run_iter param.json

run_param.json

训练设置（网络结构、优化器）、探索设置（lammps 设置、选点策略）以及标记设置（VASP/PWmat 自洽计算设置）。参数列表如下所示

reserve_work

是否保留临时工作目录，默认值为 false，每轮次主动学习执行结束之后，自动删除临时工作目录。

reserve_md_traj

是否保留 md 运行轨迹，默认值为 false，每轮次主动学习执行结束之后，自动删除 md 运行轨迹文件。

reserve_scf_files

是否保留自洽计算的所有结果文件，默认值为 false，设置为 false 之后，每轮次主动学习结束之后，对于 PWMAT 自洽计算，只保留 REPORT, etot.input,OUT.MLMD, atom.config 四个文件，对于 VASP 只保留 OUTCAR, POSCAR, INCAR 三个文件。

data_format

用于设置主动学习中初始训练集、采集到的数据集格式，默认为扩展的xyz格式 extxyz。

init_data

初始训练集所在目录，为 list 格式。可以是绝对路径或者相对路径（当前目录）。

valid_data

验证集所在目录，为 list 格式，可以是绝对路径或者相对路径（当前目录）。如不设置，则在主动学习训练模型过程中不输出验证集结果。

init_model_list

用于设置初始探索模型，如果已有MatPL训练的 DP 或者 NEP 力场，并且希望从这些力场开始探索工作，则将力场文件路径写入 init_model_list 即可。

注意，这里要求力场数量要与 strategy/model_num 中一致，模型类型要与 train/model_type 中的模型类型一致。并且模型的训练参数将会自动从力场文件中提取，在 train_input_file 或者 train 字典中设置的模型网络和描述符参数将失效。

use_pre_model

在当前步的探索中，使用上一步训练得到的力场，默认值为 true。

train

模型训练参数，用于指定模型网络结构、优化器。详细的参数设置参考 MatPL 训练参数 。您可以像如下例子中所示，设置训练的全部参数，也可以使用单独的 json 文件，只需要在参数 train_input_file 中指定训练的 json 文件所在路径即可。

train_input_file

可选参数，如果您有单独的 MatPL 输入文件，您可以使用该参数指定文件所在路径。否则您需要设置如下例中所示参数。参数的详细解释您在可以在 MatPL 参数列表中查看。

    "train": {
        "model_type": "DP",
        "atom_type": [
            14
        ],
        "seed": 2023,
        "model": {
            "descriptor": {
                "Rmax": 6.0,
                "Rmin": 0.5,
                "M2": 16,
                "network_size": [25, 25, 25]
            },
            "fitting_net": {
                "network_size": [50, 50, 50, 1]
            }
        },
        "optimizer": {
            "optimizer": "LKF",
            "epochs": 30,
            "batch_size": 4,
            "print_freq": 10,
            "block_size": 5120,
            "kalman_lambda": 0.98,
            "kalman_nue": 0.9987,
            "train_energy": true,
            "train_force": true,
            "train_ei": false,
            "train_virial": false,
            "train_egroup": false,
            "pre_fac_force": 2.0,
            "pre_fac_etot": 1.0,
            "pre_fac_ei": 1.0,
            "pre_fac_virial": 1.0,
            "pre_fac_egroup": 0.1
        }
    }

由于 MatPL 中设置的默认参数已经能够支持大部分的训练需求，因此，您可以简写为如下形式，将采用标准的 DP 模型 使用 LKF 优化器训练。

  "train": {
        "model_type": "DP",
        "atom_type": [14],
        "max_neigh_num": 100
  }   

PWact 同时支持 MatPL 的 DP 和 NEP 力场。

strategy

用于设置主动学习的不确定性度量方法，以及是否采用模型压缩做加速。

uncertainty

用于设置不确定性度量策略，当前支持多模型委员会查询方法 (committee) 。

lmps_tolerance

当lammps 部分轨迹由于各种原因（如力场不准确导致丢失了原子、原子距离太近等）造成 MD 过程为正常执行结束时，是否终止主动学习过程。默认值为 true，即不终止。

lower_model_deiv_f

该参数用于设置偏差的下界，如果偏差值小于该下界，则认为模型对构型的预测准确，不需要标注，默认值为 0.05。

upper_model_deiv_f

该参数用于设置偏差的上界，如果偏差值大于该上界，则该构型本身不符合物理意义，不需要标注，默认值为 0.15。

这里使用的最大偏差值，计算公式如下所示：

$\varepsilon_{t} = max_i(\sqrt{\frac{\sum_{1}^{w} \left \| F_{w,i}(R_t) -\hat{F_{i}} \right \| ^2 }{W}} )$, $\hat{F_{i}} = \frac{ {\textstyle \sum_{1}^{W}F_{w,i}} }{W}$

