计算化学和凝聚态物理的机器学习工具
cmlkit的Python项目详细描述
cmlkit
“骆驼工具包”
_______________
cmlkit为计算化学和凝聚态物理的机器学习模型，特别是原子论预测的机器学习模型的指定、调整和评估提供了一种简洁明了的方法。
警告：
cmlkit依赖于^{} ，这是尚未公开的。- 这是一个“科学准则”，即发展很少发生，而且有点偶然。我会尽量不做太多突破性的改变，永远不要在小版本。
- 这是一个非常特定于领域的项目，所以它有点充满了行话。但是，
tune和engine子模块非常通用！
如果你在任何科学工作中使用此代码，请在出版物中提及并告知我。谢谢！
什么是cmlkit？_；
在其核心，cmlkit定义了一个统一的基于dict的格式来指定模型组件，这些组件可以直接读写为yaml。它使用这种格式为其域中流行方法的实现提供接口。模型组件被实现为纯粹的ish函数，这在概念上是令人满意的，并为轻松的管道和缓存打开了大门。
在此基础上，它实现了并行超参数优化（使用hyperopt作为后端），并提供工具来训练模型、进行预测和评估这些预测。它的目的是扩展性和灵活性足以满足研究的需要。它还具有“高性能计算兼容性”，即它可以直接在90年代的计算环境中运行。
出于必要性，它还实现了另一种数据集格式，但通过提供自动加载来弥补这一点，这是很好的。
兼容性
目前，有以下接口：
表示：
- 多体张量表示（mbtr）（hou，rupp，arxiv 1704.06439（2017））（
qmmlpack接口） - 原子位置的平滑重叠（soap）表示（bartok，kondor，csanyi，prb 87 184115（2013））（
quippy接口） - 对称函数（SF）表示（Behler，JCP 134074106（2011））（^{
}接口）
回归方法：
- 在^{
} 中实现的内核岭回归（krr）
功能
- 相当干净、可组合、现代的代码库，几乎没有魔力
超参数优化（cmlkit.tune）自夸：
- 强大的多核支持（即它可以自动终止超时的外部代码，即使它忽略了
SIGTERM） - 不需要
mongodb（对于某些计算环境courk很重要courk） - 扩展到
hyperopt空间（log网格） - 实现多步骤优化的可能性（目前处于试验阶段）
- 可恢复/可恢复运行由可读的、原子式编写的优化历史（由^{
} 支持） - 搜索空间可以完全用文本定义，即它们易于编写、携带和序列化
在路线图上，即将推出™：
- 彻底缓存计算（一切都准备好了！）
- 插件系统（目前，自定义对象需要手动注册）
常见问题
（实际上并不经常问这些问题。）
我不从事计算化学/凝聚态物理。我应该在乎吗？
很遗憾，简短的回答可能是否定的。
不过，我认为这个图书馆的建筑相当整洁，所以也许它可以提供一些稍微有趣的阅读。tune组件非常通用，在我看来，它为hyperopt提供了一个非常干净的接口。engine也相当通用，提供了一种序列化specify的好方法。ic类型的python对象到yaml。
我为什么要用这个？
如果您需要使用上面提到的任何库，可能会更方便。如果您需要进行超参数优化，并且厌倦了简单的hyperopt，那么它可能很有用。
欢迎加入QQ群-->： 979659372
