版本：Next

Install and load

PWMLFF 和 Lammps 分子动力学接口需要通过源码编译安装，我们提供了离线安装、在线安装两种方式。

对于龙讯超算云(Mcloud) 用户，我们已经做了预装，只需要加载即可使用。

Mcloud 用户加载

加载 PWMLFF

龙讯超算云(Mcloud) 已有配置好的 conda 环境和 PWMLFF 软件包，避免自己安装 anaconda, cudatoolkit, pytorch 等极度耗时的过程，使用 PWMLFF 请加载以下环境变量即可：

# 加载conda 环境
source /share/app/anaconda3/etc/profile.d/conda.sh
module load conda/3-2020.07
conda deactivate
conda activate PWMLFF
module load pwmlff/2024.5

加载 lammps 接口

Mcloud 已经为用户安装PWMLFF-2024.5对应的lammps接口，使用如下命令加载即可。

module load lammps4pwmlff/2024.5
mpirun -np 4 lmp_mpi_gpu -in in.lammps
# 如果您使用cpu version
# mpirun -np 1 lmp_mpi -in in.lammps

提示

该 lammps 接口已经预装了下列功能: KSPACE、 MANYBODY、 REAXFF、 MOLECULE、 QEQ、 REPLICA、 RIGID、 MEAM、 MC、 PWMLFF lammps4pwmlff/2024.5 接口用于 DP 模型和 NEP 模型的 MD，并支持多GPU卡加速。

对于 Linear 和 NN 模型的lammps 接口，我们提供了 cpu 版本的接口，请加载 lammps4pwmlff/0.1.0

离线安装

PWMLFF 离线安装包集成了 PWMLFF 和 Lammps 接口。包含 Fortran、Python (Pytorch2.0) 、 C++ 和 C++ CUDA 加速算子，需要 Python 环境、gcc 编译器、intel编译器套件（包括ifort、icc 编译器、mkl和mpi库，以及 nvidia GPU 硬件支持。

由于 conda 环境配置较为耗时，且部分用户设备无法联网。我们在离线安装包中配置好了conda 环境，用户只需要下载离线包，安装后即可使用。

1. 下载离线安装包

请访问百度网盘下载，链接如果失效请邮件联系 wuxingxing@pwmat.com 或support@pwmat.com：

👉离线安装包下载 pwmlff-2024.5.sh.tar.gz

2. 解压安装包

tar -xzvf pwmlff.2024.5.sh.tar.gz

解压后得到如下文件： pwmlff-2024.5.sh， check_offenv.sh

3. 检查编译器版本

大部分的安装失败问题都源于编译器的版本不正确，我们提供了检查编译器版本的脚本check_offenv.sh 供用户检查环境。

我们推荐使用 intel2020版本，cuda/11.8，gcc 版本 8.n。这是因为，PWMLFF中使用的pytorch版本为2.0以上，必须使用 cuda/11.8或更高版本。对于 intel/2020编译套件，使用了它的 ifort 和 icc 编译器(19.1.3)、mpi(2019)、mkl库(2020)，如果单独加载，请确保版本不低于它们。

离线安装包解压后会得到安装包pwmlff-2024.5.sh 以及 check_offenv.sh，执行如下命令

sh check_offenv.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，如下是一个正确的环境配置检查结果：

ifort version is no less than 19.1, current version is 19.1.
MKL library is installed.
GCC version is exactly 8, current version is 8.
CUDA version is 11.8 or higher, current version is 11.8.89.
nvcc command exists.

