Pymatgen v2025.4.16 版本发布:重大API变更与性能优化
Pymatgen(Python Materials Genomics)是一个功能强大的开源Python库,专门为材料科学研究而设计。它提供了丰富的工具来处理晶体结构、电子结构计算以及材料数据,是材料科学领域研究人员的重要工具。本次发布的v2025.4.16版本带来了几项重要更新,包括重大API变更和性能优化。
重大变更:MPRester API重构
本次版本最显著的变更是移除了对Legacy MP API的支持,并实现了与mp-api几乎完全一致的功能特性。这一变更意味着:
-
API统一性:Pymatgen的MPRester现在完全遵循Materials Project官方REST API文档规范,开发者可以直接参考官方文档(api.materialsproject.org/docs)中的字段名称进行查询,无需再记忆两种不同的API规范。
-
功能完整性:新版MPRester实现了近100%的文档搜索功能,覆盖了材料项目数据库中的绝大多数查询需求。
-
简化架构:移除对mp-api的后端支持简化了代码库结构,减少了维护负担,同时也降低了用户的学习曲线。
对于现有用户,这一变更意味着需要更新代码以适应新的API规范,但从长远来看,这种统一将大大提高开发效率和代码的可维护性。
性能优化:Vasprun解析加速
在材料计算领域,VASP(Vienna Ab-initio Simulation Package)是最常用的第一性原理计算软件之一。Pymatgen提供了强大的VASP输出文件解析功能,特别是对vasprun.xml文件的解析。
本次版本中,对Vasprun类的解析性能进行了显著优化。这一改进将特别有利于以下场景:
- 处理大型计算任务输出
- 批量处理多个VASP计算结果
- 自动化工作流中频繁调用解析功能
对于从事高通量计算材料筛选的研究人员,这一性能提升将直接转化为工作效率的提高。
代码质量改进
除了上述重大变更和性能优化外,本次发布还包含了几项代码质量改进:
-
周期性表数据清理:移除了
core.periodic_table.json中的重复iupac_ordering条目,确保了数据的一致性和准确性。 -
废弃功能移除:彻底移除了已弃用的晶界分析功能,简化了代码库并减少了潜在的技术债务。
-
循环导入修复:解决了
SymmOp类的循环导入问题,提高了代码的健壮性和可维护性。
升级建议
对于现有用户,升级到v2025.4.16版本时需要注意以下几点:
-
如果项目中使用到了Legacy MP API,需要进行相应的代码迁移,转向使用新的MPRester API规范。
-
对于依赖VASP解析功能的工作流,可以预期性能提升,但建议在升级后进行全面测试以确保兼容性。
-
如果项目中使用了已移除的晶界分析功能,需要寻找替代方案或自行实现相应功能。
总的来说,v2025.4.16版本代表了Pymatgen向更简洁、更高效方向迈出的重要一步,虽然包含了一些破坏性变更,但这些改进将为项目的长期健康发展奠定坚实基础,同时也为用户带来更好的使用体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00