这里 $W$ 为模型数量，$i$为原子下标。

model_num

该参数用于设置使用 committee 方法作为不确定性度量时使用的模型数量，默认值为4，该值的设置应该 >=3。

max_select

该参数用于设置一轮次主动学习中，对于未设置 select_sys 参数的每个初始探索结构对应最大选取构型用于标注的数量。当待标注结构数目超过该值时，将随机从待标注结构中选择 max_select 个结构做标注。默认不设置，即不做限制。

例如对于如下 md 探索设置，由于未设置 select_sys，如果设置了 max_select，则对于 sys_idx 中指定的这两个结构，分别最多采集 max_select个结构，因此这里对于该 md 探索设置，最多采集 $2 \times max\_select$ 个结构用于标记。

direct

该参数用于设置是否开启direct采样，用于对多模型偏差选出的结构进一步过滤，去除相似的结构。默认值为 False。

direct_script

该参数用于设置 direct 方法使用的处理脚本，direct 为 True时，必须指定处理脚本。

对 direct 方法的接口设置，请参考例子 si_direct_bigmodel。

compress

该参数用于设置是否对模型做压缩，经过压缩后的模型精度会略有下降，但是模拟速度会有翻倍提升。默认值为 false, 即不使用模型压缩。

compress_order

该参数用于设置模型压缩的方式，默认值为 "compress_order":3 , 即使用三阶多项式压缩。也可以设置为 "compress_order":5 ， 即使用五阶多项式压缩，相比于三阶多项式精度会更高，但是速度比三阶稍慢。

Compress_dx

该参数用于设置模型压缩是的网格大小，默认值为 "Compress_dx":0.01。

例子

对于committee方式的选点策略

    "strategy": {
        "uncertainty":"committee",
        "lower_model_deiv_f": 0.1,
        "upper_model_deiv_f": 0.2,
        "model_num": 4,
        "max_select": 50,
        "compress": false
    }

如果您需要开启模型压缩，则

    "strategy": {
        "uncertainty":"committee",
        "lower_model_deiv_f": 0.1,
        "upper_model_deiv_f": 0.2,
        "model_num": 4,
        "max_select": 50,
        "compress": true,
        "compress_order":3,
        "Compress_dx":0.01
    }

explore

用于设置主动学习每个轮次探索过程的分子动力学设置

sys_config_prefix

用于设置待探索的结构文件路径前缀，可选参数，与 sys_configs 配合使用。可以是绝对路径或者相对路径，相对路径为当前目录。

例子："sys_config_prefix":"/data/structure", "sys_configs":"atom.config", 则 atom.config 的实际路径是 /data/structure/atom.config。

sys_configs

设置待探索的结构文件路径，如果设置了 sys_config_prefix 则进行路径拼接，否则使用 sys_configs 中设置的路径作为 config 路径。

该参数为 list 格式，对于 PWMAT 格式结构文件，直接写出文件路径即可，对于 VASP 格式结构文件，需要设置 format 格式，如下例中所示。

    "sys_configs": [
        {"config":"POSCAR", "format":"vasp/poscar"},
        "atom1.config",
        "atom2.config"
    ]

md_jobs

设置每个轮次的主动学习分子动力学参数。为 list 格式，第 i 个元组代表第 i 个轮次主动学习对应设置。每个元组内部可以为 dict 格式，或者 dict 格式的 list 数组。

注意：以下 md 设置中，对于时间的单位都使用 units metal。

ensemble

设置 系综，默认值 "nve",支持如下设置：

npt、npt-i或npt-iso 对应 lammps 设置

fix  1 all npt temp ${TEMP} ${TEMP} ${TAU_T} iso ${PRESS} ${PRESS} ${TAU_P}

npt-a 或 npt-aniso 对应 lammps 设置

fix  1 all npt temp ${TEMP} ${TEMP} ${TAU_T} aniso ${PRESS} ${PRESS} ${TAU_P}

npt-t、npt-tri 对应 lammps 设置

fix  1 all npt temp ${TEMP} ${TEMP} ${TAU_T} tri ${PRESS} ${PRESS} ${TAU_P}

nvt 对应 lammps 设置

fix  1 all nvt temp ${TEMP} ${TEMP} ${TAU_T}

nve 对应 lammps 设置

fix  1 all nve

nsteps

设置 md 总的步数，为必选参数，需要用户提供。

md_dt

用于设置 timestep ，默认值为 0.001，即 1飞秒。

trj_freq

用于设置轨迹采样频率（ thermo ），默认值为10，即间隔 10 步采样一次。

sys_idx

用于设置 md 的初始结构，为 list 格式，值为 sys_configs中的结构下标，这里可以指定多个结构。在探索中，会对每个构型分别按照 "press" 和 "temps" 中指定的压强和温度做探索。

