ABFML：机器学习力场快速构建与应用的新平台

摘要：近日，研究人员开发的开源软件平台ABFML（A Better Force Field for Machine Learning）正式发布！该平台基于 PyTorch 框架构建，致力于为科研人员提供一个便捷高效的机器学习力场构建、拟合与应用平台。相关介绍已发表于

近日，研究人员开发的开源软件平台 ABFML（A Better Force Field for Machine Learning）正式发布！该平台基于 PyTorch 框架构建，致力于为科研人员提供一个便捷高效的机器学习力场构建、拟合与应用平台。相关介绍已发表于《The Journal of Chemical Physics》。

📎 论文链接：🔗 https://doi.org/10.1063/5.0247559

📂 项目主页：🔗 https://github.com/gengxingze/ABFML

ABFML 是一个面向原子级模拟的开放式机器学习力场平台，具有以下特点：

• 🚀 快速构建新模型：用户可自定义模型结构（如LJ势），支持Python脚本配置；

• 🧠 深度学习驱动：利用 PyTorch 强大张量计算能力，简化模型开发；

• 🔁 一体化流程：涵盖模型训练、验证、部署与集成模拟；

• ⚙️ 支持LAMMPS和ASE：实现力场在主流分子模拟软件中的无缝调用。

平台支持通过pip install abfml或源码安装，详细步骤已在项目README中提供，包括环境配置、训练样例、以及与LAMMPS集成方法。

🧪 快速运行一个力场模型：

conda activate abfml
cdABFML/example/DP-sea
abfml train input.json

ABFML 聚焦“问题驱动”策略，允许用户快速构建适用于特定体系的力场。通过与 PyTorch 的紧密集成，模型训练效率显著提升，同时具备灵活扩展性，适用于多种化学系统与模拟场景。

此外，ABFML 还支持用户自定义模型输入与描述符，使其可用于复杂多元体系、金属、有机材料等不同类型的材料模拟任务。