共计 986 个字符，预计需要花费 3 分钟才能阅读完成。
2025 年 4 月 11 日，2 分钟阅读
Radical AI 近日发布了 TorchSim，这是一款基于 PyTorch 原生构建的新一代原子模拟引擎，专为机器学习势能（MLIP）时代设计。作为材料科学领域的一项重大技术突破，TorchSim 承诺将分子模拟速度提升至传统框架（如 ASE（原子模拟环境） 和 DFT（密度泛函理论））的数百倍。
TorchSim 是开源的，旨在支持利用机器学习模型（如 MACE、Fairchem 和 SevenNet）的现代材料工作流。它支持经典相互作用势能，如 Lennard-Jones 和 Morse，以及集成方案，如 NVE 和 NVT Langevin。该引擎具备自动批处理和 GPU 内存管理功能，允许多个系统并行运行模拟，充分发挥 GPU 硬件的潜力。
速度提升显著。根据内部基准测试，TorchSim 在与流行的 MLIP 模型配合使用时，比 ASE 快 100 倍。在单个 H100 GPU 上，用户可以根据所选模型同时模拟数千个原子。这一性能提升对于在学术和工业环境中扩展原子模拟至关重要。
_来源：TorchSim GitHub 仓库
TorchSim 的架构与传统模拟工具不同，它采用了完全基于 PyTorch 的实现。这一设计选择使其能够与更广泛的机器学习生态系统无缝集成，并为可微模拟、弹性属性预测和自定义科学工作流开辟了可能性。
早期测试者对其 API 的清晰性和灵活性给予了高度评价。Preferred Networks 的 Kohei Shinohara 评论道 ：
这个软件包感觉是在 MLIP 时代使用 GPU 后端进行分子动力学和结构松弛的正确方式。它的 API 设计简洁有序，借鉴了 JAX 等函数式编程框架的灵感。
项目的贡献者、计算化学家 Orion Archer Cohen 指出 ：
TorchSim 做对了。不再有分离的 C++ 和 Python API，不再有 cython，不再有复杂的文件格式，也不再是 5% 的 GPU 利用率。它用 PyTorch 重写了原子模拟的基本原理，使其非常容易学习、理解和发展。
TorchSim 支持与现有工具（如 ASE、Phonopy 和 Pymatgen）的集成，并包含一个简化常见模拟工作流的高级 API。其新的二进制轨迹格式支持可扩展属性，适合大规模和高通量研究。
TorchSim 现已在 MIT 许可下发布，支持 Python 3.11+。开发者和研究人员可以在 GitHub 上探索该项目，其中维护了源代码、文档和示例工作流。
