رادیکال ایآی (TorchSim) از انتشار نسل بعدی موتور شبیهسازی اتمی خبر داد که به صورت بومی در پایتورچ (PyTorch) ساخته شده و برای دوره MLIP (پتانسیلهای بین اتمی یادگرفتهشده توسط ماشین) طراحی شده است. TorchSim که به عنوان یک تغییر فنی عمده در علم مواد مطرح شده است، نوید میدهد که شبیهسازیهای مولکولی را در مقایسه با چارچوبهای سنتی مانند ASE (محیط شبیهسازی اتمی) و DFT (نظریه تابعی چگالی)، چندین برابر تسریع کند.
TorchSim متنباز است و برای پشتیبانی از گردشکارهای مدرن مواد طراحی شده است که از مدلهای یادگیری ماشین مانند MACE، Fairchem و SevenNet استفاده میکنند. این نرمافزار از پتانسیلهای تعامل کلاسیک مانند Lennard-Jones و Morse و همچنین طرحهای یکپارچهسازی مانند NVE و NVT Langevin پشتیبانی میکند. این موتور دارای دستهبندی خودکار و مدیریت حافظه GPU است که به شبیهسازیها اجازه میدهد تا به صورت موازی در چندین سیستم اجرا شوند و به طور موثر از سختافزار GPU به طور کامل استفاده کنند.
بهبود سرعت قابل توجه است. بر اساس معیارهای داخلی، TorchSim در صورت جفت شدن با مدلهای محبوب MLIP، تا 100 برابر سرعت بیشتری نسبت به ASE دارد. در یک GPU H100، کاربران میتوانند هزاران اتم را به طور همزمان شبیهسازی کنند، که بستگی به مدل انتخابشده دارد. این افزایش عملکرد برای مقیاسبندی شبیهسازیهای اتمی در هر دو زمینه آکادمیک و صنعتی بسیار مهم است.
/filters:no_upscale()/news/2025/04/torchsim-radical-ai/en/resources/1Zrzut ekranu 2025-04-11 120722-1744366616746.png)
معماری TorchSim با پذیرش یک پیادهسازی کاملاً مبتنی بر پایتورچ، از ابزارهای شبیهسازی سنتی فاصله میگیرد. این انتخاب طراحی، امکان ادغام یکپارچه با اکوسیستم یادگیری ماشین گستردهتر را فراهم میکند و امکان شبیهسازیهای متمایز، پیشبینی ویژگیهای الاستیک و گردشکارهای علمی سفارشی را باز میکند.
آزمایشکنندگان اولیه، وضوح و انعطافپذیری API را ستودهاند. به گفته کوهی شینوهارا از Preferred Networks:
این بسته به نظر میرسد روش مناسبی برای انجام دینامیک مولکولی و آرامسازی ساختار در عصر MLIP با باطنهای GPU است. طراحی API آن تمیز و منظم است و از چارچوبهای برنامهنویسی تابعی مانند JAX الهام گرفته است.
اوریون آرچر کوهن، یک شیمیدان محاسباتی و مشارکتکننده در این پروژه، اشاره کرد:
TorchSim کارها را درست انجام میدهد. دیگر خبری از APIهای C++ و پایتون جداگانه، سایthon، فرمتهای فایل دلخراش و استفاده 5 درصدی از GPU نیست. این نرمافزار، اصول اولیه شبیهسازی اتمی را در پایتورچ بازنویسی میکند و یادگیری، درک و توسعه آن را فوقالعاده آسان میکند.
TorchSim از ادغام با ابزارهای موجود مانند ASE، Phonopy و Pymatgen پشتیبانی میکند و شامل یک API سطح بالا است که گردشکارهای شبیهسازی رایج را ساده میکند. یک فرمت مسیر باینری جدید با پشتیبانی از ویژگیهای توسعهپذیر، آن را برای تحقیقات در مقیاس بزرگ و توان عملیاتی بالا مناسب میسازد.
TorchSim اکنون تحت مجوز MIT در دسترس است و از پایتون 3.11+ پشتیبانی میکند. توسعهدهندگان و محققان میتوانند این پروژه را در GitHub بررسی کنند، جایی که کد منبع، مستندات و گردشکارهای نمونه نگهداری میشوند.