版本：Next

在线安装

对于龙讯超算云(Mcloud) 用户，已做预装，加载即用

在线安装需要您分别编译安装 MatPL-2026.3 和 MatPL-2026.3 lammps 接口。

MatPL-2026.3 用于模型训练。要求待安装的机器提供 gcc 编译器(8.n 以及以上)、CUDA(11.8及以上)、openmpi(4.1.4及以上) 以及 nvidia GPU 硬件支持。对于 Python 环境，要求 python >= 3.11，torch >= 2.2.0+cu118。
如果需要使用 NN 和 Linear 模型，还需要加载 intel 相关编译器（ifort icc mkl）。对于 intel/2020编译套件，使用了它的 ifort 和 icc 编译器(19.1.3)、mkl库，如果单独加载，请确保版本不低于它们。
MatPL-2026.3 lammps 接口是用于运行 NEP 和 DP 模型的lammps 接口。lammps接口安装和运行需要使用 openmpi，我们推荐 openmpi/4.1.4 版本以上。

MatPL 编译安装

为了编译和运行 MatPL-2026.3，您需要下载源码、安装conda 环境，并在 conda 环境中安装 MatPL-2026.3 依赖的Python环境，之后编译源码。

在以下安装命令中，使用的sh 是指bash，安装时请注意，如果使用sh命令，请确保它是bash的链接，有少部分操作系统指向的是dash。

下载源码

我们提供了在线拉取代码和下载离线包两种方式编译。

通过 github 或 gitee 在线拉取 MatPL 仓库代码

  git clone https://github.com/LonxunQuantum/MatPL.git MatPL-2026.3
  或
  git clone https://gitee.com/pfsuo/MatPL.git MatPL-2026.3

或下载 release 离线源码包，您可以直接浏览器输入下面的地址下载，或者加前缀 wget 下载:

  wget https://github.com/LonxunQuantum/MatPL/archive/refs/tags/MatPL-2026.3_update2.zip
  或通过gitee下载
  wget https://gitee.com/pfsuo/MatPL/repository/archive/2026.3

下载 release 离线源码包后，通过 unzip 命令解压。

  ## 解压后您将得到一个名称为 MatPL-MatPL-2026.3_update2 的源码目录
  unzip MatPL-MatPL-2026.3_update2.zip
  mv MatPL-MatPL-2026.3_update2 MatPL-2026.3 # 为了后续手册表述统一，这里将文件名重名为MatPL-2026.3 

创建 conda 虚拟环境

安装 Anaconda3（已安装请跳过）。这里要求您已经装了 Anaconda3 ，然后创建一个新 python 虚拟环境（搜索引擎搜索 Linux 安装 anaconda3 教程）。

您可以使用该命令直接下载 Anaconda3 到服务器目录中：

curl https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-1-Linux-x86_64.sh -o Anaconda3-2023.07-1-Linux-x86_64.sh
## 如果下载失败，请在浏览器输入下面的下载地址，下载后上传的服务器
## https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-1-Linux-x86_64.sh 
## 您也可以访问网页下载更多版本 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

创建Python虚拟环境

conda 安装完成后，创建虚拟环境，环境中需指定安装 python3.11 解释器，其他版本可能会出现依赖冲突或语法不支持等问题，之后的编译工作均在该虚拟环境中进行

conda create -n matpl-2026.3 python=3.11 setuptools=68.0.0
## python 版本我们建议3.11，更高级别的 python 可以在编译时存在一些错误，我们还未兼容。这里需要指定setuptools版本低于75.0.0，避免 numpy 和 fortran 做数据格式转换时的错误。

虚拟环境安装完成后激活该环境

conda activate matpl-2026.3

Python虚拟环境安装依赖包

接下来安装 MATPL 所需的第三方依赖包，我们已经把所有依赖的第三方包写在requirement.txt中，只需要在该文件所在目录下执行 pip 命令即可完成所有的依赖包安装。操作过程如下。该步骤会安装pytorch等python环境较耗时，请您耐心等待。

MatPL-2026.3/requirement.txt 是 MatPL GPU 版本的 python 环境
MatPL-2026.3/requirements_cpu.txt 是 MatPL CPU 版本的 python 环境

#第一步 激活conda 环境
conda activate matpl-2026.3
#第二步 进入源码根目录
#在线下载的源码进入 MatPL-2026.3 目录
cd MatPL-2026.3
#对于 GPU 版本，请执行
pip install -r requirements.txt
#对于 CPU 版本，请执行
pip install -r requirements_cpu.txt

