大模型赋能分子动力学:MACE从环境配置到实战应用全解析

大模型在MD领域的突破

MACE 提供快速准确的机器学习原子间势，具有高阶等变消息传递功能。

在Matbench Discovery基准测试中表现卓越的MACE-MPA-0大模型（TOP6），现可通过完整工具链实现分子动力学的精准建模。以下是完整部署指南：

环境配置全攻略

# 极简环境搭建
conda create -n mace python=3.9
conda activate mace
# 自动集成cuDNN等深度学习依赖
pip install mace-torch

GPU加速环境部署

# 高性能计算组件安装
cd 
wget https://download.pytorch.org/libtorch/cu121/libtorch-shared-with-deps-2.2.0%2Bcu121.zip
unzip libtorch-shared-with-deps-2.2.0+cu121.zip
mv libtorch libtorch-gpu

LAMMPS-MACE集成方案

1. 加载环境

• 个人设备环境设置

#本地安装好mace-torch后，会自动配置cudnn等依赖
conda activate mace
还需要加载intel mpi环境
source ~/intel/oneapi/setvars.sh

• 计算中心等设备设置情况，参考链接：https://mace-docs.readthedocs.io/en/latest/guide/lammps.html#csd3-ampere-nodes

# 需要针对对应的系统环境进行模块加载！
module purge
module load intel-mkl-2017.4-gcc-5.4.0-2tzpyn7
module load rhel8/slurm rhel8/global gcc/9 openmpi/gcc/9.3/4.0.4 cuda/12.1 cudnn

1. lammps-mace安装

cd 
git clone --branch=mace --depth=1 https://github.com/ACEsuit/lammps
cd lammps
mkdir build-ampere
cd build-ampere 
# 这里的  需要进行替换。
cmake \
 -D CMAKE_BUILD_TYPE=Release \
 -D CMAKE_INSTALL_PREFIX=/lammps/build-ampere \
 -D CMAKE_CXX_STANDARD=17 \
 -D CMAKE_CXX_STANDARD_REQUIRED=ON \
 -D BUILD_MPI=ON \
 -D BUILD_SHARED_LIBS=ON \
 -D PKG_KOKKOS=ON \
 -D Kokkos_ENABLE_CUDA=ON \
 -D CMAKE_CXX_COMPILER=/lammps/lib/kokkos/bin/nvcc_wrapper \
 -D Kokkos_ARCH_AMDAVX=ON \
 -D Kokkos_ARCH_AMPERE100=ON \
 -D CMAKE_PREFIX_PATH=/libtorch-gpu \
 -D PKG_ML-MACE=ON \
 -D GPU_ARCH=8.9 \
 -D Kokkos_ARCH_GPUARCH=ON \
 ../cmake
# 不建议用满核心进行编译，容易卡掉。
make -j16
make install

到此，lammps-mace就安装好了，检查可执行文件lmp的安装路径：

ls /lammps/build-ampere/lmp

大模型实战应用

1. 模型转换：

下载MACE的MACE-MPA-0模型，mace-mpa-0-medium.model，

使用 create_lammps_model.py 进行模型转换。

python create_lammps_model.py mace-mpa-0-medium.model

1. 高性能计算任务提交：

# 运行示例
../lammps/build-ampere/lmp -k on g 1 -sf kk -in deposite_carbon_gpu.in

资源获取：

[MACE介绍](https://mace-docs.readthedocs.io/en/latest/guide/intro.html)
[Matbench Discovery](https://matbench-discovery.materialsproject.org/)
[MACE-MPA-0](https://matbench-discovery.materialsproject.org/models/mace-mpa-0)
[mace-mpa-0-medium.model](https://github.com/ACEsuit/mace-mp/releases/download/mace_mpa_0/)mace-mpa-0-medium.model
[create_lammps_model.py](https://github.com/ACEsuit/mace/blob/main/mace/cli/create_lammps_model.py)

GitHub：https://github.com/ACEsuit/mace

预训练模型：https://github.com/ACEsuit/mace-mp/releases

后期大家对大模型在哪种体系中的应用感兴趣的话可以在评论区提出，作者将持续关注该领域的相关进展，也欢迎在评论区交流大模型在MD领域的前沿应用！