CAPABILITY / 01
属性预测
从结构与组成出发，预测形成能、带隙、弹性模量等性质。
模型
数据集
Open-source AI infrastructure for materials science.
让材料发现，
跑得更快。
PaddleMaterials 是面向材料科学的智能开发套件，连接材料结构、性质、电子结构、谱图与模拟，支持从预测到生成的端到端研究流程。
✦ 从结构到性质，从预测到表征，把研究流程交给模型。
material graph / live01
ENERGY ERROR0.018 eV↓ 28.4%
TRAINING RUN24m 18s active
/ PLATFORM SIGNALS一套工具，连接
材料研究的每一步。
材料研究的每一步。
01可复用预置模型权重和数据集
02可扩展模块化能力扩展
03可复现配置驱动实验
WHAT YOU CAN BUILD从材料数据，
从材料数据，
到可验证的发现。
每项能力分别展示已支持的预训练模型与 AI-ready 数据集，帮助研究者快速找到合适的起点。
CAPABILITY / 02
结构生成
面向逆向设计，生成新的晶体结构，探索更大的材料空间。
模型
数据集
CAPABILITY / 03
机器学习原子间势函数
用可学习势函数替代高成本 DFT，支撑分子动力学计算。
模型
数据集
CAPABILITY / 04
电子结构
预测电子密度等物理场，帮助理解材料内部的电子结构。
模型
数据集
CAPABILITY / 05
谱图解析
从 NMR 等实验谱图重建分子结构，连接信号与化学空间。
模型
数据集
CAPABILITY / 06
谱图增强
增强显微图像与谱图信号，为实验数据提供更清晰的输入。
模型
数据集
MATERIALS DISCOVERY LOOP研究问题，
研究问题，
可以被持续迭代。
从属性预测、结构生成，到电子密度预测、热力学计算、逆合成分析与组分 / 工艺优化，PaddleMaterials 覆盖材料发现的多个关键环节。
属性预测结构生成电子密度预测热力学计算逆合成分析组分 / 工艺优化谱图分析原子分割更多能力持续加入
查看任务模型文档 →DISCOVERY / OPEN ECOSYSTEM connected
∞任务能力围绕材料结构与数据持续循环，并可随研究需求不断扩展。
MODEL APPLICATION LIFECYCLE
从训练到推理，
从训练到推理，
贯通应用全链条。
Trainer 负责训练、微调与实验管理；Predictor 负责加载预训练或自定义权重，完成结构处理、模型推理与结果输出，为后续应用集成和部署提供统一入口。
TRAINER训练与微调monitor · checkpoint · log
PREDICTOR推理与应用load · infer · export
01
INPUT配置任务与输入YAML 配置 · 任务脚本 · 结构/谱图/图像输入
02
ASSEMBLE装配数据与模型数据集构建 · 模型构建 · 超参数配置
03
TRAIN · OPTIONAL训练或微调模型训练与微调 · 检查点管理 · 指标评估
04
PREDICT加载权重并执行推理权重加载 · 输入转换 · 任务级推理
05
INTEGRATE接入材料计算链路文件读写 · ASE 计算器 · 动力学/结构优化
06
OUTPUT输出结果并迭代实验结果导出 · 微调续训 · 迭代实验
QUICK START一行代码，
一行代码，
贯通训练与推理。
从安装、训练到加载权重与推理输出，通过统一入口快速运行已有模型，把时间留给真正的材料问题。