MarkTechPost 的一篇教程考察了 FAIRChem v2 和 UMA 通用机器学习原子间势，将其作为跨分子化学、催化和无机材料进行原子级模拟的统一框架。该工作流将 FAIRChem 与 Atomic Simulation Environment（即 ASE）结合使用，用于管理原子结构、优化器、约束、热力学计算、轨迹分析，并在可用时启用 GPU 加速。

该教程配置软件环境，通过 Hugging Face 进行身份验证以访问受限的 UMA 模型权重，并为 omol、oc20 和 omat 领域初始化特定任务的计算器。它将同一个预训练势应用于多项计算化学任务，包括单点能量和力预测、分子几何优化、自旋态比较、反应能估算、振动分析、表面吸附、晶胞弛豫、状态方程拟合、分子动力学和势能面扫描。这种覆盖范围具有相关性，因为原子级建模工作流在从孤立分子转向表面或周期性固体时，通常需要在特定领域的方法、参考约定和模型设置之间切换。

该设置会安装 FAIRChem、ASE、可视化工具和 Hugging Face 依赖项，同时确保流程可以在 Google Colab 中安全地重复运行。通过 Hugging Face 完成身份验证后，工作流会自动检查是否可用 GPU 加速。随后，它加载 UMA 预测器，并为分子、催化和材料模拟创建独立的计算器。FAIRChem 可通过该项目的 GitHub 仓库获取：https://github.com/facebookresearch/fairchem。

在分子计算方面，教程使用 UMA 分子计算器评估水分子的能量、原子力和原子化能。它定义了具有适当自旋多重度的孤立氢原子和氧原子，作为原子化能计算的参考原子。随后，水分子的几何结构被扰动，并用 LBFGS 优化器进行弛豫，之后分析收敛后的键长、键角和能量轨迹。

该工作流还比较了亚甲基的单重态和三重态电子状态，以计算自旋态能隙。它先对甲烷、氧气、二氧化碳和水进行弛豫，然后组合其预测能量，以估算甲烷燃烧的电子反应能。在另一个分子示例中，教程对弛豫后的水进行有限差分振动分析，以获得简正模频率和零点能。这些示例覆盖了学习型势常见的验证式检查：力是否能够驱动稳定优化，相对能量是否能够一致地组合，以及极小值附近的局部曲率是否能够支持振动计算。

在催化方面，教程构建了一个周期性 Cu(100) slab，将一氧化碳分子放置在桥式吸附位点，并约束下层铜原子层。吸附物–表面体系使用 OC20 计算器进行弛豫，而清洁 slab 和气相一氧化碳参考体系则分别优化。随后，教程评估了一个教学性的吸附能循环，同时指出 OC20 使用特定任务的能量参考约定。

在材料建模方面，该工作流使用材料领域的 UMA 计算器和 Frechet 晶胞过滤器，对 BCC 铁的原子位置和模拟晶胞同时进行弛豫。它在一系列压缩和膨胀体积上采样能量，拟合 Birch–Murnaghan 状态方程，并估算平衡体积和体积模量。晶胞弛豫和状态方程拟合是标准的固态模拟步骤，因为它们将原子级能量与结构和弹性性质联系起来，而不仅仅是与单一几何构型相关。

教程还对 300 K 下的水运行 Langevin 分子动力学，随时间跟踪温度、势能和 O–H 键长。它还通过在选定距离范围内系统拉伸一个 O–H 键，扫描水的势能面。在每个几何构型下，都会评估分子能量，并相对于最小值进行归一化，用于可视化所得的解离剖面。

文章总结称，该工作流展示了 FAIRChem v2 和 UMA 如何在化学上不同的领域中提供共享的学习型势，而无需为每项任务使用单独模型。分子计算用于评估能量、力、原子化行为、自旋能隙、反应能学、振动模式和键拉伸剖面。催化领域用于弛豫 Cu(100) 表面上的 CO 并考察吸附能学，而材料领域用于弛豫 BCC 铁，并通过状态方程拟合估算其体积模量。

通过将 UMA 推理与 ASE 结构构建器、优化器、过滤器、振动工具和分子动力学实用工具相结合，教程提出了一个可复用基础，可将该工作流扩展到更大的分子、催化界面、晶体材料、金属有机框架、分子晶体以及更高精度的 UMA 模型变体。该教程的完整代码可在以下地址获取：https://github.com/MARKTECHPOST-AI-MEDIA-INC/AI-Agents-Projects-Tutorials/blob/main/ML%20Project%20Codes/fairchem_v2_uma_multidomain_atomistic_simulation_Marktechpost.ipynb。