Python inference

我们提供了两种 python inference 方式，一种是直接对结构做预测，使用infer命令，如 章节-预测结构 所示，第二种是对大量的 pwmlff/npy、vasp/outcar、pwmat/movement 格式或者它们的混合格式做预测，对于这类需求，我们提供了使用 json 配置文件的方式，使用 test 命令，如 章节-混合数据预测 所示。

预测结构

本章节介绍如何使用训练好的模型对原子结构进行性质预测。训练好的模型可以用来预测原子结构的性质，如系统的能量、力和应力等。 在模型训练完成后，我们可以得到模型文件，即 .ckpt 文件。 然后我们可以执行以下命令来预测新的原子结构的性质：

PWMLFF infer dp_model.ckpt atom.config pwmat/config

其中 dp_model.ckpt 是模型文件，atom.config 是原子结构文件，pwmat/config 是原子结构文件的格式。

这里也支持 pwmat/movement、vasp/poscar、vasp/outcar 以及 lammps/lmp、lammps/dump 格式，对于lammps/dump需要用户指明文件中的元素类型，例如

PWMLFF infer dp_model.ckpt lmps.dump lammps/dump Hf O

命令执行结束后，将会在命令行直接输出该结构的预测总能、每个原子能量、力以及维里。

混合数据预测

本部分介绍如何使用训练好的 DP 模型对大量的 pwmlff/npy、vasp/outcar、pwmat/movement 格式或者它们的混合格式做预测。

用户需要准备如下例子所示的 json 文件，之后使用 PWMLFF test jsonfile 命令即可。

{
    "model_type": "DP",
    "atom_type": [28, 44, 45, 46, 77],
    "model_load_file":"dp_model.ckpt",
    "format": "pwmat/movement",
    "raw_files":[
        "movement_0",
        "movement_1"
    ],
    "datasets_path":[
        "PWdata/mvm_files_11",
        "PWdata/mvm_files_12/train",
        "PWdata/mvm_files_13/valid"
    ]
}

model_load_file 为 训练好的 dp模型 所在路径;

format 为 raw_files 中的结构文件格式;

用户也可以直接在 datasets_path 中使用 pwmlff/npy 格式的文件所在目录。

例如对于如下的pwmlff/npy文件结构，如果用户设置 "datasets_path":['pathA']，那么train和valid所在目录下的所有结构都会用于推理；如果用户设置 "datasets_path":['pathA/valid']，那么只使用pathA/valid下的结构做推理。

您也可以混合使用 raw_files、datasets_path。

pathA
    ├──train
    │   └──ei.npy,forces.npy,...
    └──valid
        └──ei.npy,forces.npy,...

命令执行结束后，会在当前目录新建一个名称为 test_result 的目录，保存推理结果，包含如下文件。

test_result
    ├──inference_summary.txt
    ├──image_atom_nums.txt
    ├──dft_total_energy.txt
    ├──dft_atomic_energy.txt
    ├──dft_force.txt
    ├──dft_virial.txt
    ├──inference_total_energy.txt
    ├──inference_atomic_energy.txt
    ├──inference_force.txt
    ├──inference_virial.txt
    └──inference_loss.csv

inference_summary.txt 保存推理信息汇总，内容如下例所示

For 200 images: 
Average RMSE of Etot: 0.34629015882102976 
Average RMSE of Etot per atom: 0.0036071891543857267 
Average RMSE of Ei: 1.3401666387065987 
Average RMSE of RMSE_F: 0.03597006701703569 

More details can be found under the file directory:
/the/path/test_result

image_atom_nums.txt 顺序存储每个结构对应的原子数。

dft_total_energy.txt 顺序存储每个结构的能量标签。

dft_atomic_energy.txt 顺序存储每个结构中，每个原子的能量标签（该标签为PWmat 独有），每个结构存储为一行。

dft_force.txt 顺序存储每个结构中，每个原子的力标签，每行存储该原子的x、y、z三个方向分力。

inference_total_energy.txt 顺序存储每个结构的能量推理结果。

inference_atomic_energy.txt 顺序存储每个结构中，每个原子的能量推理结果，每个结构存储为一行。

inference_force.txt 顺序存储每个结构中，每个原子的力推理结果，每行存储该原子的x、y、z三个方向分力。

inference_loss.csv 保存了每个结构的推理结果与标签之间的RMSE值，每列从左到右对应的值为 img_idx 代表结构顺序， RMSE_Etot、RMSE_Etot_per_atom、RMSE_Ei、RMSE_F 分别代表总量、每个原子能量、力对应的RMSE。