Metatensor：为原子级机器学习打造的自描述稀疏张量数据格式

Metatensor是开源的稀疏张量数据格式，专为原子级机器学习设计。它通过自描述的数据结构、原生稀疏支持和灵活元数据系统，解决传统张量库在描述原子系统时面临的维度语义不清、数据交换困难等问题，助力原子系统的高效建模与跨团队协作。

原子级机器学习中，原子系统具有天然稀疏性（仅邻近原子相互作用）和复杂语义结构（原子属性多且需变换组合）。传统张量库（如NumPy/PyTorch）维度为匿名整数，缺乏物理语义描述，依赖外部文档约定，易引发错误和协作混乱。

1. 自描述结构：张量携带完整元数据，维度为具物理意义的命名实体（如atoms、neighbors），无需外部文档即可理解结构；2. 原生稀疏支持：采用COO/CSR等稀疏存储格式，降低内存占用并提升运算效率；3. 灵活元数据系统：支持任意键值对元数据，运算时自动检查维度兼容性，确保语义一致。

• 多语言与性能：C++核心保证高性能，提供Python绑定；支持与PyTorch等框架无缝转换，保留元数据；- 模拟软件互操作：可从ASE、LAMMPS、VASP等导入数据，保留化学元素、周期性边界等元数据；- ML框架整合：兼容PyTorch Geometric等图神经网络框架，支持自定义自动求导函数。

• 等变神经网络：通过元数据标注变换性质，自动验证操作合法性；- 多尺度材料建模：元数据提供跨尺度统一描述，支持自适应处理；- 可复现性研究：元数据记录生成历史，助力数据溯源与协作。

1. 扩展与JAX、TensorFlow等框架的互操作性；2. 引入分布式计算支持（基于Ray/Dask）处理百万原子系统；3. 开发领域特定语言（DSL）简化复杂模型开发。

Metatensor推动科学计算数据结构向领域特定语义化模型演进，提升代码与科学思维的契合度，降低复杂模型开发门槛。随着生态完善，有望成为原子级机器学习的数据标准，促进领域开放协作与可持续研究实践。