## **一、简介** MatterGen 是一种用于跨周期表设计无机材料的生成模型，可以微调以引导生成满足广泛性能约束条件。 MatterGen 的基础模型在生成新颖、稳定且多样化的材料方面已达到领先水平（如图所示）。该模型利用来自 [Materials Project(opens in new tab)](https://next-gen.materialsproject.org/)（MP）和 [Alexandria(opens in new tab)](https://alexandria.icams.rub.de/)（Alex）数据库的 608,000 种稳定材料进行训练。其性能的提升得益于架构的优化以及高质量、大规模的训练数据。 ![1755482869243_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1755482869243_image.png) "MatterGen 与其他方法在生成稳定、新颖和独特结构的材料方面的性能比较。每种方法的训练数据集在括号中标出。紫色表示仅由于 MatterGen 架构带来的性能提升，青色则表示由更大的数据集带来的性能提升。") 注：MatterGen 与其他方法在生成稳定、新颖和独特结构的材料方面的性能比较。每种方法的训练数据集在括号中标出。紫色表示仅由于 MatterGen 架构带来的性能提升，青色则表示由更大的数据集带来的性能提升。提供 MatterGen 的模型： * `mattergen_base`: 无条件基础模型 * `chemical_system`: 化学系统条件微调模型 * `space_group`: 基于空间群的微调模型 * `dft_mag_density`: 基于 DFT 磁密度的微调模型 * `dft_band_gap`: 基于 DFT 带隙的微调模型 * `ml_bulk_modulus`: 在机器学习预测器提供的体模量上进行微调的模型 * `dft_mag_density_hhi_score`: 在 DFT 和 HHI 分数的基础上联合微调的模型 * `chemical_system_energy_above_hull`: 在 DFT 的化学体系基础上联合微调的模型 ## 二、环境部署基础环境要求: | 环境名称 | 版本信息 1 | | :------: | :---------: | | Ubuntu | 22.04.5 LTS | | Cuda | V11 | | Python | 3.10 | | uv | 0.7.3 | ### 1. 更新基础软件包查看系统版本信息 ``` # 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等 cat /etc/os-release ``` ![1726627581255_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627581255_image.png) 配置 apt 国内源 ``` # 更新软件包列表 apt-get update ``` 这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推荐步骤，因为它确保了您获取的是最新版本的软件包。 ``` # 安装 Vim 编辑器 apt-get install -y vim ``` 这个命令用于安装 Vim 文本编辑器。`-y` 选项表示自动回答所有的提示为“是”，这样在安装过程中就不需要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。 **为了安全起见，先备份当前的 `sources.list` 文件之后，再进行修改：** ``` # 备份现有的软件源列表 cp /etc/apt/sources.list /etc/apt/sources.list.bak ``` 这个命令将当前的 `sources.list` 文件复制为一个名为 `sources.list.bak` 的备份文件。这是一个好习惯，因为编辑 `sources.list` 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果出现问题，您可以轻松地恢复原始的文件。 ``` # 编辑软件源列表文件 vim /etc/apt/sources.list ``` 这个命令使用 Vim 编辑器打开 `sources.list` 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、更改现有软件源的优先级或禁用某些软件源。 **在 Vim 中，您可以使用方向键来移动光标，`i` 键进入插入模式（可以开始编辑文本），`Esc` 键退出插入模式，`:wq` 命令保存更改并退出 Vim，或 `:q!` 命令不保存更改并退出 Vim。** **编辑 `sources.list` 文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的 Linux 用户。** ![1726627632814_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627632814_image.png) 使用 Vim 编辑器打开 `sources.list` 文件，复制以下代码替换 `sources.list`里面的全部代码，配置 apt 国内阿里源。 ``` deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse ``` ![1726627649314_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627649314_image.png) 安装常用软件和工具 ``` # 更新源列表，输入以下命令： apt-get update # 更新系统软件包，输入以下命令： apt-get upgrade # 安装常用软件和工具，输入以下命令： apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential ``` 出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具 ![1726627670779_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627670779_image.png) ### 2. 安装 NVIDIA CUDA Toolkit （按需安装对应版本） * **下载 CUDA Keyring** ： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb ``` 这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的签名。