UMA · Universal Models for Atoms
一个模型覆盖分子、材料、催化、MOF 和分子晶体，用任务头切换。UMA-S 1.2.1 激活 660 万、总计 2.9 亿参数；UMA-M 1.1 激活 5000 万、总计 14 亿参数。
许可：FAIR Chemistry License，需在 Hugging Face 申请
META OPEN SCIENCE × MOLASTRIA
Meta 的模型与数据，
在这里接成一条研究流程。
Muse 负责读图和提出想法，UMA 负责快速计算，OMol25 的基准告诉我们结果什么时候可信。这一页汇总 MolAstria 用到的 Meta 技术、两个可以直接上手的工具，以及 FAIR Chemistry 开放的模型和数据集。
MolAstria 是独立项目，与 Meta 没有隶属关系。Muse、UMA、OMol25 等名称归 Meta 所有；数据集和模型请按各自的许可证使用。
1 亿+OMol25 的 DFT 计算，ωB97M-V/def2-TZVPD
83OMol25 覆盖的元素
7UMA 任务头：分子、材料、催化、MOF、分子晶体
10本页收录的 FAIR Chemistry 开放数据集
TOOL 01 · MUSE SPARK VISION
Muse 识图：从一张图得到可计算的结构
把文献截图、ChemDraw 截图或手绘结构交给 Muse Spark，它给出名称和 SMILES；浏览器里的 RDKit 再逐个校验，画出结构、算出分子式。校验不过的会标出来，不会悄悄当成正确答案。
识图用你自己的 Meta Model API key（在右上角「AI 助手」→ 设置里填），图片直接发给 Meta，本站不保存。
识别结果会显示在这里。
TOOL 02 · UMA ON YOUR OWN GPU
UMA 脚本生成器：在自己的电脑上跑 Meta 的原子模型
UMA 需要 PyTorch 和 GPU，不能在网页里运行。这里按你的分子和计算目的生成一份完整的 fairchem + ASE 脚本：RDKit 生成三维结构，UMA 优化和计算，结果写成文件。IP / EA 的输出可以直接导入 AI 实验室。
- 安装：
pip install fairchem-core rdkit - 申请模型访问： huggingface.co/facebook/UMA，通过后运行
huggingface-cli login - 在单独的环境里安装：
pip install mace-torch rdkit（mace-torch 固定 e3nn 0.4.4，和 fairchem 装在一起会冲突） - 第一次运行会从 GitHub 下载 MACE-OFF23 模型，不用申请。它采用学术软件许可（ASL），仅限非商业用途。
- 运行：
python uma_FEC_ipea.py
不想装环境：在线计算在“模型接口”页
站长 GPU 上的 15 个机器学习势（UMA、OMol25 系列、MACE、ANI-2x）可以免费在线计算：单点、优化、频率与热化学、构象搜索、二面角扫描、分子动力学、反应能、IP / EA、自旋态能隙、键解离能、质子亲和能、极化率和红外 / 拉曼光谱。
MACE-OFF23 用它在 SPICE 数据上训练的力场独立复核 UMA 的结构：只覆盖中性、闭壳层、由 H C N O F P S Cl Br I 组成的分子，所以算不了离子，也就没有电离能和电子亲和能。桌面版的“在本机运行”只支持 UMA，MACE 请用上面的脚本。
不想自己配命令？MolAstria 桌面版可以用你电脑上的 Python 一键运行上面的计算，IP / EA 算完直接导入 AI 实验室。
在本机运行
桌面版用你电脑上的 Python 和 fairchem 计算上面选好的分子和任务。运行的是桌面版内置的固定脚本，页面只传参数；结果保存在本机，不上传。
正在查找 Python…
用其他 Python（如 conda 或 venv 环境）
UMA 的 7 个任务头：换体系时改 task_name
| task_name | 适用体系 | 训练数据 |
|---|---|---|
omol | 分子与聚合物（本页脚本使用），支持电荷和自旋 | OMol25 · ωB97M-V/def2-TZVPD |
omat | 无机材料、晶体弛豫 | OMat24 |
oc20 | 表面吸附与催化 | OC20 |
oc22 | 氧化物催化（UMA 1.2 起） | OC22 |
oc25 | 固–液界面与电催化（UMA 1.2 起） | OC25 |
odac | MOF 与气体吸附 | ODAC |
omc | 分子晶体 | OMC25 |
来源：fairchem README 与 UMA 更新记录（2026-10）。uma-s-1p2p1-ft-d4rev 只有 omol 任务。默认推理模式 UMA Nitro 需要 Ampere 及更新的 NVIDIA GPU，其他设备会自动退回普通模式。
FAIR CHEMISTRY · OPEN MODELS AND DATA
