mace-foundations

开箱即用的高精度原子势能模型，让材料模拟快如闪电

MACE foundation models 是一系列基于 MACE（多体原子簇扩展）架构的预训练基础模型，包括 MP、OMAT 和 mh-1 三个版本。该项目旨在为材料科学和化学领域提供高精度的机器学习势能模型，解决传统第一性原理计算成本高、速度慢的问题。核心能力包括：支持多种化学元素和分子体系，能够预测原子能量和力场，实现分子动力学模拟；通过预训练模型，用户无需从头训练即可获得接近 DFT 精度的结果，大幅提升材料筛选和性质预测的效率。项目提供模型权重和推理代码，方便集成到现有工作流中。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 310
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队ACEsuit
所属国家
官网地址
GitHubhttps://github.com/ACEsuit/mace-foundations
定价模式free
价格说明开源模型，MIT许可证，可自由使用和部署，无收费信息。
访问状态
是否开源是
开源协议MIT
主要语言Shell
技术栈/模型chemistry,force-fields,foundation-models,machine-learning,materials-informatics,materials-science,molecular-dynamics
GitHub 星标★ 310
30天Star增速
HF 下载量
上线时间2024-01-11 00:00:00
最近更新2026-09-22 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 基于 MACE 架构，在多个基准测试中达到领先精度，接近 DFT 水平
  • 提供 MP、OMAT、mh-1 三个预训练模型，覆盖不同化学空间，开箱即用
  • 与 ASE 等主流工具兼容，便于集成到现有分子模拟流程

不足之处

  • 模型体积较大，推理时对显存或内存要求较高
  • 文档和社区支持尚不完善，示例和教程较少

适用场景

  • 材料科学中的晶体结构预测和性质筛选
  • 化学分子动力学模拟，替代昂贵的 DFT 计算
  • 催化剂和电池材料的快速筛选与优化

替代项目

MACE-OFF、NequIP、Allegro

项目介绍

mace-foundations 是开源模型领域的开源项目，由 ACEsuit 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 310。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。MIT许可证，可自由使用和部署，无收费信息。

它主要面向的使用场景是：材料科学中的晶体结构预测和性质筛选。同类可对比的替代方案包括 MACE-OFF、NequIP、Allegro。

上一篇：Awesome-Foundation-Models-in-Medical-Imaging

下一篇：Large-Scale-Medical

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10