第1行输出了 ifort 编译器要求的版本不低于19.1，检测到当前的版本是19.1，满足要求；

第2行查找 MKF 库是否存在，检测到已安装，满足要求；

第3行输出了 GCC 要求的版本 8.n，检测到当前的GCC版本是8，满足要求;

第4行检查 CUDA 版本是否不低于11.8，检测到当前的版本是 11.8.89，满足要求；

第5行检查 nvcc 编译器是否存在，检测到存在，满足要求。

4. 执行安装命令

环境检查完毕后，执行如下命令即可完成安装

sh pwmlff-2024.5.sh

安装窗口最后出现如下日志输出，则安装成功。

mpicxx -g -O3 -std=c++17 -L/the/path/to/PWMLFF-2024.5/pwmlff-2024.5/lib -lpython3.11 -static-libstdc++ -static-libgcc -L/the/path/to/PWMLFF-2024.5/pwmlff-2024.5/lib/python3.11/site-packages/torch/lib/ -ltorch -lc10 -ltorch_cpu -L/the/path/to/PWMLFF-2024.5/lammps-2024.5/src/Obj_mpi/.. -lnep_gpu -L/share/app/cuda/cuda-11.8/lib64 -lcudart -L/the/path/to/PWMLFF-2024.5/PWMLFF/src/op/build/lib -lCalcOps_bind_cpu main.o      -L. -llammps_mpi      -ldl  -o ../lmp_mpi
size ../lmp_mpi
   text    data     bss     dec     hex filename
11935009          37912   22640 11995561         b709a9 ../lmp_mpi
make[1]: Leaving directory `/the/path/to/PWMLFF-2024.5/lammps-2024.5/src/Obj_mpi'
CUDA support enabled...
make[1]: Entering directory `/the/path/to/PWMLFF-2024.5/lammps-2024.5/src/Obj_mpi'
mpicxx -g -O3 -std=c++17 -L/the/path/to/PWMLFF-2024.5/pwmlff-2024.5/lib -lpython3.11 -static-libstdc++ -static-libgcc -L/the/path/to/PWMLFF-2024.5/pwmlff-2024.5/lib/python3.11/site-packages/torch/lib/ -ltorch -lc10 -ltorch_cpu -L/the/path/to/PWMLFF-2024.5/lammps-2024.5/src/Obj_mpi/.. -lnep_gpu -L/share/app/cuda/cuda-11.8/lib64 -lcudart -L/the/path/to/PWMLFF-2024.5/PWMLFF/src/op/build/lib -lCalcOps_bind -L/share/app/cuda/cuda-11.8/lib64 -lcudart main.o      -L. -llammps_mpi      -ldl  -o ../lmp_mpi_gpu
size ../lmp_mpi_gpu
   text    data     bss     dec     hex filename
11936348          37912   22640 11996900         b70ee4 ../lmp_mpi_gpu
make[1]: Leaving directory `/the/path/to/PWMLFF-2024.5/lammps-2024.5/src/Obj_mpi'
Added Lammps PATH to .bashrc
Added Lammps LD_LIBRARY_PATH to .bashrc
Added torch lib LD_LIBRARY_PATH to .bashrc
Installation completed successfully!

提示

安装完成之后，会默认将 PWMLFF-2024.5 环境变量（如下所示）写入 .bashrc 中，如果不需要，请您手动到.bashrc中删除即可。删除后，需要您在每次运行 PWMLFF 前手动导入该环境变量。

# PWMLFF 环境变量
export PATH=/the/path/to/PWMLFF-2024.5/PWMLFF/src/bin:$PATH
export PYTHONPATH=/the/path/to/PWMLFF-2024.5/PWMLFF/src/:$PYTHONPATH
# lammps 接口环境变量
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$(python3 -c "import torch; print(torch.__path__[0])")/lib:$(dirname $(dirname $(which python3)))/lib:$(dirname $(dirname $(which PWMLFF)))/op/build/lib
export PATH=/the/path/to/PWMLFF-2024.5/lammps-2024.5/src:$PATH
export LD_LIBRARY_PATH=/the/path/to/PWMLFF-2024.5/lammps-2024.5/src:$LD_LIBRARY_PATH

