MarkTechPost 的一篇教學探討 FAIRChem v2 與 UMA 通用機器學習原子間勢能，將其作為橫跨分子化學、催化與無機材料原子尺度模擬的統一框架。該工作流程將 FAIRChem 與 Atomic Simulation Environment（ASE）搭配使用，以管理原子結構、最佳化器、約束條件、熱力學計算、軌跡分析，並在可用時使用 GPU 加速。

該教學設定軟體環境，透過 Hugging Face 進行驗證以存取受限的 UMA 模型權重，並為 omol、oc20 與 omat 領域初始化特定任務計算器。它將同一個預訓練勢能套用於多項計算化學任務，包括單點能量與力預測、分子幾何最佳化、自旋態比較、反應能估算、振動分析、表面吸附、晶胞弛豫、狀態方程擬合、分子動力學與勢能面掃描。這種涵蓋範圍具有相關性，因為原子尺度建模工作流程在從孤立分子轉向表面或週期性固體時，通常需要在特定領域方法、參考慣例與模型設定之間切換。

該設定會安裝 FAIRChem、ASE、視覺化工具與 Hugging Face 相依套件，同時確保流程可在 Google Colab 中安全地重新執行。透過 Hugging Face 驗證後，工作流程會自動檢查是否可用 GPU 加速。接著，它會載入 UMA 預測器，並為分子、催化與材料模擬建立個別計算器。FAIRChem 可透過該專案的 GitHub 儲存庫取得：https://github.com/facebookresearch/fairchem。

在分子計算方面，該教學使用 UMA 分子計算器評估水分子的能量、原子力與原子化能。它定義具有適當自旋多重度的孤立氫與氧參考原子，以建立原子化能計算。隨後，水分子幾何結構被扭曲並以 LBFGS 最佳化器進行弛豫，之後分析收斂後的鍵長、鍵角與能量軌跡。

該工作流程也比較亞甲基的單重態與三重態電子狀態，以計算自旋態能隙。它先對甲烷、氧氣、二氧化碳與水進行弛豫，再結合其預測能量，以估算甲烷燃燒的電子反應能。在另一個分子範例中，該教學對弛豫後的水進行有限差分振動分析，以取得正規模頻率與零點能量。這些範例涵蓋對學習式勢能常見的驗證型檢查：力是否能推動穩定最佳化、相對能量是否能一致地組合，以及極小值附近的局部曲率是否能支援振動計算。

在催化方面，該教學建立週期性 Cu(100) slab，將一個一氧化碳分子放置在橋式吸附位點，並約束下層銅原子層。吸附物—表面系統使用 OC20 計算器進行弛豫，而潔淨 slab 與氣相一氧化碳參考則分別最佳化。接著，該教學評估一個教學用途的吸附能循環，同時指出 OC20 使用特定任務的能量參考慣例。

在材料建模方面，該工作流程使用材料領域 UMA 計算器與 Frechet cell filter，對 BCC 鐵的原子位置與模擬晶胞同時進行弛豫。它在一系列壓縮與膨脹體積下取樣能量，擬合 Birch–Murnaghan 狀態方程，並估算平衡體積與體積模量。晶胞弛豫與狀態方程擬合是標準固態模擬步驟，因為它們將原子尺度能量連結到結構與彈性性質，而不只是單一幾何結構。

該教學進一步對 300 K 的水執行 Langevin 分子動力學，追蹤溫度、位能與 O–H 鍵長隨時間的變化。它也透過在選定距離範圍內系統性拉伸一個 O–H 鍵，掃描水的勢能面。在每個幾何結構下，工作流程會評估分子能量，將其相對於最小值進行正規化，並用於視覺化所得的解離曲線。

文章總結指出，該工作流程展示 FAIRChem v2 與 UMA 如何在化學性質不同的領域之間提供共享的學習式勢能，而不需要為每項任務使用獨立模型。分子計算用於評估能量、力、原子化行為、自旋能隙、反應能量學、振動模式與鍵拉伸曲線。催化領域用於在 Cu(100) 表面上弛豫 CO 並檢視吸附能量學，而材料領域則用於弛豫 BCC 鐵，並從狀態方程擬合估算其體積模量。

透過將 UMA 推論與 ASE 結構建構器、最佳化器、濾波器、振動工具與分子動力學公用工具結合，該教學提出了一個可重複使用的基礎，可將工作流程擴展至更大的分子、催化界面、晶體材料、金屬有機框架、分子晶體，以及更高精度的 UMA 模型變體。該教學的完整程式碼可於以下網址取得：https://github.com/MARKTECHPOST-AI-MEDIA-INC/AI-Agents-Projects-Tutorials/blob/main/ML%20Project%20Codes/fairchem_v2_uma_multidomain_atomistic_simulation_Marktechpost.ipynb。