缩放算法,用于在粒子模拟中高效计算静电和其他长程相互作用。基于JAX框架构建,msmJAX自然地与正在改变化学和材料科学的机器学习方法集成,同时本身也是一种强大的工具。它结合了高性能与Python的易用性,便于在GPU上部署,并支持自动微分。我们概述了msmJAX的模块化设计,使用户能够适应或扩展代码,并展示了基准测试和示例,包括线性缩放的验证以及其在分子动力学模拟中的稳定性演示。
Keyword:
multilevel summation method
B-spline interpolation
electrostatic interactions
GPU computing
automatic differentiation
期刊
IF:
3.4
论文数:
1.2W
被引数:
3.7W
机构
引用论文
A fourth-generation high-dimensional neural network potential with accurate electrostatics including non-local charge transfer具有精确静电的第四代高维神经网络电势,包括非局部电荷转移
NATURE COMMUNICATIONS
IF15.7

