用Orb V3机器学习力场进行几何优化

摘要：Orb V3 是一种基于神经网络势（Neural Network Potential, NNP）的分子力场模型。该模型基于 OMol25 数据集进行训练，其参考数据来源于 ωB97M-V/DEF2-TZVPD 理论水平下的高精度量子化学计算结果，涵盖广泛的分子构型与化学环境，具备良好的泛化能力。本文演示了 Orb V3 力场在小分子几何优化任务中的应用性能，并提供了完整的计算流程、可复现的代码实现及典型算例，以支持其在实际研究中的部署与验证。进一步地，通过扭转角分析（torsion profile ）测试，评估了不同计算策略在能量预测精度与计算效率之间的权衡。结果表明，采用 Orb V3 进行几何优化、随后在高精度 DFT 水平（BP86-D3BJ/DEF2-TZVP）进行单点能量校正的“DFT//Orb-V3”策略，能够在显著降低整体计算成本的同时，实现与全 DFT 方法高度一致的能量趋势与相对能垒预测。该方法在保持高精度的前提下展现出优异的计算效率，是一种兼具准确性与实用性的高效计算范式。

Optimization using Orb-v3 force field model

简介

Orb V3 是由 Orbital Materials 的 Kareem Abdelmaqsoud 及其同事于 2025 年提出的一种神经网络势（NNP）方法，该方法基于 OMol25 数据集在 ωB97M-V/DEF2-TZVPD 理论水平计算的数据进行训练^1,2,3。与专为无机晶体设计的 Orb ¹不同，Orb V3² 是专为分子体系构建的模型，能够拓展应用于生物学体系，精确模拟金属配合物、生物分子和电解质。此外，Orb V3 还支持对总电荷和自旋多重度进行条件设定，这一关键特性对于许多新型材料与分子的设计具有重要意义。

软件安装

首先安装Orb V3：

# 创建虚拟环境
cd /public/gkxiao/software
python3 -m venv my-orbmol
 
#激活虚拟环境
source my-orbmol/bin/activate
 
#安装Orb V3
pip install orb-models -i https://pypi.tuna.tsinghua.edu.cn/simple
 
#安装cuda支持
pip install --extra-index-url=https://pypi.nvidia.com "cuml-cu12==25.2.*"

算例

图1. 算例分子是BTK共晶结构PDB 4ZLZ的配体。将其两面角2-3-4-12从生物活性构象-73.8°旋转为-139.1°。

算例分子是BTK共晶结构PDB 4ZLZ的配体，如图1所示。将其两面角2-3-4-12从生物活性构象-73.8°旋转为-139.1°，作为起始构象（lig_twisted.xyz），可从github仓库⁴获得：

lig_twisted.xyz：两面角2-3-4-12 = -139.1°
lig_xtal.xyz：两面角2-3-4-12 = -73.8°

常规几何优化

常规几何优化不对两面角约束：

python opt.py --input_file \
lig_twisted.xyz \
--output_file opt.xyz \
--charge 0 \
--spin 1

冻结两面角进行几何优化

使用原子索引号（原子序号从1开始）定义两面角，冻结该两面角进行几何优化：

python opt.py --input_file opt.xyz \
--output_file opt_frozen.xyz \
--charge 0 \
--spin 1 \
--dihedral_indices 2 3 4 12

将两面角约束为指定角度进行几何优化

如果起始结构指定的两面角角度不是你需要的，而是冻结在指定的角度进行几何优化，比如-90°：

python opt.py --input_file lig_twisted.xyz \
--output_file opt_-90.xyz \
--charge 0 \
--spin 1 \
--dihedral_indices 2 3 4 12 \
--dihedral_angle -90

注意：目前脚本只支持对1个两面角进行约束，如果需要对多个两面角约束，需要将这些两面角写成一个list,你需要修改代码。

测试Orb V3：用于扭转角分析

为评估 Orb V3 方法在几何优化与能量计算方面的性能表现，本文开展了一项扭转角扫描分析（torsion profile）计算。其中一个考察的分子结构（Model-1）如图2右上角所示，其扭转二面角由四个高亮原子定义。

