PaddleMaterials 任务模型 文档

全任务一览

预测式模型

8 个预测式模型的 forward 完全一致：

class MyModel(paddle.nn.Layer):
    def forward(self, data, return_loss=True, return_prediction=True):
        pred = self._forward(data)           # 内部前向（各模型不同）
        loss_dict, pred_dict = {}, {}
        if return_loss:                       # 训练时：算 loss
            loss_dict["loss"] = some_loss(pred, data["label"])
        if return_prediction:                 # 评估/推理时：返回预测
            pred_dict["property"] = pred
        return {"loss_dict": loss_dict, "pred_dict": pred_dict}

各预测式模型的输入/输出

生成式模型

训练与生成分离：训练时 forward 返回扩散 loss（BaseTrainer 优化）；生成时调 model.sample()（不经过 Trainer）。

# 训练（BaseTrainer）
def forward(self, batch):
    ...  # 扩散前向：加噪 → 预测噪声 → loss
    return {"loss_dict": {"loss": total_loss, "loss_coord": ..., "loss_atom": ...}}

# 生成（sample.py + Sampler，不经 Trainer）
def sample(self, batch, num_inference_steps=1000, **kwargs):
    ...  # 反向扩散采样
    return generated_structures

各生成式模型

共享基础设施

选型建议

注册权重

以下为 MODEL_REGISTRY（ppmat/models/__init__.py）中已注册的预训练权重，通过 --model_name 自动下载：