编译安装-检查编译环境(GPU 版本)

进入 requirement.txt 的同级目录 src 目录下。对于 GPU 版本，首先检查gcc 编译器(8.n 以及以上)、CUDA(11.8及以上)、openmpi(4.1.4及以上) 以及 nvidia GPU 硬件支持。如果需要使用 NN 和 Linear 模型，还需要加载 intel 相关编译器（ifort icc mkl）。由于大部分的编译不成功是由编译器版本问题造成的，我们提供了编译环境检测的脚本 check_env.sh ，位于 '/src/check/check_env.sh' 您可以执行该脚本来检查编译环境已经完成准备。

cd src
bash ./check/check_env.sh

执行后，将输出您的编译环境信息。

========================================
      Environment Check Starting
========================================

=== Checking ifort compiler and MKL library ===
✓ ifort version: 19.1 (>= 19.1)
✓ MKL library is installed

=== Checking GCC version ===
✓ GCC version: 8 (>= 8.0)

=== Checking PyTorch installation ===
✓ PyTorch is installed

=== Checking PyTorch version ===
✓ PyTorch version: 2.2.0+cu118 (>= 2.0)

=== Checking PyTorch CUDA support ===
✓ PyTorch is compiled with CUDA 11.8

=== Checking CUDA version ===
✓ CUDA version: 11.8.89 (>= 11.8)

=== Checking nvcc availability ===
✓ nvcc command exists

========================================
        Environment Summary
========================================
✓ Environment check completed. All requirements are satisfied.
========================================

编译安装-检查编译环境(CPU 版本)

安装 GPU 版本请跳过该步。对于 CPU 版本，不需要 CUDA 支持，检测脚本为 check_env_cpu.sh，位于 '/src/check/check_env_cpu.sh'。命令执行后会列出需要的编译器版本以及当前检测到的版本：

========================================
      CPU Environment Check Starting
========================================

=== Checking ifort compiler and MKL library ===
✓ ifort version: 19.1 (>= 19.1)
✓ MKL library is installed

=== Checking GCC version ===
✓ GCC version: 8 (>= 8.0)

=== Checking PyTorch installation ===
✓ PyTorch is installed

=== Checking PyTorch version ===
✓ PyTorch version: 2.2.0+cu118 (>= 2.0)

========================================
        Environment Summary
========================================
✓ Environment check completed. All requirements are satisfied.
========================================

编译安装-编译代码

如果您的环境满足上述检测，接下来进行代码编译。执行如下命令开始编译：

bash clean.sh
bash build.sh [-jN] [-m nn]

-jN 这里N为并行编译的核数，例如 sh build.sh -j4 将采用4核编译。默认采用单核编译，即 bash build.sh
-m nn 指定后将 fortran 代码也纳入编译（需要intel编译器支持），用于 linear 和 NN 模型。默认不编译 fortran 代码。

提示

如果您在编译过程中出错，请在MATPL 常见安装错误总结中查询。

如果仍未解决您的问题，请将您的机器环境信息、编译错误日志以及您执行的编译操作过程描述发送到邮箱 matpl@pwmat.com、wuxingxing@pwmat.com 或 support@pwmat.com，我们将及时联系您处理。

编译完成后，最后输出如下信息：

[100%] Linking CXX shared library ../../lib/libCalcOps_bind.so
[100%] Built target CalcOps_bind
Operators built successfully
Creating symbolic links in bin directory...
Created symbolic link for main_MD.x

=================================
MatPL has been successfully installed.
Please load the MatPL environment variables before use.

Recommended method:
  source /data/home/wuxingxing/codespace/MatPL-2025.12-tmp/env.sh

Or manually set environment variables:
  export PYTHONPATH=/data/home/wuxingxing/codespace/MatPL-2025.12-tmp:$PYTHONPATH
  export PATH=/data/home/wuxingxing/codespace/MatPL-2025.12-tmp/src/bin:$PATH
=================================

编译完成后，将在代码的根目录下生成一个env.sh文件，包含 MatPL 的环境变量，执行以下命令即可完成加载

  source /the/path/of/MatPL-2026.3/env.sh

也可以通过如下命令加载

  export PYTHONPATH=/the/path/of/MatPL-2026.3:$PYTHONPATH
  export PATH=/the/path/of/MatPL-2026.3/src/bin:$PATH

