OMat24 ist eine Reihe von Modell-Checkpoints, die vom FAIR Chemistry-Team von Meta veröffentlicht wurden und sich in verschiedenen Modellgrößen und Trainingsstrategien unterscheiden. Diese Modelle verwenden die EquiformerV2-Architektur und sollen die Forschung im Bereich der Materialwissenschaften vorantreiben, indem sie die Vorhersage von Materialeigenschaften durch Machine-Learning-Modelle ermöglichen und so die Entdeckung und Entwicklung neuer Materialien beschleunigen. Die Modelle wurden auf öffentlich zugänglichen Datensätzen vortrainiert und stehen in verschiedenen Größen zur Verfügung, um unterschiedlichen Forschungsanforderungen gerecht zu werden.