适配仓库(AI.AtomGit):liuhongwei-2026/OpenAlphaDiffract 模型来源:
linked-liszt/OpenAlphaDiffract(Hugging Face / GitCode hf_mirrors 镜像可拉取) 适配分类:其他(材料科学 · PXRD 粉末 X 射线衍射智能分析)
OpenAlphaDiffract 是先进光子源(Advanced Photon Source)发布的 AlphaDiffract(arxiv:2603.23367)开源实现,是一个多任务 1D ConvNeXt 模型。输入一张 8192 点的粉末 X 射线衍射(PXRD)强度谱,即可同时预测:
| 任务 | 输出 | 类别/维度 |
|---|---|---|
| 晶系 Crystal system | 三斜→立方 | 7 类分类 |
| 空间群 Space group | 230 个国际空间群编号 | 230 类分类 |
| 晶格参数 Lattice params | a、b、c(Å)、α、β、γ(°) | 6 值回归 |
模型由 ConvNeXt1D 骨干(3 级下采样、GELU、LayerNorm)+ 3 个 MLP 任务头组成,参数量约 8.7M,权重约 35 MB,模型代码自包含(model.py 随权重发布,无 Lightning / transformers 依赖)。
本仓库将其从默认的 cpu/cuda 运行方式适配到 华为昇腾 NPU(Ascend),通过 torch_npu 将推理计算放到 npu:0,模型为纯 PyTorch 标准算子(Conv1d / Linear / GELU / LayerNorm / AvgPool1d 等),零算子改动、零外部建模依赖,并支持单次推理与 HTTP 服务化推理两种用法。
| 项目 | 说明 |
|---|---|
| 模型来源 | linked-liszt/OpenAlphaDiffract(HF / GitCode hf_mirrors / ModelScope 镜像) |
| 参数量 | 8,734,989(约 35 MB model.safetensors) |
| 架构 | ConvNeXt1D-MultiTask(3 级下采样骨干 + 3 个 MLP 任务头) |
| 输入 | 8192 点 PXRD 强度谱(float32,归一化到 [0,100]) |
| 输出 | 晶系(7) + 空间群(230) + 晶格参数(6) |
| 适配方式 | torch_npu 后端,显式指定 device="npu:0",模型自带的 from_pretrained 直接加载 |
| 算子改动 | 零(全为标准算子) |
| 服务化 | FastAPI + uvicorn,POST /predict 返回 JSON |
| 适配状态 | 成功(已在昇腾 910 NPU 上完成端到端推理验证) |
| 许可 | 与模型一致(BSD 3-Clause) |
说明:OpenAlphaDiffract 为材料科学结构化模型(PXRD 谱 → 晶体学参数),不是 LLM,无法使用 vLLM 传统文本服务;本仓库采用 torch_npu + FastAPI 的 NPU 服务化方案,与昇腾推理生态一致。
| 组件 | 版本/说明 |
|---|---|
| 操作系统 | Linux(aarch64) |
| 昇腾工具链 | CANN 8.5.x(配套 torch_npu) |
| python | 3.11 |
| torch | 2.9.0 |
| torch_npu | 2.9.0.post1 |
| NPU | Ascend 910(Ascend910_9362),可用 2 卡 |
OpenAlphaDiffract/
├── inference.py # 推理脚本(单次推理 + 服务化推理)
├── README.md # 部署说明文档
├── requirements.txt # 环境依赖清单
├── model.py # 模型自包含代码(conv与权重一并发布)
├── config.json # 架构与超参配置
├── maxsub.json # 空间群子群图(注册 buffer)
├── model.safetensors # 模型权重(~35 MB)
└── assets/ # 截图素材
├── agent_workflow.png
├── npu_device_call.png
└── model_result.png
*.safetensors通过 Git LFS 管理(见.gitattributes),权重入库,拉仓库即得完整可跑环境。
# 1) 拉取权重(若仓库未含,或使用本地镜像源)
pip install -U huggingface_hub && export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download linked-liszt/OpenAlphaDiffract --local-dir OpenAlphaDiffract
# 2) 创建虚拟环境(建议 Python 3.10+)
python3 -m venv .venv && source .venv/bin/activate
# 3) 安装依赖(先按 CANN 环境安装匹配的 torch/torch_npu,见 requirements.txt 注释)
pip install -r requirements.txt
# 可选服务化依赖:
pip install fastapi uvicorn pydantic权重也可从 ModelScope 拉取:
modelscope download --model <modelscope_id> --local_dir OpenAlphaDiffract。
单次推理:
python inference.py --model . --device npu:0预期输出:
[INFO] 推理设备: npu:0
[INFO] NPU 名称: Ascend910_9362
[INFO] 模型加载完成 (.)
[INFO] 输入 PXRD 点数: 8192
[OpenAlphaDiffract] crystal system : Cubic (39.8%)
[OpenAlphaDiffract] space group : #191 (17.4%)
[OpenAlphaDiffract] lattice params :
a = 3.543 Å
b = 3.800 Å
c = 4.786 Å
alpha = 92.915 deg
beta = 90.508 deg
gamma = 93.833 deg
{"crystal_system": "Cubic", ...}
SUCCESS自定义 PXRD 谱文件:
python inference.py --model . --input path/to/pxrd.npy --device npu:0支持 .npy / .npz / .txt / .csv,长度自动补零 / 截断到 8192,并自动做 [0,100] 归一化。
python inference.py --model . --serve --host 0.0.0.0 --port 8000 --device npu:0请求示例:
curl -X POST http://127.0.0.1:8000/predict \
-H "Content-Type: application/json" \
-d '{"pattern": [0.0, 1.0, 2.0, ...]}'响应(JSON):
{
"crystal_system": "Cubic",
"cs_confidence": 0.398,
"space_group": 191,
"sg_confidence": 0.173,
"lattice": {"a": 3.543, "b": 3.800, "c": 4.786, "alpha": 92.9, ...}
}--model 指向本地目录即可)。astype(np.float32)(NPU 部分算子不支持 float64)。model.py 随权重发布),非 PyPI 包;本仓库已将其随仓库直接分发,inference.py 直接从仓库导入。linked-liszt/OpenAlphaDiffract(Hugging Face)AdvancedPhotonSource/OpenAlphaDiffract(GitHub)贡献者:liuhongwei-2026 赛道:模型适配赛道(其他)