mM3GNet

2026-10-06 约 553 字预计阅读 2 分钟

前言

下载：mM3GNet。

mM3GNet 是一个基于 PyTorch 和 PyTorch Geometric 的独立 M3GNet 实现，用于根据 CIF 晶体结构预测材料带隙。

代码保留了 M3GNet 的主要组成部分，包括周期性半径图、原子嵌入、球贝塞尔径向基、角向三体基、显式三体相互作用、带门控的键与原子残差更新、加权原子读出和回归头。代码使用 pymatgen 解析 CIF 并构建周期性晶体图，不依赖 TensorFlow 或原始 M3GNet 仓库。

环境依赖

1

pip install torch torch-geometric pymatgen numpy pandas openpyxl scikit-learn matplotlib tqdm

仅当 USE_OPTUNA = True 时需要安装 Optuna：

1

pip install optuna

在脚本所在目录中准备以下文件：

1
2
3
4
5
6


mM3GNet_v1.py
data.xlsx
cif/
|-- 1.cif
|-- 2.cif
|-- 3.cif

脚本读取 data.xlsx 的前两列：

第一列中的 1 对应 ./cif/1.cif。1.0 等数值也会自动转换为 1.cif。

1

python mM3GNet_v1.py

脚本会自动完成 CIF 检查、周期图与三元组构建、固定的 80/10/10 训练集/验证集/测试集划分、模型训练、早停、评估和绘图。当 CUDA 可用时自动使用 GPU，否则使用 CPU；支持 BF16 的 CUDA 设备会自动启用 BF16。

所有结果保存在由 MODEL_NAME 和 RUN_VERSION 确定的目录中。按照默认设置，输出目录为：

1
2
3
4
5
6
7
8


M3GNet_v1/
|-- M3GNet_best.pt
|-- figure/
|-- dat/
|-- table/
|-- log/
|-- split/
|-- cache/

输出内容包括训练集、验证集和测试集的 MAE、RMSE 与 R2，奇偶图及其数据，RMSE 训练曲线及其数据，固定数据划分，缓存晶体图，最佳模型权重和完整训练日志。

原始 M3GNet 文献：

本工作：

论文正式发表后补充。