加载使用

使用 MatPL 前需要加载它的依赖环境，加载 python 环境、cuda、MatPL 环境变量（CPU版本不需要加载CUDA）。

conda activate matpl-2026.3
module load cuda/11.8-share
source /the/path/of/MatPL-2026.3/env.sh

之后即可使用 MatPL 命令开始训练，使用教程请参考教学案例

MatPL lammps 2026.3 接口编译安装

MatPL-2026.3 lammps 接口用于 MatPL 的DP 和 NEP 力场。对于 NN 和 Linear 力场，提供了 fortran 版本的接口，安装请参考 lammps-fortran 编译安装。

MatPL-2026.3 lammps 接口安装过程中，需要您下载 lammps 源码、加载编译器、编译源码，过程如下所示。

下载 MatPL-2026.3 lammps 接口源码

MatPL-2026.3 lammps 接口源码位于 MatPL 源码目录 MatPL-2026.3/lmps/lammps-2026.3 下。您也可以通过 github 仓库下载源码，或下载 release 包。

通过 github 或 gitee clone 源码:

git clone https://github.com/LonxunQuantum/lammps-MatPL.git
或
git clone https://gitee.com/pfsuo/lammps-MatPL.git

或下载release 包:

wget https://github.com/LonxunQuantum/lammps-MatPL/archive/refs/tags/2026.3.zip
或
wget https://gitee.com/pfsuo/lammps-MatPL/repository/archive/2026.3

unzip 2026.3.zip    #解压源码

MatPL-2026.3 lammps力场接口源码目录如下所示

├── dp_lmps_demo/
├── LICENSE
├── lmp_for_cmake/
├── lmp_nepkokkos_cmake/
├── Makefile.mpi
├── MATPL/
├── nep_lmps_demo/
└── README.md

lmp_nepkokkos_cmake 为MatPL-2026.3 的 lammps 力场接口，支持 NEP KOKKOS GPU 加速、NEP CPU版本、DP（CPU和GPU 加速）。使用 cmake 编译。
MATPL、Makefile.mpi 为MatPL-2025.3 的 lammps 力场接口，支持 NEP (CPU和GPU加速)、DP(CPU和GPU加速)。使用 make 编译。nep_lmps_demo 和 dp_lmps_demo 分别是 MatPL-2025.3 的 NEP、DP 的力场 MD 测试例子。
2025.3 版本的 NEP GPU 加速相比于2026.3 NEP KOKKOS GPU加速的核心区别是，NEP KOKKOS 将近邻的构建也卸载到了GPU上，让速度提了一个量级以上。并且2026.3对推理的核函数也做了更细致的优化。
MatPL-2026.3 lammps 接口要求 lammps 源码的版本不能超过2024。

复制MatPL-2026.3 lammps 接口源码到 Lammps 源码下

lmp_nepkokkos_cmake 目录下，存在一个 kknep-patch.sh 脚本，用于自动将接口文件复制到lammmps目录下，以及修改lammps源码/cmake/CMakeLists.txt文件，通过如下命令执行。

bash kknep-patch.sh /the/rootpath/of/lammps

复制完成后，会输出如下日志：

...
Patch process completed successfully!

Compilation Environment:
Recommended compilation environment: cuda/11.6 (with nvcc compiler) openmpi4.1.4 cmake/3.31.6 gcc8.n

Compilation Process:
cd /data/home/wuxingxing/codespace/suzhou/lmpversions/lammps-23-4-changerowcol/
mkdir build & cd build
cmake -C ../cmake/presets/basic.cmake \
    -DPKG_MESONT=no \
    -DPKG_JPEG=no \
    -DPKG_KOKKOS=yes \
    -DPKG_NEP_KK=yes \
    -DKokkos_ENABLE_CUDA=yes \
    -DKokkos_ENABLE_OPENMP=yes \
    -DKokkos_ENABLE_CUDA_LAMBDA=yes \
    -DFFT_KOKKOS=CUFFT \
    -DKokkos_ARCH_AMPERE86=ON \
    -DTEST_TIME=ON \
    ../cmake

cmake --build . --parallel 4 #(number of parallel compilation cores)


