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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00