AIMNet2 是一个面向分子模拟的神经内插原子间势能模型,在 wB97M-D3 理论级别上训练,
用于快速预测分子的能量、原子电荷与原子力。本仓库将 isayevlab/aimnet2-wb97m-d3
原版权重适配到 华为昇腾 910B NPU 上,并以服务化方式对外提供推理能力。
| 项 | 内容 |
|---|---|
| 原始模型 | isayevlab/aimnet2-wb97m-d3 |
| 模型类型 | 神经内插势(AEV 消息传递 + MLP 输出头,非自回归) |
| 输入 | 原子序数 + 笛卡尔坐标(Å)+ 总电荷 |
| 输出 | 体系总能量(eV / Hartree)、原子电荷(e)、原子力(eV/Å,可选) |
| 适配目标 | 昇腾 910B / CANN 8.5.1 / torch_npu 2.9.0 |
| 权重格式 | safetensors(4 集成成员,单成员约 220 万参数) |
上游 aimnet Python 包在导入阶段就无条件依赖 CUDA 扩展:
aimnet.kernels.conv_sv_2d_sp_wp 使用 NVIDIA Warp 编写的自定义卷积 kernel;nvalchemiops 提供邻居表、DFT-D3 与 Ewald 库仑等加速算子。这两者都无法在昇腾环境安装/运行,直接 import aimnet 会抛
ModuleNotFoundError: No module named 'warp'。本适配通过纯 PyTorch 算子
重写相关路径,使同一份权重可以在昇腾 NPU 上完成完整的 wB97M-D3 单点计算。
| 组件 | 版本 |
|---|---|
| 操作系统 | Linux 5.10 (aarch64) |
| 昇腾 NPU | Ascend 910B(双 chip,npu:0 / npu:1) |
| CANN | 8.5.1 |
| torch | 2.9.0+cpu(配合 torch_npu) |
| torch_npu | 2.9.0.post1+gitee7ba04 |
| aimnet | 0.2.0 |
| Python | 3.11.14 |
实测芯片为 Ascend 910B,使用
npu:1部署(npu:0被同机其他任务占用)。
仓库包含 inference.py(推理模块 + CLI)与 serve.py(FastAPI 服务)。
pip install -r requirements.txt将权重放到默认模型目录(或设置环境变量 AIMNET2_MODEL_DIR):
/opt/atomgit/models/isayevlab/aimnet2-wb97m-d3/
├── config.json
├── ensemble_0.safetensors
├── ensemble_1.safetensors
├── ensemble_2.safetensors
└── ensemble_3.safetensorscd aimnet2_ascend
# 关键:将 ACL JIT 编译缓存重定向到本地盘(共享文件系统配额满会导致编译失败)
export ASCEND_WORK_PATH=/tmp/ascend_work
export ASCEND_PROCESS_LOG_PATH=/tmp/ascend_log
export ASCEND_CACHE_PATH=/tmp/ascend_cache
export AOE_ENABLE=0
# 默认监听 0.0.0.0:18222,设备 npu:1
python3 serve.py可通过环境变量调整:
AIMNET2_DEVICE=npu:1 AIMNET2_PORT=18222 AIMNET2_ENSEMBLE=0 python3 serve.pypython3 inference.py --smiles-mol water --device npu:1
python3 inference.py --numbers 8 1 1 \
--coord "0,0,0" "0.9584,0,0" "-0.2400,0.9271,0" --device npu:1 --json服务启动后按顺序执行:
# 1) 健康检查
curl http://127.0.0.1:18222/health
# {"status":"ok","model":"isayevlab/aimnet2-wb97m-d3","device":"npu:1","ensemble_member":0,"npu_available":true}
# 2) 模型列表(OpenAI 风格)
curl http://127.0.0.1:18222/v1/models
# 3) 单点能量 + 力(水分子)
curl -X POST http://127.0.0.1:18222/predict -H 'Content-Type: application/json' \
-d '{"numbers":[8,1,1],"coord":[[0,0,0],[0.9584,0,0],[-0.2400,0.9271,0]],"compute_forces":true}'预期响应(节选):
{
"energy_eV": -2081.0498891892166,
"energy_Ha": -76.47717346428729,
"charges": [-0.694564700126648, 0.34721067547798157, 0.34735405445098877],
"forces": [[0.058060407638549805, 0.023987770080566406, -0.0], ...],
"runtime_ms": 31.84
}| 指标 | 实测值 |
|---|---|
| 单请求延迟(预热后,服务内) | 15 ~ 38 ms |
| 端到端吞吐(8 并发,CLI 侧) | 180 请求 / 4 秒 |
| 模型加载时间(含首次算子编译) | 约 90 秒(首次请求另需约 80 秒编译) |
| HBM 占用(服务进程) | 约 292 MB |
| NPU 占用(推理负载中,Chip 1) | Aicore 5%,Aivector 8%,NPU Util 20~41%,HBM 4% |
说明:首次调用会触发 ACL 算子 JIT 编译(约 80s),预热后即进入毫秒级稳定延迟。 模型体量很小(fp32 约 8.8MB/成员),HBM 占用极低,非常适合边缘/小模型场景。
水分子 H2O 在 CPU 与 NPU 上分别推理:
| 平台 | 总能量 (eV) | 能量 (Ha) |
|---|---|---|
| CPU | -2081.0463 | -76.47704 |
| NPU | -2081.0499 | -76.47717 |
绝对偏差 < 0.005 eV(源自 fp32 计算路径差异),可认为一致。
| 分子 | 原子 | E_total (eV) | E (Hartree) | Σq |
|---|---|---|---|---|
| H2O | 3 | -2081.0499 | -76.47717 | 0.0000 |
| CH4 | 5 | -1103.0348 | -40.53578 | -0.00001 |
| NH3 | 4 | -1540.0630 | -56.59627 | 0.0000 |
| C2H6O | 9 | -4220.2230 | -155.09034 | 0.0000 |
| C6H6 | 12 | -6324.1367 | -232.40774 | 0.0000 |
模型支持 14 种元素:H、B、C、N、O、F、Si、P、S、Cl、As、Se、Br、I。 传入未支持元素(如 Fe)会返回明确的 422 错误。
/opt/atomgit 配额紧张时,ACL JIT 编译
会因写 /opt/atomgit/Ascend/latest/ 失败而报 Disk quota exceeded。务必按上文
将 ASCEND_CACHE_PATH / ASCEND_WORK_PATH 指向本地盘。--smiles-mol water)。npu:0 / npu:1 指定;
部署前请用 npu-smi info 确认目标 chip 空闲。nvalchemiops
未包含在本次交付范围内。ensemble_0.safetensors;API 的 ensemble 字段支持
0~3,切换成员需重启服务(或修改 AIMNET2_ENSEMBLE)。aimnet 官方 CUDA 推理链混用(本适配已在
import 层打桩替换其 CUDA 依赖)。模型权重遵循上游 MIT 许可。适配工作基于:
aimnet Python 包(NVIDIA, MIT)