这里 /the/path/to/为您自己的安装目录。

5. 加载使用

离线包安装成功后，在使用时需要首先激活已安装的conda环境，以及编译时使用的 intel/2020 和 CUDA。之后，如果需要使用 PWMLFF 训练，则加载 PWMLFF 环境变量；如果需要使用 Lammps 接口，则在加载 PWMLFF 环境变量之后继续加载 Lammps 接口环境变量。

step1. 激活已安装的conda环境

# 这里环境地址需要完整的路径，例如/data/home/wuxingxing/pack/PWMLFF-2024.5/pwmlff/bin/activate
source /the/path/PWMLFF-2024.5/pwmlff-2024.5/bin/activate

step2. 加载您在编译时使用的 intel编译包以及CUDA

# 对于 GPU 版本：
module load intel/2020 cuda/11.8-share

step3. 加载 PWMLFF 环境变量

如果您的 ./bashrc (离线安装后会自动写入) 不包含下面的环境变量，请导入该环境变量：

export PATH=/the/path/PWMLFF_cpu-2024.5/PWMLFF/src/bin:$PATH
export PYTHONPATH=/the/path/PWMLFF_cpu-2024.5/PWMLFF/src/:$PYTHONPATH

step4. 加载 Lammps 接口

如果您的 ./bashrc (离线安装后会自动写入) 不包含下面的环境变量，请导入该环境变量：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$(python3 -c "import torch; print(torch.__path__[0])")/lib:$(dirname $(dirname $(which python3)))/lib:$(dirname $(dirname $(which PWMLFF)))/op/build/lib
# 对于 GPU 版本 lammps 接口
export PATH=/the/path/PWMLFF-2024.5/lammps-2024.5/src:$PATH
export LD_LIBRARY_PATH=/the/path/PWMLFF-2024.5/lammps-2024.5/src:$LD_LIBRARY_PATH

6. 退出 conda 虚拟环境

您可以通过如下命令退出虚拟环境，也可以直接关闭当前 shell 窗口

# 对于 GPU 版本：
source /the/path/PWMLFF-2024.5/pwmlff-2024.5/bin/deactivate

在线安装

在线安装需要您分别编译安装 PWMLFF 和 lammps 接口。

为了编译和运行PWMLFF-2024.5，您需要下载源码、安装conda 环境，并在 conda 环境中安装 PWMLFF-2024.5 依赖的安装包。

Lammps 接口的编译安装要求用户已经成功安装 PWMLFF。

过程如下所示。

PWMLFF 编译安装

1. 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PWMLFF仓库代码

  git clone https://github.com/LonxunQuantum/PWMLFF.git PWMLFF-2024.5
  或
  git clone https://gitee.com/pfsuo/PWMLFF.git PWMLFF-2024.5

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/PWMLFF/archive/refs/tags/2024.5.zip
  或
  wget https://gitee.com/pfsuo/PWMLFF/repository/archive/2024.5

下载releas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 PWMLFF-2024.5 的源码目录
  unzip 2024.5.zip

2. 创建 conda 虚拟环境

step1. 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/

step2. 创建虚拟环境

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 pwmlff-2024.5 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 pwmlff2024.5

step3. 安装依赖包

接下来安装 PWMLFF 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。

# 第一步 激活conda 环境
conda activate pwmlff2024.5
# 第二步 进入源码根目录
# 在线下载的源码进入 PWMLFF-2024.5 目录
cd PWMLFF-2024.5
# 离线下载的源码包在解压后进入 PWMLFF-master 目录
pip install -r requirements.txt

3. 编译安装

step1. 检查编译环境

进入 requirement.txt 的同级目录 src 目录下。首先检查 cuda/11.8，intel/2020，gcc8.n是否加载；检查 conda 虚拟环境是否加载。

对于 intel/2020编译套件，使用了它的 ifort 和 icc 编译器(19.1.3)、mpi(2019)、mkl库(2020)，如果单独加载，请确保版本不低于它们。

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
sh ./check/check_env.sh

执行后，将输出您的编译环境信息，一个正确的环境如下所示。

ifort version is no less than 19.1, current version is 19.1.
MKL library is installed.
GCC version is exactly 8, current version is 8.
PyTorch is installed.
PyTorch version is 2.0 or above, current version is 2.2.
PyTorch is compiled with CUDA 11.8.
CUDA version is 11.8 or higher, current version is 11.8.89.
nvcc command exists.

