[ ][ロゴガイド]

DeePMD-kit

事前学習済みのディープポテンシャルモデルから始め、あなたのシステムに合わせて微調整してください。 そしてシミュレーションスケールで展開します。

[ ][リリース] [ ][リリース]

[ ][資料]

[事前訓練済みモデル][事前訓練済み]·[微調整][微調整]· [ドキュメント][ドキュメント]·[クイックスタート][クイックスタート]· [モデルガイド][モデルガイド]·[チュートリアル][チュートリアル]· 例[リリース][リリース]

[!重要] 事前学習モデルは最終結果だけでなく出発点にもなり得ます。 組み込みの事前学習済みDPA4チェックポイントをダウンロードし、モデル全体を微調整してください。 システムを>してからテスト、エクスポート、同じDeePMD-kitでデプロイしてください ワークフローです。

DeePMD-kitは量子力学的な参照データを高速かつ拡張性のあるものに変換します 原子間ポテンシャル。分子科学や材料科学の分野で活用できる—から 有限分子と共有結合系から周期的な固体や金属へ、そしてスケール ノートパソコンのファインチューニングから分散トレーニング、MPI並列分子まで ダイナミクス。

DPA4モデルファミリーは、Matbench、Discovery、CPS、飽和推論スループットを横断するパレートフロンティアを辿ります。

⚡ なぜDeePMD-kitなのか

| |アドバンテージ |それがアンロックするもの |

[][logo-guide]

DeePMD-kit

Start from a pretrained Deep Potential model, fine-tune it for your system, and deploy it at simulation scale.

[][releases] [][releases] [][documentation]

[Pretrained models][pretrained] · [Fine-tuning][finetune] · [Documentation][documentation] · [Quick start][quick-start] · [Model guide][model-guide] · [Tutorials][tutorials] · Examples · [Releases][releases]

[!IMPORTANT] A pretrained model can be your starting point, not just your end result. Download a built-in pretrained DPA4 checkpoint, fine-tune the full model for your system, then test, export, and deploy it through the same DeePMD-kit workflow.

DeePMD-kit turns quantum-mechanical reference data into fast, scalable interatomic potentials. Use it across molecular and materials science—from finite molecules and covalent systems to periodic solids and metals—and scale from laptop fine-tuning to distributed training and MPI-parallel molecular dynamics.

The DPA4 model family traces a Pareto frontier across Matbench Discovery CPS and saturated inference throughput.

⚡ Why DeePMD-kit