Example for Si active learning (Bigmodel and Direct)

本案例为硅体系的主动学习过程，采用了大模型（eqv2）和direct采样。在 PWact/examples/ 下准备了多种组合设置，每种组合的信息请参考PWact/examples/README.md。这里以[PWact/examples/si_pwmatgaussion_bigmodel_direct] 为例介绍 大模型和 direct 方法的参数设置、脚本设置。 对于 INIT_BULK 构造初始训练集，以examples/si_pwmatgaussion_bigmodel_direct/init_bulk_bigmodel为例：

• step1. 用 PWmat (gaussion 基组) 做relax；
• step2. 对结构调用大模型（seventnet）做分子动力学；
• step3. 对分子动力学得到的轨迹做 direct 采样，去掉轨迹中相似的结构，筛选出的结构用于后续主动学习

请注意，本目录中使用的是 gaussian 基组的 PWmat，仅用于快速测试，例子生成的数据不具有可靠性。

INIT_BULK

启动命令

进入 examples/si_pwmatgaussion_bigmodel_direct/init_bulk_bigmodel 目录 ，这里提供了在 mcloud 上的执行脚本，也可以通过如下命令执行。

pwact init_bulk init_param.json resource.json

INIT_BULK 目录结构

INIT_BULK 目录与 si_pwmat 案例 相似，只是多了一项 bigmodel 目录，如下所示。

.
├── datapath.txt
├── init_config_0/
├── init_config_1/
└── bigmodel/
    ├── 0-bigmodel.job
    ├── 0-tag.bigmodel.success
    ├── 1-bigmodel.job
    ├── 1-tag.bigmodel.success
    ├── ...
    ├── direct/
    │   ├── 0-direct.job
    │   ├── 0-tag.direct.success
    │   ├── candidate.json
    │   ├── candidate.xyz
    │   ├── Cov_score.png
    │   ├── direct.py
    │   ├── PCA_direct.png
    │   ├── PCA_variance.png
    │   ├── PWdata
    │   ├── select_idx.dat
    │   ├── select.xyz
    │   └── tag.direct.success
    ├── init_config_0/
    │   ├── 0.95_scale/
    │   │   ├── 3_bigmodel/
    │   │   │   ├── npt.log
    │   │   │   ├── POSCAR
    │   │   │   ├── sevennet_md.py
    │   │   │   ├── tag.bigmodel.success
    │   │   │   ├── tmp.traj
    │   │   │   └── traj.xyz
    │   │   ├── 4_bigmodel/
    │   │   └── 5_bigmodel/
    │   ├── 0.9_scale/
    │   └── 1.0_scale/
    └── init_config_*/

• *-bigmodel.job 和 *-tag.bigmodel.success 为 大模型运行 MD 的slurm脚本和执行成功的 tag 标记文件
• init_config_0、init_config_1、... 目录为执行大模型 MD 的工作目录
• direct 目录为执行 direct 方法筛选结构的工作目录

接入 大模型 MD

对于大模型 MD，提供了用户自定义接口，要求用户配置大模型的运行环境，可参考例子中使用的sevennet_md.py。

如目录 bigmodel/init_config_0/0.95_scale/3_bigmodel/ 所示，在 init_bulk 运行过程中，pwact 检查到存在 bigmodel 设置时，会把对应结构按照类似bigmodel/init_config_0/0.95_scale/3_bigmodel/目录所示生成，包括一个 VASP/POSCAR 格式的POSCAR文件，拷贝用户提供的运行 MD 脚本的接口文件到该目录，如sevennet_md.py文件，根据用户在 resource.json 中设置的 explore，自动生成slurm 脚本，提交运行。

用户需要在脚本中读取 POSCAR 文件后运行 MD，将生成的轨迹转换为 extxyz格式的文件，文件名称固定为 traj.xyz。之后，pwact 将检测该文件，用于后续处理。

接入 direct 采样

对于 direct 采样，提供了用户自定义接口，要求用户direct 方法的运行环境，可参考例子中使用的direct.py。

如目录 bigmodel/direct/ 所示，在 大模型MD 运行结束后，会生成多条轨迹文件，pwact 会自动探测轨迹文件，将文件合并为 一个 名为 candidate.xyz的文件，放到目录bigmodel/direct 下。拷贝用户在 direct_input 提供的运行 direct 脚本的接口文件到该目录，如 direct.py 文件，根据用户在 resource.json 中设置的 direct，自动生成 slurm 脚本，提交运行。

用户需要在脚本中读取 candidate.xyz 文件，之后需要生成 select_idx.dat 和 select.xyz 两个文件，其中 select_idx.dat 保存筛选出的结构在 candidate.xyz 中对应的下标，select.xyz 保存筛选出的结构。pwact 会自动读取这两个文件用于后续的执行。

主动学习

我们使用 INIT_BULK 案例中的预训练数据和微扰后的结构，在 500K、800K 和 1100K 下做主动学习。

启动命令： 执行完毕 init_bulk 命令之后，进入 examples/si_pwmatgaussion_bigmodel_direct/run_iter_direct_bigmodel 目录：

pwact run param.json resource.json

主动学习文件目录

主动学习的目录结构与 si_pwmat 例子中相似。

train 目录

train 目录 与 si_pwmat 例子 相同

explore 目录

explore目录除了md和select子目录外，新增加了一个名为bigmodel的子目录，子目录内容与 init_bulk direct 中相同。

md和select子目录与 si_pwmat 例子 相同

label 目录

如果设置了使用大模型做标注bigmodel_script，则在 label 目录下新增一个bigmodel子目录。该子目录结构如下所示：

bigmodel/
├── 0-bigmodel.job
├── eqv2_label.py
├── select.xyz
└── train.xyz

• eqv2_label.py 为 用户设置的 bigmodel_script 脚本文件，pwact 运行时会将改文件拷贝到 bigmodel目录下
• select.xyz为 大模型标注的输入结构文件，格式为 extxyz
• train.xyz 为 大模型标注后的输出结构文件，格式为 extxyz，相比于 select.xyz，结构顺序相同，但是多了 能量和力的信息
• 0-bigmodel.job 为 pwact 根据用户在 resource.json 中的 DFT 设置，生成的 slurm 脚本

接入 大模型 标记

对于 大模型 标记，提供了用户自定义接口，要求用户提供 大模型 的运行环境，可参考例子中使用的eqv2_label.py。

如目录 bigmodel/ 所示，在 explore 步骤，经过多模型偏差筛选（或继续使用direct 筛选）后，pwact 会自动探测筛选出的结构，将文件合并为 一个 名为 select.xyz的文件，放到目录bigmodel/ 下。拷贝用户在 bigmodel_script 提供的运行 bigmodel 脚本的接口文件到该目录，如 eqv2_label.py 文件，根据用户在 resource.json 中设置的 DFT，自动生成 slurm 脚本，提交运行。

用户需要在脚本中读取 select.xyz 文件，之后需要生成 train.xyz 文件，train.xyz 相比于 select.xyz 多了能量和力信息。pwact 会自动读取这该文件用于后续的执行。

result

result 为标记结束后的带标签数据集汇总，如果设置 data_format 为 extxyz 格式，将提取为 train.xyz 文件。如果为 pwmlff/npy 格式，则为 PWdata 目录，目录下是具体数据。