Meta 开放的化学模型、数据集与工具
数字取自各论文摘要和 fairchem 文档（2026-11 核对）。标着「本站在用」的，是 MolAstria 已经接入的部分。
UMA-S 1.2.1 微调版
uma-s-1p2p1-ft-d4rev 用约 400 万个按 ωB97M-D4rev 重算的 OMol25 结构微调，只用于分子；uma-s-1p2p1-ft-r2scan 用 r²SCAN 数据（MAD-1.6）训练，只用于无机材料。
许可：FAIR Chemistry License
eSEN
平滑、能量守恒的原子间势，在热导率、声子和材料稳定性预测上表现突出。OMol25 发布时同时给出了 eSEN 系列模型。
EquiformerV2
等变 Transformer。用 OMat24 训练的版本在 Matbench Discovery 上 F1 超过 0.9。
Muse Wonder 1.0
Muse 系列里推理最强的模型。AI 实验室推荐用它当“化学家”，每轮提出分子并写出设计理由。参考价：每百万 token 输入 4 美元、输出 20 美元。
Muse Spark 1.3
通用模型，能读图片。全站 AI 助手可以选它，本页的识图也用它。参考价：每百万 token 输入 1.25 美元、输出 4.25 美元。
Muse Spark Open 816B-A42B
Muse Spark 的开放权重版本，总参数 8160 亿、每个 token 激活 420 亿，需要申请，适合有集群的团队离线部署或当训练小模型的老师。
OMol25 · Open Molecules 2025
超过 1 亿次 ωB97M-V/def2-TZVPD 计算，83 种元素，约 8300 万个分子体系，最大 350 个原子；包含显式溶剂、不同电荷与自旋、构象和反应结构。
许可：CC BY 4.0
OMat24 · Open Materials 2024
超过 1.1 亿次无机材料 DFT 计算，强调结构和组成的多样性。与 Materials Project 的能量设置不兼容，比较形成能时要注意。
许可：CC BY 4.0
OMC25 · Open Molecular Crystals 2025
超过 2700 万个分子晶体结构，12 种元素，每个晶胞最多 300 个原子，来自 23 万多个结构的含色散校正 DFT 弛豫轨迹。
许可：CC BY 4.0
OPoly26 · Open Polymers 2026
超过 657 万次聚合物团簇 DFT 计算，合计 12 亿多个原子，覆盖单体组成、聚合度、链结构和溶剂环境的变化。
OC25 · Open Catalyst 2025
7,801,261 次计算、1,511,270 个显式溶剂环境、88 种元素，是目前最大的固–液界面数据集，面向电催化。
OC22 · Open Catalyst 2022
62,331 条氧化物表面的 DFT 弛豫（约 985 万个单点），面向析氧反应（OER）催化剂。
OC20 · Open Catalyst 2020
1,281,040 条 DFT 弛豫（约 2.65 亿个单点），覆盖不同材料、表面和吸附物，是 Open Catalyst Project 的起点。
ODAC25 · Open DAC 2025
近 6000 万次 DFT 计算：CO₂、H₂O、N₂、O₂ 在 15,000 个 MOF 中的吸附，包括官能化和人工生成的框架，用于直接空气捕集。
ODAC23 · Open DAC 2023
超过 3800 万次 DFT 计算，8,400 多种 MOF 吸附 CO₂ 和 / 或 H₂O。
OCx24 · Open Catalyst Experiments 2024
572 个合成样品、441 个气体扩散电极的 CO₂ 还原和析氢测试，配合约 2 万种材料的 DFT 校验吸附能，把实验和模型连起来。
fairchem
FAIR Chemistry 的代码库：ASE 计算器、训练、多 GPU 推理和 LAMMPS 接口。本页的 UMA 脚本就是基于它生成的。
UMA Playground
Meta 的交互式教学演示，不用安装就能在浏览器里体验 UMA。
FAIR Chemistry 排行榜
OMol25 等基准上各原子模型的公开排行，选模型前先看这里。
FastCSP
随机生成结构，再用 UMA 弛豫并计算自由能，加速分子晶体结构预测：几十张 GPU、几小时得到一个体系的结果。
AdsorbML
用机器学习势筛选吸附构型，吸附能计算提速约 2000 倍，准确率 87%。
CatTSunami
加速过渡态能量计算，枚举反应网络时提速约 1500 倍。
酶催化的量子精度模拟
用机器学习势在量子化学精度上模拟酶催化反应，示例是 NDPK 催化 ATP 转为 ADP。
没有匹配的资源，换个关键词试试。
LIVE · GITHUB AND HUGGING FACE
fairchem 最近的版本
打开页面时从 GitHub 和 Hugging Face 读取，一小时内不重复请求。
- 正在读取…