摘要：近年來,材料數據進入了爆發式增長階段,而實驗和模擬方法來處理和分析材料數據工程量巨大并且十分耗時,如何用新方法從大量的數據中發現知識是未來材料研發的主要探索方向。新世紀以來,出現了將機器學習方法應用于材料科學領域研究的新課題。高效準確地得到結構能量是許多材料研究工作的基礎,我們主要關注將機器學習方法與結構能量計算相結合這一方向。本文調研了目前已有的基于機器學習的結構勢能擬合開源軟件,分析它們的特點與優劣,并針對實際需求通過深度學習框架PyTorch對軟件進行優化,增強機器學習模型的擬合能力。PyTorch可以利用GPU資源對數據進行快速學習,靈活地利用多種優化算法對不同體系的結構搭建合適的模型,并將模型保存以供后續研究。我們在人工智能計算及數據應用服務平臺上對軟件進行測試與優化,解決了一些在測試中發現的問題,對不同的體系結構的結構勢能擬合效果進行了分析,提升軟件對不同體系的結構勢能擬合能力。