材料发现：GNoME

数据集 | 模型 | Colab 笔记本 | 许可证 | 免责声明 | 即将推出 | 引用

什么是材料发现：GNoME？

从微芯片到电池和光伏器件，无机晶体的发现是材料科学中的一个基本问题。材料科学中的图网络（GNoME）项目旨在通过扩展机器学习方法来解决这一核心任务。该项目近期发表了研究成果，本仓库旨在与更广泛的材料科学界共享对381,000种新型稳定材料的发现，并希望通过更新的凸包结构促进令人兴奋的新研究。

截至2024年8月，我们已扩展数据集，发布了所有能量距离凸包小于1 meV/原子的材料。我们希望这能为感兴趣的化学家族中的凸包提供更丰富的背景信息，使总材料数量超过520,000种。

这是一个研究项目，并非谷歌的官方产品。随着仓库内容的不断扩展，可能会出现一些错误和不完善之处。请帮助我们探索这些结构，并告诉我们您的想法！

目录

• 数据集
• 模型
• Colab 笔记本
• 许可证
• 免责声明
• 即将推出
• 引用

数据集

原始论文中描述的数据集以多种文件格式提供。有关详细信息，包括如何下载数据集，请参阅 DATASET.md 中的数据集说明文件。

摘要版 数据集摘要以 CSV 格式提供。该文件包含基于密度泛函理论（DFT）计算得到的成分和原始能量，以及其他常用指标（如形成能和分解能）。

结构文件 由于文件体积较大，加载结构文件稍显复杂。鉴于凸包的组织方式，每种成分只需一个结构，因此可以使用摘要文件中的信息从链接的云存储桶中提取压缩数据目录。另一种方法是从压缩的 ZIP 文件中单独提取所需文件（仅提取必要的文件），可视化 Colab 笔记本中对此进行了示例说明。

r²SCAN 基线计算采用 PBE 泛函进行。论文还报告了使用 r²SCAN 泛函计算的二元和三元体系的相关指标。我们为此类计算提供了计算能量及相应指标的摘要。

模型

我们提供了论文中使用的两组模型的定义。

GNoME 是新材料发现的主要模型。这种简单的消息传递架构通过对2018年 Materials Project 数据快照进行训练而优化，最终实现了21 meV/原子的先进性能。

Nequip 对应于 Batzner 等人（2022）提出的架构。该架构用于训练论文中描述的原子间势函数，从而从大规模数据集中学习动力学特性。我们提供了基于 JAX 的实现以及相应架构的基本配置参数。

Colab 笔记本

这些 Colab 示例展示了如何与数据集交互，为探索各种化学体系或计算分解能提供了接口。

许可证

本仓库中提供的 Colab 笔记本及相关代码采用 Apache License, Version 2.0 许可证授权。您可以在 https://www.apache.org/licenses/LICENSE-2.0 获取该许可证的副本。

材料探索图网络数据库中的数据可根据知识共享署名-非商业性使用4.0国际许可协议（CC BY NC 4.0）使用。您可以在 https://creativecommons.org/licenses/by-nc/4.0/ 获取该许可证的副本。该数据集是使用 Vienna Ab initio Simulation Package (VASP) 运行密度泛函理论计算而创建的。

即将推出

• 参考结构和搜索路径
• 模型训练 Colab 和配置
• 其他材料属性（例如电子能带结构）

免责声明

本项目并非谷歌的官方产品。

材料探索图网络数据库，版权属于 Google LLC，(2023)。

材料探索图网络数据库中的数据仅供理论建模使用，在使用时应谨慎。该数据库并非用于且未获批准用于任何医疗或临床用途。材料探索图网络数据库具有实验性质，按“现状”提供。在法律允许的最大范围内，Google 对材料探索图网络数据库不作任何明示或暗示的陈述、条件或保证（包括但不限于不侵犯第三方知识产权、质量合格、适销性或特定用途适用性），用户应就其使用此类内容承担全部责任，并使 Google 免受任何损害。

引用

如果您使用本资源，请引用我们的论文：

  @article{merchant2023scaling,
    title={Scaling deep learning for materials discovery},
    author={Amil Merchant and Simon Batzner and Samuel S. Schoenholz and Muratahan Aykol and Gowoon Cheon and Ekin Dogus Cubuk},
    journal={Nature},
    year={2023},
    doi={10.1038/s41586-023-06735-9},
    href={https://www.nature.com/articles/s41586-023-06735-9},
}

