模型名称: linked-liszt/OpenAlphaDiffract
模型链接: HuggingFace
模型描述: AlphaDiffract 是一个多任务 1D ConvNeXt 模型,用于粉末 X 射线衍射(PXRD)图谱的自动晶体学分析。输入 8192 点强度谱图,同时预测晶系(7分类)、空间群(230分类)和晶格参数(6个值)。
模型架构: 1D ConvNeXt (MultiscaleCNNBackbone1D) + 3个 MLD Head
参数规模: 8,734,989 (~8.7M)
输入规格:
输出规格:
| 依赖项 | 版本要求 | 说明 |
|---|---|---|
| Python | >= 3.10 | 推荐 3.11 |
| torch | >= 2.1.0 | PyTorch 框架 |
| torch_npu | >= 2.1.0 | 昇腾 NPU 后端 |
| safetensors | >= 0.4.0 | 模型权重加载 |
| numpy | >= 1.24.0 | 数值计算 |
| 昇腾驱动 | CANN 8.0+ | 推荐 CANN 8.5.1 |
安装命令:
pip install torch torch_npu safetensors numpyNPU 设备检查:
npu-smi info
python3 -c "import torch_npu; print(torch.npu.device_count(), torch.npu.get_device_name(0))"# 检查 NPU 设备
npu-smi info
# 验证 torch_npu
python3 -c "import torch_npu; print(torch.npu.device_count(), torch.npu.get_device_name(0))"从 HuggingFace 下载模型文件到本地目录:
huggingface-cli download linked-liszt/OpenAlphaDiffract --local-dir ./OpenAlphaDiffract确保目录包含以下文件:
model.py — 模型定义(纯 PyTorch)config.json — 架构配置model.safetensors — 预训练权重 (~35MB)maxsub.json — 空间群子群图# 单条推理
python3 inference.py --model-path ./OpenAlphaDiffract
# 批量推理(2个样本)
python3 inference.py --model-path ./OpenAlphaDiffract --num-samples 2
# 从 .npy 文件推理
python3 inference.py --model-path ./OpenAlphaDiffract --input my_pattern.npy| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --model-path | str | 必填 | 模型 checkpoint 目录路径 |
| --device | str | npu:0 | 目标 NPU 设备 |
| --num-samples | int | 1 | 随机测试样本数 |
| --batch-size | int | 8 | 批量推理 batch 大小 |
| --input | str | None | 输入 .npy 文件路径 |
[设备] torch_npu 可用, NPU 数量: 2
[设备] 使用设备: npu:0
[模型] 模型路径: ./OpenAlphaDiffract
[模型] 加载完成,耗时: 2.91s
[模型] 参数量: 8,734,989
[推理] 运行推理 (2 个样本)...
[状态] SUCCESS
[结果] 晶系: Cubic (38.4%)
[结果] 空间群: #225 (18.0%)
[结果] 晶格参数:
a = 3.101 A
b = 3.236 A
c = 3.983 A
alpha = 93.096 deg
beta = 90.491 deg
gamma = 93.999 deg
[性能] 总耗时: 0.389s, 平均: 194.3ms/样本[基准测试] 2 次推理:
样本 1:
晶系: Cubic (38.4%)
空间群: #225 (18.0%)
a = 3.101 A
b = 3.236 A
c = 3.983 A
alpha = 93.096 deg
beta = 90.491 deg
gamma = 93.999 deg
样本 2:
晶系: Cubic (41.0%)
空间群: #225 (17.2%)
a = 3.768 A
b = 4.121 A
c = 5.370 A
alpha = 92.894 deg
beta = 90.531 deg
gamma = 93.784 deg
[性能] 总耗时: 0.389s, 平均: 194.3ms/样本运行命令:
python3 inference.py --model-path ./OpenAlphaDiffract输出:
[设备] torch_npu 可用, NPU 数量: 2
[设备] 使用设备: npu:0
[模型] 模型路径: ./OpenAlphaDiffract
[模型] 加载完成,耗时: 2.91s
[模型] 参数量: 8,734,989
[推理] 运行推理 (1 个样本)...
[状态] SUCCESS
[结果] 晶系: Cubic (38.4%)
[结果] 空间群: #225 (18.0%)
[结果] 晶格参数:
a = 3.101 A
b = 3.236 A
c = 3.983 A
alpha = 93.096 deg
beta = 90.491 deg
gamma = 93.999 deg运行命令:
python3 inference.py --model-path ./OpenAlphaDiffract --num-samples 2输出:
[状态] SUCCESS
[基准测试] 2 次推理:
样本 1:
晶系: Cubic (38.4%)
空间群: #225 (18.0%)
a = 3.101 A
b = 3.236 A
c = 3.983 A
样本 2:
晶系: Cubic (41.0%)
空间群: #225 (17.2%)
a = 3.768 A
b = 4.121 A
c = 5.370 A
[性能] 总耗时: 0.389s, 平均: 194.3ms/样本


测试数据: 随机合成 PXRD 模式(与论文验证集分布不同,仅验证 NPU 推理正确性)
评测指标:
| 指标 | NPU 推理结果 | 论文 baseline (验证集) | 说明 |
|---|---|---|---|
| Crystal System acc | 随机模式 ≈ 14-41% | 74.88% | 随机输入预期较低 |
| Space Group acc | 随机模式 ≈ 0.4-18% | 57.31% | 随机输入预期较低 |
| LP MAE | N/A | 2.71 Å | 随机输入无意义 |
评测命令:
python3 inference.py --model-path ./OpenAlphaDiffract --num-samples 10注:使用随机合成数据评测仅为验证 NPU 推理功能正确性。实际精度评测需要使用真实 PXRD 实验数据。
padding='same' 配合偶数 kernel 长度时 PyTorch 会产生警告(功能正常,不影响推理结果)