:::note info
計算化学における「機械学習ポテンシャル」の概念については以下の記事等を参照のこと。
- [機械学習原子間ポテンシャル - Wikipedia](https://ja.wikipedia.org/wiki/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E5%8E%9F%E5%AD%90%E9%96%93%E3%83%9D%E3%83%86%E3%83%B3%E3%82%B7%E3%83%A3%E3%83%AB)
- [機械学習ポテンシャル入門 - Matlantis](https://matlantis.com/ja/resources/blog/mlip-intro/)
:::
# UMA smallモデルのリリース
MetaのFairChemから機械学習ポテンシャル「UMA」のsmallモデルについて、新しいモデル（uma-s-1.2）がリリースされた。[公式リポジトリ](https://github.com/facebookresearch/fairchem)のREADMEには以下のように記載がある。
| Model Name | Description |
|---|---|
| uma-s-1p2 | Latest version of the UMA small model, fastest of the UMA models while still SOTA on most benchmarks (6.6M/290M active/total params) |
| uma-s-1p1 | Early version of the UMA small model while still SOTA on most benchmarks (6.6M/150M active/total params) |
| uma-m-1p1 | Best in class UMA model across all metrics, but slower and more memory intensive than uma-s (50M/1.4B active/total params) |
モデルとしては拡張されているが、活性化するパラメータ数は従来と同規模に抑えられており、さらなるチューニングによって推論速度が向上したとのこと。
新たに増強された学習データは、
- 酸化物や電極表面などの広範な無機物質
- OC22: https://pubs.acs.org/doi/10.1021/acscatal.2c05426
- OC25: https://doi.org/10.48550/arXiv.2509.17862
- 高分子
- OPoly26: https://doi.org/10.48550/arXiv.2512.23117
が該当する。このモデル一つで、より広い領域の材料が扱えるようになっている。
昨年公開されたarΧivの論文も今月v2にアップデートされており、補足資料も更新されている。
https://arxiv.org/abs/2506.23971v2
# 環境構築
早速動かしてみる。以前の記事に倣い、最新の[fairchem-coreライブラリ](https://github.com/facebookresearch/fairchem)を導入する。（2026/03/10現在は 2.17 が最新）
https://qiita.com/h-nabata/items/788f97e09c8593ac3951
fairchem-core 2.17 では dependencies に `"torch~=2.8.0"` とあるので、PyTorchは 2.8.0 のバージョンを入れる必要がある。
また、`requires-python = ">=3.11, <3.14"` とあるので、ここでは Python 3.12 で環境を構築する。
:::note info
**インストールの流れ**
1. conda仮想環境を Python 3.12 で作成
2. PyTorch 2.8.0 のGPU対応版をインストールする
3. fairchem-core 2.17 をインストールする
:::
:::note warn
**fairchem-coreのバージョンについて**
古いバージョンでは新しいモデルを動かせないケースがあるため、可能な限り最新のバージョンのfairchem-coreをインストールするのが良い。今回の UMA-s-1.2 のモデルは 2.16 以上が想定されている。
:::
【参考】fairchem-core 2.17 の依存関係
```:pyproject.toml
[build-system]
requires = ["hatchling", "hatch-vcs", "hatch-fancy-pypi-readme>=24"]
build-backend = "hatchling.build"
[project]
name = "fairchem-core"
description = "Machine learning models for chemistry and materials science by the FAIR Chemistry team"
license = {text = "MIT License"}
dynamic = ["version", "readme"]
requires-python = ">=3.11, <3.14"
dependencies = [
"torch~=2.8.0",
"ray[serve]>=2.53.0",
"numpy>=2.0,<2.4",
"scipy>=1.15.0",
"lmdb>=1.6.2,<=1.7.3",
"numba>=0.62.0",
"e3nn>=0.5",
"huggingface_hub>=0.27.1",
"ase>=3.26.0",
"ase-db-backends>=0.10.0",
"monty>=v2025.1.3",
"clusterscope==0.0.18",
"setuptools<81.0.0",
"requests",
"orjson",
"tqdm",
"submitit",
"hydra-core",
"torchtnt",
"pyyaml",
"wandb",
"websockets",
]
[project.optional-dependencies] # add optional dependencies, e.g. to be installed as pip install fairchem.core[dev]
dev = ["pre-commit", "pytest", "pytest-cov", "coverage", "syrupy", "ruff==0.5.1"]
docs = ["jupyter-book", "jupytext", "sphinx","sphinx-autoapi==3.3.3", "astroid<4", "umap-learn", "vdict", "ipywidgets", "jupyter_book>=2.0", "torch-dftd"]
adsorbml = ["dscribe", "x3dase", "scikit-image"]
extras = ["pymatgen", "quacc[phonons]>=0.15.3", "pandas", "nvalchemi-toolkit-ops", "pyarrow"]
[project.scripts]
fairchem = "fairchem.core._cli:main"
[project.urls]
repository = "https://github.com/facebookresearch/fairchem"
home = "https://opencatalystproject.org/"
documentation = "https://fair-chem.github.io/"
[tool.hatch.version]
source = "vcs"
[tool.hatch.version.raw-options]
root = "../../"
git_describe_command = 'git describe --tags --match fairchem_core-*'
[tool.hatch.build]
directory = "../../dist-core"
[tool.hatch.build.targets.sdist]
only-include = ["src/fairchem/core", "src/fairchem/experimental"]
[tool.hatch.build.targets.wheel]
sources = ["src"]
only-include = ["src/fairchem/core", "src/fairchem/experimental"]
[tool.hatch.metadata.hooks.fancy-pypi-readme]
content-type = "text/markdown"
fragments = [
{ path = "src/fairchem/core/README.md" },
{ path = "src/fairchem/core/LICENSE.md" },
]
[tool.pytest.ini_options]
minversion = "6.0"
addopts = "-p no:warnings -x --quiet -rxXs --color yes"
filterwarnings = [
'ignore::UserWarning',
'ignore::FutureWarning',
'ignore::RuntimeWarning'
]
testpaths = ["tests"]
[tool.coverage.run]
source = ["fairchem.core"]
[tool.hatch.metadata]
allow-direct-references = true
```