我们推荐使用conda虚拟环境来管理依赖包，你可以通过安装Miniforge使用conda。
创建一个新的conda虚拟环境，并激活环境：
conda create -n ppmat python=3.10
conda activate ppmat
目前我们在python 3.10环境下进行开发，因此建议使用python 3.10或者更高的版本。
根据你的cuda版本安装对应版本的PaddlePaddle，具体安装命令可参考PaddlePaddle官网。我们推荐安装PaddlePaddle >= 3.1或者develop版本。
例如，对于cuda12.6环境，安装paddlepaddle-gpu版本：
python -m pip install paddlepaddle-gpu==3.1.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/
安装完毕之后，运行以下命令，验证 Paddle 是否安装成功。
python -c "import paddle; paddle.utils.run_check()"
如果出现 PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now. 信息，说明已成功安装。
# clone PaddleMaterials
git clone https://github.com/PaddlePaddle/PaddleMaterials.git
# 切换到PaddleMaterials目录
cd PaddleMaterials
# 安装依赖
pip install --upgrade pip setuptools==68.2.2 wheel
pip install setuptools_scm
pip install Cython
# 手动安装第三方依赖paddle_scatter
git clone https://github.com/PFCCLab/paddle_scatter.git
cd paddle_scatter
pip install -v . --no-build-isolation
cd ..
# 以可编辑模式安装PaddleMaterials
pip install -e . --no-build-isolation -i https://pypi.tuna.tsinghua.edu.cn/simple
使用 MegNet 模型预测材料属性：
python property_prediction/predict.py --model_name='megnet_mp2018_train_60k_e_form' --weights_name='best.pdparams' --cif_file_path='./property_prediction/example_data/cifs/'
使用 MatterSim 模型预测能量和力：
python interatomic_potentials/predict.py --model_name='mattersim_1M' --weights_name='mattersim-v1.0.0-1M_model.pdparams' --cif_file_path='./interatomic_potentials/example_data/cifs/'
更多的使用说明可以参考Get Started。