第1行输出了 ifort 编译器要求的版本不低于19.1，检测到当前的版本是19.1，满足要求；

第2行查找 MKF 库是否存在，检测到已安装，满足要求；

第3行输出了 GCC 要求的版本 8.n，检测到当前的GCC版本是8，满足要求;

第4行检查 python 环境是否已经安装 pytorch，检测到已安装，满足要求；

第5行检查 pytroch 版本是否为2.0 以上，检测到当前版本是2.2，满足要求；

第6行检查 pytroch 版本是否包含 CUDA 支持，检测到包含，满足要求；

第7行检查 CUDA 版本是否不低于11.8，检测到当前的版本是 11.8.89，满足要求；

第8行检查 nvcc 编译器是否存在，检测到存在，满足要求。

step2. 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：

sh clean.sh
sh build.sh

如果您在编译过程中出错，请在PWMLFF常见安装错误总结中查询。

提示

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 support@pwmat.com 或者 wuxingxing@pwmat.com，我们将及时联系您处理。

编译完成后会自动将 PWMLFF 环境变量加入.bashrc 文件中，如果不需要，请您在.bashrc中手动删除环境变量。

export PATH=/the/path/PWMLFF-2024.5/src/bin:$PATH
export PYTHONPATH=/the/path/PWMLFF-2024.5/src/:$PYTHONPATH

至此完成了 PWMLFF 的全部编译安装。

Lammps for PWMLFF编译安装

提示

当前版本 Lammps 适用于 DP 和 NEP model 提取的力场模型

旧版 Linear, NN 和 DP model 提取的力场模型lammps接口见 Lammps for PWMLFF 或者源码仓库

lammps 源码安装需要您下载 lammps 源码、加载 PWMLFF 环境变量、编译源码，过程如下所示。

1. 源码下载

您可以通过 github 下载源码，或者下载 release 包。

通过 github 或 gitee clone 源码:

git clone -b libtorch_nep https://github.com/LonxunQuantum/Lammps_for_PWMLFF.git
或
git clone -b libtorch_nep https://gitee.com/pfsuo/Lammps_for_PWMLFF.git

或下载release 包:

wget https://github.com/LonxunQuantum/Lammps_for_PWMLFF/archive/refs/tags/2024.5.zip
或
wget https://gitee.com/pfsuo/Lammps_for_PWMLFF/repository/archive/2024.5

unzip 2024.5.zip    #解压源码

2. 加载编译环境变量

注意，您需要保持编译 PWMLFF 和编译 lammps 使用的 python 虚拟环境相同。为了编译lammps，您需要加载以下环境变量。

# 加载编译器
load cuda/11.8-share intel/2020
source /opt/rh/devtoolset-8/enable #此为gcc编译器，您可以加载自己的8.n版本

# PWMLFF 环境加载例子
# 加载conda 环境
source /the/path/anaconda3/etc/profile.d/conda.sh
# 激活conda 环境，注意这里使用的虚拟环境需要和编译PWMLFF-2024.5时的环境相同
conda activate pwmlff2024.5 
# 加载 PWMLFF-2024.5 环境变量
export PATH=/the/path/PWMLFF-2024.5/src/bin:$PATH
export PYTHONPATH=/the/path/PWMLFF-2024.5/src/:$PYTHONPATH
# 加载 共享库文件
export OP_LIB_PATH=$(dirname $(dirname $(which PWMLFF)))/op/build/lib

信息

模型导出使用 Libtorch 库，编译软件时确保加载 PWMLFF 所在的虚拟环境
编译和执行程序需要使用到包含在 PWMLFF 软件包中的op(自定义算子)库，需要确保在环境变量中