这是确保软件包安全性的一个重要步骤。 * **安装 CUDA Keyring** ： ```bash dpkg -i cuda-keyring_1.0-1_all.deb ``` 使用 `dpkg` 安装下载的密钥环。这是必要的，以便 `apt` 能够验证从 NVIDIA 仓库下载的软件包的签名。 ![1726627689852_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627689852_image.png) * **删除旧的 apt 密钥（如果必要）** ： ```bash apt-key del 7fa2af80 ``` 这一步可能不是必需的，除非您知道 `7fa2af80` 是与 CUDA 相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装 CUDA 并使用 NVIDIA 提供的最新密钥环，这一步可以跳过。 * **更新 apt 包列表** ： ```bash apt-get update ``` 更新 apt 的软件包列表，以便包括刚刚通过 `cuda-keyring` 添加的 NVIDIA 仓库中的软件包。 * **安装 CUDA Toolkit** ： ```bash apt-get -y install cuda-toolkit-12-1 ``` ![1726627724243_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627724243_image.png) 出现以下页面，说明 NVIDIA CUDA Toolkit 12.1 安装成功 ![1726627736357_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627736357_image.png) **注意：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为 `cuda-toolkit-12-1` 的包。通常，您会安装一个名为 `cuda` 或 `cuda-12-1` 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检查 NVIDIA 的官方文档或仓库，以确认正确的包名。** **如果您正在寻找安装特定版本的 CUDA Toolkit，您可能需要安装类似 `cuda-12-1` 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的 `.run` 安装程序进行手动安装。** **请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。** ![1726627761880_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627761880_image.png) * **出现以上情况，需要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量** 编辑 ~/.bashrc 文件 ``` # 编辑 ~/.bashrc 文件 vim ~/.bashrc ``` 插入以下环境变量 ```bash # 插入以下环境变量 export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` ![1726627785017_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627785017_image.png) 激活 ~/.bashrc 文件 ``` # 激活 ~/.bashrc 文件 source ~/.bashrc ``` 查看cuda系统环境变量 ``` which nvcc nvcc -V ``` ![1726627797367_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627797367_image.png) ### 3. 安装 Miniconda * **下载 Miniconda 安装脚本** ： * 使用 `wget` 命令从 Anaconda 的官方仓库下载 Miniconda 的安装脚本。Miniconda 是一个更小的 Anaconda 发行版，包含了 Anaconda 的核心组件，用于安装和管理 Python 包。 * **运行 Miniconda 安装脚本** ： * 使用 `bash` 命令运行下载的 Miniconda 安装脚本。这将启动 Miniconda 的安装过程。 ```bash # 下载 Miniconda 安装脚本 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh # 运行 Miniconda 安装脚本 bash Miniconda3-latest-Linux-x86_64.sh # 初次安装需要激活 base 环境 source ~/.bashrc ``` 按下回车键（enter） ![1726627823409_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627823409_image.png) 输入yes ![1726627835177_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627835177_image.png) 输入yes ![1726627844297_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627844297_image.png) 安装成功如下图所示 ![1726627852297_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1726627852297_image.png) pip配置清华源加速 ``` # 编辑 /etc/pip.conf 文件 vim /etc/pip.conf ``` 加入以下代码 ``` [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple ``` **注意事项：** * 请确保您的系统是 Linux x86_64 架构，因为下载的 Miniconda 版本是为该架构设计的。 * 在运行安装脚本之前，您可能需要使用 `chmod +x Miniconda3-latest-Linux-x86_64.sh` 命令给予脚本执行权限。 * 安装过程中，您将被提示是否同意许可协议，以及是否将 Miniconda 初始化。通常选择 "yes" 以完成安装和初始化。 * 安装完成后，您可以使用 `conda` 命令来管理 Python 环境和包。 * 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。 ### 4. 设置中文环境（可选）在终端出现中文乱码时，需要设置中文环境 ``` apt update && apt install sudo -y apt update && apt install -y curl vim sj_zh_CN_UTF_8.sh chmod +x sj_zh_CN_UTF_8.sh ./sj_zh_CN_UTF_8.sh source ~/.bashrc ``` `sj_zh_CN_UTF_8.sh` 内容： ``` #!/bin/bash # 更新系统软件包 sudo apt-get update # 安装所需工具 sudo apt-get install -y sudo locales vim # 编辑并生成语言环境 echo "zh_CN.UTF-8 UTF-8" | sudo tee -a /etc/locale.gen echo "en_US.UTF-8 UTF-8" | sudo tee -a /etc/locale.gen # 生成语言环境 sudo locale-gen # 设置默认语言环境为中文 sudo update-locale LANG=zh_CN.UTF-8 # 更新~/.bashrc以确保LANG环境变量持久生效 echo 'export LANG=zh_CN.UTF-8' >> ~/.bashrc # 使修改立即生效 source ~/.bashrc # 输出当前语言环境 locale ``` ## 三、MatterGen部署 ### 1. 安装从[github](https://github.com/microsoft/mattergen/tree/main) 克隆源码，也可以使用手动下载并上传。 ``` git clone https://github.com/microsoft/mattergen.git ``` 官方推荐使用 `UV` 构建环境，在 `python `环境下使用 `pip `安装 `UV` ``` cd mattergen pip install uv uv venv .venv --python 3.10 source .venv/bin/activate uv pip install -e . -i http://mirrors.aliyun.com/pypi/simple ``` 在激活的 `uv` 环境下，运行 `mmattergen-generate --help` 可以查看命令的说明 ![1755482910609_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1755482910609_image.png) ### 2. 下载模型从它的镜像网址：[HF-Mirror](https://hf-mirror.com/) 下载，`huggingface-cli` 是 Hugging Face 官方提供的命令行工具，自带完善的下载功能。这里演示下载它的所有模型。 ``` pip install -U huggingface_hub export HF_ENDPOINT=https://hf-mirror.com huggingface-cli download --resume-download microsoft/mattergen --local-dir checkpoints ``` ### 3. 测试编写一个 `test.sh` 测试它是否正常工作，`MODEL_NAME` 指定模型的位置，这里使用它的基础模型；`RESULTS_PATH` 指定生成结果位置然后执行： `bash test.sh` ``` export MODEL_NAME=/mattergen/checkpoints/checkpoints/mattergen_base/ export RESULTS_PATH=results/ # Samples will be written to this directory # generate batch_size * num_batches samples mattergen-generate $RESULTS_PATH --model_path=$MODEL_NAME --batch_size=16 --num_batches 1 ``` ![1755482919110_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1755482919110_image.png) 出现这样的结果代表运行完成，生成的三个文件分别代表： * `enerated_crystals_cif.zip`：一个 ZIP 文件，其中包含每个生成的结构的一个 .cif 文件。 * `generated_crystals.extxyz`：一个包含各个生成结构的文件的帧。 * `generated_trajectories.zip`：一个包含每个生成结构的 `.extxyz` 文件的 ZIP 文件，其中包含每个独立结构的完整去噪轨迹。 ### 4. 创建webui 为了方便使用，创建 `app.py` 执行： `python app.py` ![1755482926725_image.png](https://qroom.oss-cn-chengdu.aliyuncs.com/communityMirror_pic/1755482926725_image.png) ``` import gradio as gr import subprocess import os # 新增模型扫描函数 def scan_models(): checkpoint_dir = r"/mattergen/checkpoints/checkpoints" try: models = [d for d in os.listdir(checkpoint_dir) if os.path.isdir(os.path.join(checkpoint_dir, d))] return models except FileNotFoundError: os.makedirs(checkpoint_dir, exist_ok=True) return [] def scan_result_files(results_path): """扫描结果目录中的文件""" try: files = [f for f in os.listdir(results_path) if os.path.isfile(os.path.join(results_path, f))] return [os.path.join(results_path, f) for f in files] except FileNotFoundError: return [] with gr.Blocks() as demo: gr.Markdown("""

MatterGen 分子生成工具