Materials Discovery (GNoME) 快速上手指南

环境准备

本项目主要涉及数据集加载、模型定义及 JAX 环境的配置。请确保您的开发环境满足以下要求：

• 操作系统：推荐 Linux (Ubuntu 20.04+) 或 macOS。Windows 用户建议使用 WSL2。
• Python 版本：Python 3.9 或更高版本。
• 硬件要求：
  • CPU：用于数据预处理和基础分析。
  • GPU：强烈推荐配备 NVIDIA GPU（需安装 CUDA），以便运行 Nequip 模型训练或大规模推理。
• 前置依赖：
  • pip 包管理工具
  • git
  • Google Cloud Storage 访问权限（用于下载大型数据集）

注意：由于核心计算库 JAX 对 GPU 支持有特定要求，建议先根据 JAX 官方安装指南 配置好带有 CUDA/cuDNN 支持的 JAX 环境。

安装步骤

1. 克隆仓库 获取项目源代码：

   git clone https://github.com/google-deepmind/materials_discovery.git
   cd materials_discovery
   

2. 创建虚拟环境并安装依赖 推荐使用 venv 或 conda 隔离环境。以下为使用 pip 的标准安装流程：

   python -m venv gnome_env
   source gnome_env/bin/activate  # Windows 用户使用: gnome_env\Scripts\activate
   
   # 安装基础依赖
   pip install -r requirements.txt
   
   # 安装 JAX (示例：安装支持 CUDA 的版本，请根据实际硬件调整)
   pip install "jax[cuda12_pip]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html
   

3. 获取数据集 项目包含超过 520,000 种材料数据，文件较大，需从 Google Cloud Bucket 下载。

   • 详细下载说明和描述文件请参阅项目根目录下的 DATASET.md。
   • 数据集许可协议为 CC BY-NC 4.0（非商业用途）。

   通常需要使用 gsutil 工具下载：

   # 确保已安装 google-cloud-storage 包
   pip install google-cloud-storage
   
   # 示例：下载摘要数据 (具体路径请参考 DATASET.md)
   # gsutil cp gs://gnome-dataset/summary.csv ./data/
   

基本使用

本项目最便捷的使用方式是通过 Google Colab 进行交互式探索，无需本地配置复杂环境。若需在本地运行，可参考以下逻辑加载数据。

方式一：使用 Colab 笔记本（推荐）

项目提供了现成的 Colab 示例，用于探索化学系统或计算分解能。

1. 访问项目 README 中的 [Colabs] 部分链接。
2. 在 Colab 中打开笔记本，按照单元格顺序执行。
3. 笔记本演示了如何从压缩数据包中提取特定结构，并可视化凸包（Convex Hull）数据。

方式二：本地代码示例

以下是一个简化的 Python 示例，展示如何读取数据集摘要（CSV 格式）并查看材料形成能：

import pandas as pd

# 1. 加载摘要数据 (假设已下载 summary.csv 到本地 data 目录)
df = pd.read_csv('data/summary.csv')

# 2. 查看前几行数据
print(df.head())

# 3. 筛选稳定材料 (例如：分解能 < 0 的材料)
stable_materials = df[df['decomposition_energy'] < 0]

print(f"发现稳定材料数量：{len(stable_materials)}")

# 4. 查看特定化学组成的能量信息
# 注意：完整结构文件位于压缩目录中，需根据 composition 索引提取
target_composition = "LiFePO4" # 示例组成
result = df[df['composition'] == target_composition]
if not result.empty:
    print(f"找到 {target_composition}, 形成能：{result['formation_energy'].values[0]} eV/atom")
else:
    print(f"未找到 {target_composition}")

模型使用提示

• GNoME 模型：用于预测新材料稳定性，基于 2018 年 Materials Project 快照训练。
• Nequip 模型：用于学习原子间势能及动力学，提供 JAX 实现。
• 具体的模型加载和推理配置请参考 models/ 目录下的定义文件及后续更新的训练 Colab。

---

引用说明：若在研究中使用本资源，请务必引用原文献： Merchant et al., "Scaling deep learning for materials discovery", Nature (2023).