例如对于如下设置， "sys_idx":[0, 1]、 "press":[100, 200]、 "temps":[300, 400]，将对下标为 0 和 1 的结构，分别在 压强、温度为[100, 300]、[100, 400]、[200, 300]、[200, 400]下做 md，将产生 8条 轨迹。

{  
  "ensemble": "npt",
  "nsteps": 1000,
  "md_dt": 0.002,
  "trj_freq": 10,
  "sys_idx": [0, 1],
  "select_sys":[20, 30],
  "temps": [300, 400],
  "taut":0.1,
  "press": [100, 200],
  "taup": 0.5,
  "boundary":true
}

select_sys

与 sys_idx 配合使用，用于限制 sys_idx 中每个初始探索结构的最多用于标注的构型数量，默认不设置，采用 max_select中的设置。如果参数 max_select 也未设置，将采用默认值 100。

例如 对于sys_idx的例子，设置"select_sys":[20, 30]，将对0号结构对应的4条轨迹中最多选取20个结构用于标注，对于1号结构对应的4条轨迹中最多最多选取30个结构用于标注。

您也可以设置为"select_sys":20，等效于"select_sys":[20, 20]。

press

用于设置 md 探索的压强，为 list 格式。

taup

稳压器的耦合时间（ps）, 默认值 0.5。

temps

用于设置 md 探索的温度，为 list 格式。

taut

恒温器的耦合时间（ps），默认值 0.1。

boundary

设置模拟系统的边界条件，默认值为 true，即采用 p p p， 设置为 false 则使用 f f f。

例子

"explore": {
    "sys_config_prefix": "./init_bulk/collection/init_config_0",
    "sys_configs": [
        {"config":"0.95_scale.poscar", "format":"vasp/poscar"},
        {"config":"0_pertub.poscar", "format":"vasp/poscar"},
        {"config":"0_pertub.poscar", "format":"vasp/poscar"}
    ],
    "md_jobs": [
        [{  
            "ensemble": "npt",
            "nsteps": 1000,
            "md_dt": 0.002,
            "trj_freq": 10,
            "sys_idx": [0, 1],
            "temps": [500, 800],
            "taut":0.1,
            "press" :[ 100,200],
            "taup": 0.5,
            "boundary":true
            },{
            "ensemble": "nvt",
            "nsteps": 1000,
            "md_dt": 0.002,
            "trj_freq": 10,
            "sys_idx": [2],
            "temps": [400],
            "taut":0.1,
            "boundary":true
        }]
    ]
}

在上例中，配置了一个轮次的主动学习，执行 "md_jobs"中两个 dict 中配置的lammps 模拟。

对于第一个 dict, 使用 npt 系综，在 sys_idx 配置了两个构型，对应0.95_scale.poscar和 0_pertub.poscar。温度和压强的列表分别为 [500, 800] 和 [100,200]，意思是对这两个结构分别在温度、压强组合为 [500, 100]、[500, 800]、[800, 100]、[800, 200] 下执行lammps模拟，模拟 1000 步，输出频率 10 步，单步时间长度 2 飞秒。模拟结束后，会获得 8 条轨迹。

对于第二个dict，使用 nvt 系综，在sys_idx 配置了1个构型，对应 0_pertub.poscar，温度为 400，即在 温度400K 下做lammps模拟。模拟结束后获得1条轨迹。

DFT

设置自洽计算，为 dict 格式。

dft_style

设置标注（自洽计算）使用哪种 DFT 计算软件，默认值为 pwmat, 也支持 VASP 格式，如果是 VASP 格式，则设置为 vasp。如果设置为 bigmodel，则必须在 bigmodel_script 中设置处理脚本。

bigmodel_script

用于设置 大模型做标记（推理能量和受力）时的处理脚本。

对大模型标记的接口设置，请参考例子 si_direct_bigmodel。

input

设置输入控制文件的路径，可以为绝对路径或相对路径（相对于当前路径）。

kspacing

该参数为 PWMAT 的输入参数，用于设置 K 点，可选参数。如果在 etot.input 文件中未设置 MP_N123 参数，则使用该参数设置 K 点。不能同时设置 MP_N123 与 kspacing。

如果 etot.input 文件中未设置 MP_N123，且 kspacing 未设置，则采用默认设置 kspacing 值为 0.5。

flag_symm

该参数为 PWMAT 的输入参数，用于设置 K 点，可选参数。对于 Relax 或者 SCF 计算，默认值为 0, 对于 AIMD 计算，默认值为 3。

pseudo

设置 PWMAT 或 VASP 赝势文件所在路径，为list格式，赝势文件路径可以为绝对路径或相对路径（相对于当前路径）。

basis_set_file

参考 potential_file。

potential_file

设置 CP2K 赝势文件 BASIS_MOLOPT 和 POTENTIAL 文件所在路径。例如

    "basis_set_file":"~/datas/systems/cp2k/data/BASIS_MOLOPT",
    "potential_file":"~/datas/systems/cp2k/data/POTENTIAL"

