MatPL机器学习力场2025.3版本发布

Materials Potential Library (MatPL)——原PWMLFF开源框架的划时代进化，由北京龙讯旷腾团队倾力打造，日前已正式推出2025.3版本。

作为融合第一性原理精度与分子动力学效率的颠覆性力场构建平台，本次升级以四大维度突破赋能计算材料学，开启分子动力学模拟的工业级应用新时代。

基于CUDA异构计算架构的微分算子重构，开创性实现NEP描述符梯度解析计算的全GPU加速，从而使用MatPL训练NEP模型时可以充分利用梯度优化器（如ADAM），能够更加快速的训练力场。相较传统SNES算法达成300%的收敛速度跃迁，而训练精度相当。

多层半导体结构力场训练

合金结构力场训练

扩展了训练数据的支持格式，extxyz, pwmlff/npy, deepmd/npy, OUTCAR, MOVEMENT, cp2k/md等格式均可直接在MatPL中训练。

重构了NEP模型的力场文件格式，采用NEP5标准化力场格式，构建了LAMMPS-GPUMD双引擎兼容架构。在lammps中使用时需要首先编译接口

兼容CPU与GPU。在GPUMD中使用时需要用支持NEP5的V4.0及以上版本。

如今GNN力场通用大模型发展迅猛，MatBench Discovery榜单更新频繁，针对榜单前沿的GNN通用力场大模型，创新研发了知识蒸馏框架PWact，构建主动学习管道，实现GNN大模型向NEP等小模型的定向迁移，推理速度较原模型提升3个数量级，为新能源材料、半导体器件等工业场景提供可落地的MLFF解决方案。

主动学习流程示意图

“让原子模拟触达工业需求”—— MatPL 2025.3版本现已登陆GitHub开源社区，诚邀全球科研团队加入我们的先锋计划，共同探索材料计算的未知疆域，体验下一代分子动力学的澎湃算力。