图2. 模型分子Model-1的不同扭转角分析方法的结果比较

在四种不同的理论级别上进行了几何优化与单点能计算：

Orb V3: 在 Orb V3 理论水平上完成几何优化，并在同一级别进行能量计算；
DFT//Orb V3：采用 Orb V3 进行几何优化，随后在 BP86-D3BJ/DEF2-TZVP 理论水平上执行单点能量计算；
DFT//xTB-GFN2：采用 xTB-GFN2 进行几何优化，随后在 BP86-D3BJ/DEF2-TZVP 理论水平上执行单点能量计算；
DFT：在 BP86-D3BJ/DEF2-TZVP 理论水平上同时完成几何优化与能量计算。

如图2所示，采用 DFT//xTB-GFN2（橘色曲线）以及DFT//Orb-V3 方法（绿色曲线）所获得的扭转角分析曲线与完全基于 DFT 水平（深蓝色曲线）的结果高度一致，三者在整体趋势及相对能量差值方面几乎完全重合。但DFT//xTB-GFN2曲线比DFT//Orb V3曲线又更加靠近完全基于DFT水平的曲线。以DFT方法为参比，计算DFT//Orb-V3与DFT//xTB-GFN2两个方法与参比方法的在各个两面角度上相对能量的差值（取绝对值），进行Wilcoxon检验，结果表明两者在接近完全基于DFT水平方法的程度上有显著差异，W=8.0、p=3.290e-07。以完全DFT方法相比，DFT//xTB-GFN2方法的MAE=0.1156，而DFT//Orb-V3方法的MAE=0.2764，因此DFT//xTB-GFN2方法比DFT//Orb V3方法更接近完全基于DFT的方法。相比之下，仅使用 Orb V3 进行全流程计算（浅蓝色曲线）所得的扭转角分析曲线则表现出显著偏差，尤其在能垒位置和局部极小值分布上存在明显差异。

上述结果表明，在该体系中，Orb V3 能够提供与高精度 DFT 方法相当的几何结构，具备良好的构型描述能力；然而，其能量预测能力与传统密度泛函理论（DFT）存在显著偏差。因此，若仅依赖 Orb V3 进行能量计算，其结果的可靠性值得谨慎评估。值得注意的是，将 Orb V3 用于几何优化、而以高精度 DFT 方法进行后续能量校正（即 DFT//Orb-V3 模型），可在大幅降低计算成本的同时，有效保持能量精度，是一种兼具效率与准确性的可靠计算策略。

代码与数据获取

代码与数据可从github仓库⁴获得：https://github.com/gkxiao/orb-script

文献

Mark Neumann, James Gin, Benjamin Rhodes, Steven Bennett, Zhiyi Li, Hitarth Choubisa, Arthur Hussey, Jonathan Godwin. Orb: A Fast, Scalable Neural Network Potential. 2024. arXiv:2410.22570. https://arxiv.org/abs/2410.22570
Benjamin Rhodes, Sander Vandenhaute, Vaidotas Šimkus, James Gin, Jonathan Godwin, Tim Duignan, Mark Neumann. Orb-v3: atomistic simulation at scale. 2025. arXiv:2504.06231. https://arxiv.org/abs/2504.06231
https://huggingface.co/Orbital-Materials/OrbMol
Opt.py. Optimize molecular geometry with optional dihedral angle constraint using ORB v3 force field. Available at: https://github.com/gkxiao/orb-script
Smith, C. R.; Dougan, D. R.; Komandla, M.; Kanouni, T.; Knight, B.; Lawson, J. D.; Sabat, M.; Taylor, E. R.; Vu, P.; Wyrick, C. Fragment-Based Discovery of a Small Molecule Inhibitor of Bruton’S Tyrosine Kinase. J. Med. Chem. 2015, 58 (14), 5437–5444.