跨周期表设计无机材料的生成模型，支持微调生成满足复杂约束条件的分子结构

GitHub 项目算家云平台

""") with gr.Row(): model_name = gr.Dropdown( label="选择模型", choices=scan_models(), value="mattergen_base" if "mattergen_base" in scan_models() else None ) results_path = gr.Textbox(label="结果路径", value="results/") with gr.Row(): batch_size = gr.Number(label="Batch Size", value=16, precision=0) num_batches = gr.Number(label="Num Batches", value=1, precision=0) # 新增自定义参数输入框 with gr.Row(): custom_args = gr.Textbox( label="自定义参数", placeholder="例如：--properties_to_condition_on=\"{'dft_mag_density': 0.15}\" --diffusion_guidance_factor=2.0", lines=2 ) # 新增参数说明 gr.Markdown(""" **参数说明** `--diffusion-guidance-factor` (γ参数)： ▸ `=0` ➔ 无条件生成 ▸ `>0` ➔ 值越高生成样本越符合输入属性，但会降低多样性和真实性 """) # 新增预览按钮和命令显示框 preview_btn = gr.Button("预览命令") command_preview = gr.Textbox(label="生成命令", interactive=False) run_btn = gr.Button("开始生成") output = gr.Textbox(label="执行结果", interactive=False) # 新增状态存储生成的命令 generated_command = gr.State() def generate_command(model_name, results_path, batch_size, num_batches, custom_args): full_model_path = os.path.join(r"/mattergen/checkpoints/checkpoints/", model_name) base_cmd = f"mattergen-generate {results_path} --model_path={full_model_path} --batch_size={int(batch_size)} --num_batches={int(num_batches)}" # 添加自定义参数 if custom_args.strip(): base_cmd += f" {custom_args.strip()}" return base_cmd, base_cmd preview_btn.click( fn=generate_command, inputs=[model_name, results_path, batch_size, num_batches, custom_args], outputs=[command_preview, generated_command] ) # 新增文件列表组件 # 修改文件列表组件为动态路径 # 在文件列表组件前添加刷新按钮 refresh_btn = gr.Button("🔄 刷新文件列表") file_list = gr.Files( label="生成结果文件", value=lambda: scan_result_files(results_path.value) ) # 添加刷新按钮点击事件 refresh_btn.click( fn=lambda x: scan_result_files(x), inputs=results_path, outputs=file_list ) # 修改执行函数以更新文件列表 def execute_command(cmd, results_path): # 确保接收明确的路径参数 try: result = subprocess.run( cmd, shell=True, capture_output=True, text=True, check=True ) return f"命令执行成功！\n\n输出：\n{result.stdout}", scan_result_files(results_path) except subprocess.CalledProcessError as e: return f"执行出错：\n{e.stderr}", scan_result_files(results_path) # 修改按钮点击事件绑定 run_btn.click( fn=execute_command, inputs=[generated_command, results_path], # 添加results_path作为输入 outputs=[output, file_list] ) # 增强路径校验 def scan_result_files(results_path): """扫描结果目录中的文件""" if not results_path: # 新增空值检查 return [] try: files = [f for f in os.listdir(results_path) if os.path.isfile(os.path.join(results_path, f))] return [os.path.join(results_path, f) for f in files] except FileNotFoundError: return [] # 添加路径变更监听 results_path.change( fn=lambda x: scan_result_files(x), inputs=results_path, outputs=file_list ) if __name__ == "__main__": demo.launch(pwa=True, server_name="0.0.0.0", server_port=8080) ```