MindSpore Chemistry

介绍

传统化学研究长期以来面临着众多挑战，实验设计、合成、表征和分析的过程往往耗时、昂贵，并且高度依赖专家经验。AI与化学的协同可以克服传统方法的局限性、开拓全新的研究范式，结合AI模型与化学知识，可以高效处理大量数据、挖掘隐藏的关联信息，构建仿真模型，从而加快化学反应的设计和优化，实现材料的性质预测，并辅助设计新材料。

MindSpore Chemistry（MindChemistry）是基于 MindSpore 与 MindScience 构建的化学领域套件，支持多体系（有机/无机/复合材料化学）、多尺度任务（微观分子生成/预测、宏观反应优化）的AI+化学仿真，致力于高效使能AI与化学的融合研究，践行和牵引AI与化学联合多研究范式跃迁，为化学领域专家的研究提供全新视角与高效的工具。

MindChemistry Architecture

最新消息

2025.07.07 增加Orb模型支持；
2025.04.16 增加CrystalFlow模型支持；
2025.03.30 MindChemistry 0.2.0版本发布，包括多个应用案例，支持NequIP、DeephE3nn、Matformer以及DiffCSP模型；
2024.07.30 MindChemistry 0.1.0版本发布；

模型与应用

下面是当前支持的主要模型及其用途概览，便于快速了解与定位示例：

机器学习力场

模型	体系	数据	任务
NequIP	小分子	Revised Molecular Dynamics 17 (rMD17) 数据集	分子能量预测，基于等变计算与图神经网络
Orb	分子与晶体材料体系	大规模三维原子结构数据集，DFT 计算结果	通用图神经网络势，预测能量、力、应力，用于分子动力学模拟等

性质预测

模型	体系	数据	任务
DeephE3nn	材料体系	双层石墨烯数据集	基于 E(3)-等变神经网络预测电子哈密顿量
Matformer	晶体材料体系	JARVIS-DFT 3D数据集	基于图神经网络 + Transformer 预测材料性质

结构生成

模型	体系	数据	任务
DiffCSP	晶体材料体系	稳定晶体结构数据集（MP-20、MPTS-52、Carbon-24等）	基于联合扩散的晶体结构预测/生成
CrystalFlow	晶体材料体系	材料数据库晶体结构数据集（MP-20、Carbon-24、MPTS-52等）	基于归一化流的晶体结构生成

社区

核心贡献者

感谢以下开发者做出的贡献：

Danyang Chen, Jianhuan Cen, Kunming Xu, wujian, wangyuheng, Lin Peijia, gengchenhua, caowenbin，Siyu Yang