3. 编译lammps代码

step1. 为了使用 NEP模型的 GPU 版本，需要您先将 NEP 的 c++ cuda 代码编译为共享库文件

cd lammps-2024.5/src/PWMLFF/NEP_GPU
make clean
make
# 编译完成后您将得到一个/lammps-2024.5/src/libnep_gpu.so的共享库文件

step2. 编译lammps 接口

cd Lammps_for_PWMLFF/src
make yes-PWMLFF
make clean-all && make mpi -j4

如果编译过程中找不到 cuda_runtime.h 头文件，请在 src/MAKE/Makefile.mpi 文件的 第24行 替换为您自己的 CUDA 路径，/the/path/cuda/cuda-11.8，cuda_runtime.h 位于该目录下的 include 目录下。

CUDA_HOME = $(CUDADIR)
替换为CUDA_HOME = /the/path/cuda/cuda-11.8

提示

这里列举了 lammps 中常用的软件，您可以在安装 PWMLFF 时顺带安装

make yes-KSPACE
make yes-MANYBODY
make yes-REAXFF
make yes-MOLECULE
make yes-QEQ
make yes-REPLICA
make yes-RIGID
make yes-MEAM
make yes-MC

对于 Linear 和 NN 模型的lammps 接口请参考 lammps4pwmlff/0.1.0 安装

4. lammps 加载环境运行md例子

#1. 用于mpirun 命令
module load intel/2020
#2. 加载conda环境、激活conda虚拟环境
source /the/path/to/anaconda3/etc/profile.d/conda.sh
conda activate PWMLFF
#3. 加载PWMLFF 环境变量
export PATH=/the/path/to/PWMLFF-2024.5/src/bin:$PATH
export PYTHONPATH=/the/path/to/PWMLFF-2024.5/src/:$PYTHONPATH
#4. 导入PWMLFF-2024.5 的共享库路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$(python3 -c "import torch; print(torch.__path__[0])")/lib:$(dirname $(dirname $(which python3)))/lib:$(dirname $(dirname $(which PWMLFF)))/op/build/lib
#5. 加载lammps 环境变量
export PATH=/the/path/to/Lammps_for_PWMLFF-2024.5/src:$PATH
export LD_LIBRARY_PATH=/the/path/Lammps_for_PWMLFF-2024.5/src:$LD_LIBRARY_PATH
#6. 运行 GPU lammps 命令
mpirun -np 4 lmp_mpi_gpu -in in.lammps
# 或者运行 CPU lammps 命令
# mpirun -np 32 lmp_mpi -in in.lammps

警告

在提交训练任务时，注意任务脚本中需要确保加载相关环境，如下所示：

source /share/app/anaconda3/etc/profile.d/conda.sh
module load conda/3-2020.07
conda deactivate
conda activate PWMLFF
module load pwmlff/2024.5

加载pwmlff和虚拟环境的目的是为了获取LD_LIBRARY_PATH。 lammps 运行时必须包含LD_LIBRARY_PATH环境变量，否则无法调用特定库。

Install and load

Mcloud 用户加载​

加载 PWMLFF​

加载 lammps 接口​

离线安装​

1. 下载离线安装包​

2. 解压安装包​

3. 检查编译器版本​

4. 执行安装命令​

5. 加载使用​

step1. 激活已安装的conda环境​

step2. 加载您在编译时使用的 intel编译包以及CUDA​

step3. 加载 PWMLFF 环境变量​

step4. 加载 Lammps 接口​

6. 退出 conda 虚拟环境​

在线安装​

PWMLFF 编译安装​

1. 下载源码​

2. 创建 conda 虚拟环境​

step1. 安装 Anaconda3（已安装请跳过）​

step2. 创建虚拟环境​

step3. 安装依赖包​

3. 编译安装​

step1. 检查编译环境​

step2. 编译代码​

Lammps for PWMLFF编译安装​

1. 源码下载​

2. 加载编译环境变量​

3. 编译lammps代码​

step1. 为了使用 NEP模型的 GPU 版本，需要您先将 NEP 的 c++ cuda 代码编译为共享库文件​

step2. 编译lammps 接口​

4. lammps 加载环境运行md例子​