If you also need to compile the DP interface, please import the PyTorch path, import the MKL library, and enable the C++ STD17 standard for compilation.
export Torch_DIR=$(python -c "import torch; print(torch.utils.cmake_prefix_path)")/Torch
Then, add the following option in cmake:
-DTorch_DIR=${Torch_DIR} \
-DCMAKE_CXX_STANDARD=17 \
-DPKG_MATPLDP=yes \

For the D3 interface, please add the following option in cmake. Note that D3 requires CUDA support and cannot be used in combination with matpl/nep/kk.
-DPKG_MATPLD3=yes \

加载编译环境以及编译

文件复制完成后，需要在编译前加载环境。lammps 接口编译，依赖的编译器环境有 cuda、gcc、cmake、openmpi，我们推荐 openmpi/4.1.4 版本及以上，cuda-11.6及以上、cmake 3.n 及以上，gcc8.n及以上。

之后按照日志中的提示，进入lammps 根目录，创建build 目录，在下面执行如下cmake命令即可编译：

# cd lammps rootdir
mkdir build & cd build
cmake -C ../cmake/presets/basic.cmake \
    -DPKG_MESONT=no \
    -DPKG_JPEG=no \
    -DPKG_KOKKOS=yes \
    -DPKG_NEP_KK=yes \
    -DKokkos_ENABLE_CUDA=yes \
    -DKokkos_ENABLE_OPENMP=yes \
    -DKokkos_ENABLE_CUDA_LAMBDA=yes \
    -DFFT_KOKKOS=CUFFT \
    -DKokkos_ARCH_AMPERE86=ON \
    -DTEST_TIME=ON \
    ../cmake

cmake --build . --parallel 4 #(number of parallel compilation cores)

默认只安装了NEP的接口，如果需要安装 DP 接口，需要加载 MKL 库、pytorch 中的libtorch 路径以及在编译时使用 C++ STD17标准。

export Torch_DIR=$(python -c "import torch; print(torch.utils.cmake_prefix_path)")/Torch

#在 cmake 命令中开启 DP 的编译：
-DTorch_DIR=${Torch_DIR} \
-DCMAKE_CXX_STANDARD=17 \
-DPKG_MATPLDP=yes \

-DPKG_MATPLD3=yes 是来自github SevenNet 下的代码。这里 D3 不能与 matpl/nep/kk 混合使用。

编译完成将在窗口输出如下信息，并在lammps源码根目录生成一个env.sh文件，使用lammps前加载该文件即可。

[ 98%] Building CUDA object CMakeFiles/lammps.dir/data/home/wuxingxing/codespace/suzhou/lmpversions/lammps-23-4-opt/src/nep_gpu/utilities/gpu_vector.cu.o
[100%] Linking CXX static library liblammps.a
[100%] Built target lammps
[100%] Building CXX object CMakeFiles/lmp.dir/data/home/wuxingxing/codespace/suzhou/lmpversions/lammps-23-4-opt/src/main.cpp.o
[100%] Linking CXX executable lmp
[100%] Built target lmp

lammps 加载使用

使用 MatPL-2026.3 lammps时，需要加载它的依赖环境，加载 opnmpi、cuda、lammps环境变量。

module load cuda/11.8 openmpi/4.1.6
# lammps 环境变量,用于指定 lmp 位置
export PATH=/the/path/of/lammpsroot/dir/build:$PATH

详细的使用请参考

Lammps-MatPL (fortran) 编译安装

lammps-MatPL (fortran 版本) 用于 MatPL 的 NN 和 Linear 力场，未提供 GPU 加速。

lammps-MatPL (fortran 版本) 力场接口源码位于 MatPL 源码目录 lmps/lammps-fortran 下，您也可以通过 github fortran 分支下载下载 lammps-MatPL (fortran 版本) 源码，或下载 release 包。

安装过程请参考 2025.3 fortran lammps 接口安装

详细的使用，请参考

在线安装​

MatPL 编译安装​

下载源码​

创建 conda 虚拟环境​

创建Python虚拟环境​

Python虚拟环境安装依赖包​

编译安装-检查编译环境(GPU 版本)​

编译安装-检查编译环境(CPU 版本)​

编译安装-编译代码​

加载使用​

MatPL lammps 2026.3 接口编译安装​

下载 MatPL-2026.3 lammps 接口源码​

复制MatPL-2026.3 lammps 接口源码到 Lammps 源码下​

加载编译环境以及编译​

lammps 加载使用​

Lammps-MatPL (fortran) 编译安装​