[ ][로고 가이드]

디PMD-키트

사전 학습된 딥 퍼텐셜 모델에서 시작해 시스템에 맞게 미세 조정하세요, 그리고 시뮬레이션 규모로 배포할 수 있습니다.

[ ][발매] [ ][발매]

[ ][문서]

[사전 학습된 모델] [사전 학습됨] · [미세 조정] [미세 조정] · [문서] [문서] · [빠른 시작] [빠른 시작] · [모델 가이드] [모델 가이드] · [튜토리얼] [튜토리얼] · 예시 · [공개] [공개]

[! 중요] 사전 학습된 모델은 단순한 최종 결과가 아니라 출발점이 될 수 있습니다. 내장된 사전 학습된 DPA4 체크포인트를 다운로드하여 전체 모델을 미세 조정하세요. 시스템을 > 후 테스트, 내보내기, 동일한 DeePMD-kit을 통해 배포하세요 작업 흐름.

DeePMD-kit은 양자기계적 참조 데이터를 빠르고 확장 가능하게 변환합니다 원자간 퍼텐셜. 분자 및 재료 과학 전반에 걸쳐 활용하세요—출처 유한 분자와 공유 공유 시스템에서 주기적인 고체와 금속, 그리고 규모 노트북 미세 조정부터 분산 학습 및 MPI 병렬 분자 기술 역학.

DPA4 모델 계열은 Matbench Discovery CPS와 포화 추론 처리량을 아우르는 파레토 프런티어를 추적합니다.

⚡ 왜 DeePMD-kit

| | 이점 | 잠금 해제 |

[][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