主要观点：Radical AI 发布了原生在 PyTorch 中构建的下一代原子模拟引擎 TorchSim，旨在 MLIP 时代加速分子模拟，比传统框架快数倍，是材料科学的重大技术转变。
关键信息：

• 开源，支持现代材料工作流及多种机器学习模型。
• 包含多种交互势和积分方案，有自动批处理和 GPU 内存管理功能。
• 速度提升显著，内部基准显示与 ASE 搭配可提速 100 倍，单 H100 GPU 可同时模拟数千原子。
• 架构基于全 PyTorch 实现，能与机器学习生态系统无缝集成。
• 早期测试者称赞其 API 清晰灵活，支持与现有工具集成，有新二进制轨迹格式。
  重要细节：
• 可从 GitHub 了解项目，支持 Python 3.11+，遵循 MIT 许可证。
• 有相关图片展示性能提升，如来源为 TorchSim Github 仓库的 Benchmark 图片。
• 引用了 Kohei Shinohara 和 Orion Archer Cohen 对 TorchSim 的评价。