火炬 这不仅是一个普通的模拟器,而且是一个可区分的模拟器! 端到端可区分分子模拟的PyTorch代码。 将会有更多的文档和教程。 此仓库正在大力开发中,非常欢迎您的贡献。 强调 通过ODE解算器(O(1)反向传播)进行反向模式自动微分 支持的求解器:四阶Runge-Kutta和Velocity Verlet 包括一个图形神经网络模块(我们自己的SchNet实现) GPU加速邻居列表算法 实现了端到端的可观察性-RDF,VACF 适用于单分子和凝聚相(液体和固体) 与ASE兼容以进行系统初始化 用户可以将界面编写到他们最喜欢的Force Field架构(SchNet,DimeNet,