FAIRChem v2发布UMA通用原子间势，支持多领域原子级模拟

统一框架：覆盖五大原子模拟领域

FAIRChem v2是Meta FAIR实验室发布的第二代开源计算化学框架，其核心是UMA（Universal Machine-learning interatomic potential）——一种可跨域迁移的通用机器学习原子间势模型。与传统领域专用势函数不同，UMA通过单一预训练模型权重，支持五大关键任务域：分子化学（omol）、催化反应（oc20）、无机材料（omat）、振动频率分析（ovib）和分子动力学（omd）。该设计显著降低模型部署与维护成本，避免为不同体系重复训练独立势函数。

开源实践：依赖配置与安全认证

教程详细演示了在Google Colab等环境中快速复现UMA应用的全流程：自动检测并安装fairchem-core、ASE（Atomic Simulation Environment）、matplotlib及huggingface_hub等必要依赖；通过Hugging Face Token完成身份认证以获取受控访问的UMA模型权重（模型标识符为`uma-s-1p2`）；自动识别GPU可用性并默认启用CUDA加速。整个环境配置脚本设计为幂等式，支持多次安全重运行。

多任务计算器：即插即用的领域适配

FAIRChem v2提供任务感知型计算器（FAIRChemCalculator），用户仅需指定`task_name`参数即可初始化对应域的计算接口：`calc_mol`（分子）、`calc_cat`（催化）、`calc_mat`（材料）。三者共享同一UMA预测单元（predictor），但内部自动适配各域特有的特征编码与输出头结构，确保物理量（如能量、力、自旋态）的准确映射。

全流程验证：从单点计算到分子动力学

教程系统验证UMA在典型计算化学工作流中的表现：

• 单点能量与力预测：对水分子（H₂O）计算总能与原子受力，并基于孤立O（自旋多重度3）和H（自旋多重度2）原子能量，推导原子化能（9.48 eV），与含零点能的实验值（~9.5 eV）高度吻合；
• 几何优化：人为扭曲水分子构型后，调用ASE的LBFGS优化器进行弛豫，收敛后O–H键长（0.957 Å）与H–O–H键角（104.6°）均与实验值（0.958 Å，104.5°）精确匹配；
• 扩展能力：除上述示例外，UMA还被证实可用于反应能估算、表面吸附建模、晶胞弛豫、状态方程拟合、势能面扫描及纳秒级分子动力学轨迹生成，全部依托ASE生态无缝集成。

技术协同：深度整合ASE计算栈

FAIRChem v2并非独立工具链，而是深度嵌入ASE标准工作流：利用ASE构建原子结构（`ase.build`）、管理约束与热力学系综、调用优化器与MD引擎、解析轨迹数据，并通过`matplotlib`实现能量收敛曲线等可视化。GPU加速贯穿全程，所有张量运算由PyTorch自动调度，大幅缩短高精度模拟耗时。

编者观点：UMA代表AI for Science从“单任务专用模型”向“通用基础势函数”的范式跃迁，对中国材料计算软件企业提示：需加快构建跨尺度、跨领域的统一AI物理模型底座，而非碎片化开发垂直场景小模型。