必须手动编辑YAML配置文件启用多模型：添加multi_model_enabled: true，按格式定义各模型路径、类型与权重（总和为1.0），配置ensemble_strategy和fallback_policy，最后用--validate-config和--list-models验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Atoms中同时调用多个机器学习势函数（如MACE、CHGNet、ORB）进行集成预测或交叉验证，必须手动编辑配置文件以绕过默认单模型限制。该操作不依赖图形界面，所有修改均发生在YAML格式的配置文件中，且任意一步误改缩进或字段名将导致Atoms直接报错退出。
定位并备份原始配置文件
进入Atoms安装路径下的atoms/config/目录，找到名为model_config.yml的文件。使用命令cp model_config.yml model_config.yml.bak立即备份——【未备份直接编辑将丢失原始模型参数】。
这一步操作起来很简单，直接把文件拖进去就行。
启用多模型加载开关
用文本编辑器打开model_config.yml，在文件最顶部添加新字段：
multi_model_enabled: true
注意：该字段必须顶格书写，前面不能有任何空格或注释；若已存在同名字段但值为false，则将其改为true即可。
定义各模型加载路径与优先级
找到models:字段所在段落，在其下方按顺序列出全部待调用模型：
方法一：显式声明路径与类型
- name: mace-1.0
type: mace
path: /home/user/models/mace_medium.model
weight: 0.4
- name: chgnet-2024
type: chgnet
path: /home/user/models/CHGNet_v2024.06.12.pth
weight: 0.35
- name: orb-v3
type: orb
path: /home/user/models/orb_v3.onnx
weight: 0.25
权重总和必须严格等于1.0，否则Atoms在启动时会拒绝加载并抛出WeightSumError异常。
方法二：复用已有环境变量（仅限高级用户）
- name: sevennet-prod
type: sevennet
path: ${SEVENNET_MODEL_PATH}
weight: 0.3
此时需确保系统环境中已执行export SEVENNET_MODEL_PATH="/opt/models/sevennet_prod.pt"，否则加载失败且无明确报错提示。
配置模型间协同行为
在models:列表末尾新增以下区块：
ensemble_strategy: weighted_average
fallback_policy: use_highest_confidence
energy_threshold_eV: 0.05
其中energy_threshold_eV表示当任一模型预测的能量与加权平均值偏差超过0.05 eV时，自动触发fallback机制——【该阈值低于0.03会导致频繁切换，高于0.08则失去异常检测意义】。
验证配置有效性
第一步：执行atoms --validate-config model_config.yml
第二步：若返回✓ Config valid，继续运行atoms --list-models
第三步：确认输出中同时列出mace-1.0、chgnet-2024、orb-v3三项