例子

由于自洽计算任务使用的输入控制相同，因此只需要单文件的设置，对于不同的DFT软件，分别设置如下。

对于PWMAT，设置与 INIT_BULK 中相似，如果您未在scf_etot.input中指定 "MP_N123" 参数，则您需要设置 kspacing 和 flag_symm 参数。

    "DFT": {
            "dft_style": "pwmat",
            "input": "scf_etot.input",
            "kspacing":0.3,
            "flag_symm":0
    }

您也可以不设置，将使用默认参数 kspacing=0.5， flag_symm = 0，此时设置如下

"DFT": {
      "dft_style": "pwmat",
      "input": "scf_etot.input",
      "pseudo":["~/NCPP-SG15-PBE/Si.SG15.PBE.UPF"]
    }

对于 VASP，设置如下：

"DFT": {
      "dft_style": "vasp",
      "input": "scf_INCAR",
      "pseudo":["~/Si/POTCAR"]
    }

对于 CP2K，设置如下：

"DFT": {
    "dft_style": "cp2k",
    "input": "scf_cp2k.inp",
    "basis_set_file":"~/datas/systems/cp2k/data/BASIS_MOLOPT",
    "potential_file":"~/datas/systems/cp2k/data/POTENTIAL"
    }

例子

如下例子，为一个标准的主动学习流程，两个轮次的主动学习，采用多模型委员会查询策略。更多使用案例，请参考源码根目录的 example。

{
  "reserve_work": false,
  "reserve_md_traj": false,
  "reserve_scf_files": false,

  "init_data": ["/path/init_data"],

  "train": {
    "_train_input_file": "std_si.json",

    "model_type": "DP",
    "atom_type": [14],
    "max_neigh_num": 100,
    "seed": 2023,
    "model_num": 1,
    "data_shuffle": true,
    "train_valid_ratio": 0.8,
    "recover_train": true,
    "model": {
      "descriptor": {
        "Rmax": 6.0,
        "Rmin": 0.5,
        "M2": 16,
        "network_size": [25, 25, 25]
      },
      "fitting_net": {
        "network_size": [50, 50, 50, 1]
      }
    },
    "optimizer": {
      "optimizer": "LKF",
      "epochs": 10,
      "batch_size": 16,
      "print_freq": 10,
      "block_size": 5120,
      "kalman_lambda": 0.98,
      "kalman_nue": 0.9987,
      "train_energy": true,
      "train_force": true,
      "train_ei": false,
      "train_virial": false,
      "train_egroup": false,
      "pre_fac_force": 2.0,
      "pre_fac_etot": 1.0,
      "pre_fac_ei": 1.0,
      "pre_fac_virial": 1.0,
      "pre_fac_egroup": 0.1
    }
  },

  "strategy": {
    "uncertainty": "committee",
    "lower_model_deiv_f": 0.05,
    "upper_model_deiv_f": 0.15,
    "model_num": 4,
    "max_select": 10
  },

  "explore": {
    "sys_config_prefix": "/path/structures",
    "sys_configs": [
      { "config": "POSCAR", "format": "vasp/poscar" },
      "atom1.config",
      "atom2.config",
      "atom3.config",
      "atom4.config"
    ],
    "md_jobs": [
      [
        {
          "ensemble": "nvt",
          "nsteps": 1000,
          "md_dt": 0.002,
          "trj_freq": 10,
          "taup": 0.5,
          "sys_idx": [0, 1],
          "temps": [500, 700],
          "taut": 0.1,
          "boundary": true
        },
        {
          "ensemble": "npt",
          "nsteps": 1000,
          "md_dt": 0.002,
          "trj_freq": 10,
          "press": [100.0, 200.0],
          "taup": 0.5,
          "sys_idx": [0, 3],
          "temps": [500, 700],
          "taut": 0.1,
          "boundary": true
        }
      ],
      {
        "ensemble": "nvt",
        "nsteps": 4000,
        "md_dt": 0.002,
        "trj_freq": 10,
        "press": [100.0, 200.0],
        "taup": 0.5,
        "sys_idx": [0, 1],
        "temps": [500, 700],
        "taut": 0.1,
        "boundary": true
      }
    ]
  },
  "DFT": {
    "dft_style": "pwmat",
    "input": "scf_etot.input",
    "kspacing": 0.5,
    "flag_symm": 0,
    "pseudo": ["path/Si.SG15.PBE.UPF"]
  }
}