DP 操作演示
这里，我们以 MatPL [源码根目录/example/HfO2/dp_demo] 为例（HfO2 训练集来源），演示 DP 模型的训练、测试、lammps模拟以及其他功能。案例目录结构如下所示。
HfO2/
├── atom.config
├── pwdata/
└── dp_demo/
├── dp_test.json
├── dp_train.json
├── train.job
└── dp_lmps/
├── in.lammps
├── lmp.config
├── jit_dp.pt
├── runcpu.job
└── rungpu.job
- pwdata 目录为训练数据目录
- dp_train.json 是训练 DP 力场输入参数文件
- dp_train.json 是测试 DP 力场输入参数文件
- train.job 是slurm 提交训练任务例子
- dp_lmps 目录下 为 DP 力场的 lammps md例子
- 力场文件 jit_dp.pt
- 初始结构 lmp.config
- 控制文件 in.lammps
- runcpu.job 和 rungpu.job 是 slurm 脚本例子
train 训练
在 dp_demo 目录下使用如下命令即可开始训练：
MatPL train dp_train.json
# 或修改环境变量之后通过slurm 提交训练任务 sbatch train.job
输入文件解释
dp_train.json 中的内容如下所示，关于 DP 的参数解释，请参考 DP 参数手册：
{
"model_type": "DP",
"atom_type": [
8, 72
],
"format": "pwmlff/npy",
"train_data": [
"../pwdata/init_000_50/", "../pwdata/init_002_50/",
"../pwdata/init_004_50/", "../pwdata/init_006_50/",
"../pwdata/init_008_50/", "../pwdata/init_010_50/",
"../pwdata/init_012_50/", "../pwdata/init_014_50/",
"../pwdata/init_016_50/", "../pwdata/init_018_50/",
"../pwdata/init_020_20/", "../pwdata/init_022_20/",
"../pwdata/init_024_20/", "../pwdata/init_026_20/",
"../pwdata/init_001_50/", "../pwdata/init_003_50/",
"../pwdata/init_005_50/", "../pwdata/init_007_50/",
"../pwdata/init_009_50/", "../pwdata/init_011_50/",
"../pwdata/init_013_50/", "../pwdata/init_015_30/",
"../pwdata/init_017_50/", "../pwdata/init_019_50/",
"../pwdata/init_021_20/", "../pwdata/init_023_20/",
"../pwdata/init_025_20/", "../pwdata/init_027_20/"
],
"valid_data":[
"../pwdata/init_000_50/", "../pwdata/init_004_50/",
"../pwdata/init_008_50/"
]
}
训练结束后的力场文件目录请参考 model_record 详解
test 测试
MatPL test dp_test.json
test.json 中的内容如下所示，参数解释请参考 参数手册
{
"model_type": "DP",
"format": "pwmlff/npy",
"model_load_file": "./model_record/dp_model.ckpt",
"test_data": [
"../init_000_50", "../init_004_50", "../init_008_50",
"../init_012_50", "../init_016_50", "../init_020_20",
"../init_024_20", "../init_001_50", "../init_005_50",
"../init_009_50", "../init_013_50", "../init_017_50",
"../init_021_20", "../init_025_20", "../init_002_50",
"../init_006_50", "../init_010_50", "../init_014_50",
"../init_018_50", "../init_022_20", "../init_026_20",
"../init_003_50", "../init_007_50", "../init_011_50",
"../init_015_30", "../init_019_50", "../init_023_20",
"../init_027_20"
]
}
测试结束后的力场文件目录请参考 test_result 详解
infer 推理单结构
MatPL infer dp_model.ckpt atom.config pwmat/config
MatPL infer dp_model.ckpt 0.lammpstrj lammps/dump Hf O
# Hf O 为 lammps/dump格式的结构中的元素名称，Hf为结构中1号元素类型，O为元素中2号元素类型
推理成功后，将在窗口输出推理的总能、每原子能量、每原子受力和维里
compress 模型压缩
对于一个训练后 DP 力场做模型压缩，完整的模型压缩指令如下：
MatPL compress dp_model.ckpt -d 0.01 -o 3 -s cmp_dp_model
- compress 是压缩命令
- dp_model.ckpt为待压缩模型文件名称，为必须要提供的参数
- -d 为S_ij 的网格划分大小，默认值为0.01
- -o 为模型压缩阶数，3为三阶模型压缩，5为五阶模型压缩，默认值为3
- -s 为压缩后的模型名称，默认名称为“cmp_dp_model”
压缩后，将在当前目录得到一个名称为cmp_dp_model.ckpt的力场文件。
script 转 MD 力场
本命令用于将 dp_model.ckpt 文件转换为 lammps中可识别的 libtorch 格式。
MatPL script dp_model.ckpt
# 或转换经过模型压缩后的力场
MatPL script cmp_dp_model.ckpt
转换后将在当前目录下生成一个 jit_dp.pt文件，改文件可用于后续的 lammps md。
lammps MD
step1. 准备力场文件
将训练完成后生成的dp_model.ckpt力场文件用于 lammps 模拟，您需要
提取力场文件，您只需要输入如下命令
MatPL script dp_model.ckpt
转换成功之后，将得到一个力场文件jit_dp.pt。
step2. 准备输入控制文件
您需要在lammps的输入控制文件中设置如下力场，这里以HfO2为例（HfO2/dp_demo/dp_lmps
pair_style matpl jit_dp.pt
pair_coeff * * 8 72
其中：
-
pair_style 设置力场文件路径，这里
matpl未固定格式，代表使用MatPL中力场，jit_dp.pt为力场文件路径这里也支持多模型的偏差值输出，该功能一般用于主动学习采用中。您可以指定多个模型，在模拟中将使用第1个模型做MD，其他模型参与偏差值计算，例如例子中所示，此时pair_style设置为如下:
pair_style matpl 0_jit_dp.pt 1_jit_dp.pt 2_jit_dp.pt 3_jit_dp.pt out_freq ${DUMP_FREQ} out_file model_devi.out
pair_coeff * * 8 72 -
pair_coeff 指定待模拟结构中的原子类型对应的原子序号。例如，如果您的结构中
1为O元素，2为Hf元素，设置pair_coeff * * 8 72即可。
step3 启动lammps模拟
# 加载 lammps 环境变量env.sh 文件，正确安装后，该文件位于 lammps 源码根目录下
source /the/path/of/lammps/env.sh
# 执行lammps命令
mpirun -np N lmp_mpi -in in.lammps
这里 N 为md中的使用的 CPU 核数，如果您的设备中存在可用的GPU资源（例如 M 张GPU卡）,则在运行中，N个lammps线程将平均分配到这M张卡上。我们建议您使用的 CPU 核数与您设置的 GPU 数量相同，多个线程在单个 GPU 上会由于资源竞争导致运行速度降低。
此外，lammps 接口允许跨节点以及跨节点GPU卡并行，只需要指定节点数、GPU卡数即可。