DeePMD-kit的安装可以详见Github的网站,这里给出了很多种安装方式的选择 我选择的是通过conda来安装。点进“conda”的超链接进入新的界面可以看到如下的具体安装指令 我选择了CPU的版本,也就是直接在Linux上(提前安装好Anaconda)输入 conda create -n deepmd deepmd-kit=*=*cpu libdeepmd=*=*cpu lammps -c https...
DeePMD-kit是一个强大的开源软件包,它使用被称为深度势能模型(DeepPotential,简称DP)的机器学习势能(MLP)来促进分子动力学模拟。该软件包于2017年发布,并广泛应用于物理学、化学、生物学和材料科学领域,用于研究原子尺度体系。DeePMD-kit的当前版本提供了许多先进功能,如DeepPot-SE模型、基于注意力机制的描述符、混合...
首先，数据准备阶段，包括数据下载和格式转换。数据集通常来源于VASP的AIMD模拟结果，解压后会得到多个文件夹，其中包含特定帧数的OUTCAR格式数据。接下来，利用dpdata工具进行数据格式转换，将原始OUTCAR格式数据转换为DeePMD-kit可读的压缩格式，生成训练和验证数据集。其次，模型训练阶段。配置文件是训练的核心...
熟悉 ener 模式的小伙伴们都知道，DeePMD-kit 由一个 embedding network 和一个 fitting network 组成。在 ener 模式中，embedding network 负责将原始数据(coordinate)编码成一系列特征并输入到 fitting network，后者从这些特征中学习出 energy function 的表示。在 tensor 模式中，embedding network 是保持不变的，有...
DeePMD-kit训练流程 第一步:利用VASP跑分子动力学,得到结果文件OUTCAR,作为准备好的数据集,其中包含不同点对应的原子坐标、原子间受力、能量等信息。 第二步:在DeePMD环境下对数据集OUTCAR进行数据转化,借助dpdata程序实现(https://github.com/deepmodeling/dpdata/),可以直接输入命令处理,也可写成脚本,利用脚本(dp...
在json文件中，修改fitting_net的type字段为dipole或polar，根据数据类型选择atomic_前缀。训练时，数据集准备就绪后即可进行。tensor模式的网络架构与ener模式不同，后者考虑能量、力和体积的有监督拟合，而tensor模式仅关注对Tensor标签的拟合。DeePMD-kit通过在embedding网络保持不变的情况下调整fitting network...
才导致体系很大)，如果用DeePMD-kit训练势函数的话，最开始一般是要用AIMD得到初始数据集，但这一步...
在本文中，研究者利用Quantum ESPRESSO程序中的PWscf，结合可与meta GGA媲美的SCAN泛函，对体相金红石TiO2、体相水和TiO2-H2O界面进行了AIMD计算，以获得的分子动力学路径作为数据集，应用DeepMD-kit进行深度神经网络势能面（DNN-PES）拟合。DNN-PES模型上，通过Lammps软件进行DPMD计算，研究者对比了AIMD与DPMD...
3. 使用DP-GEN和DEEPMD-kit 训练力场。 DPGEN 需要两个文件,PARAM配置文件、MACHINE配置文件 PARAM配置文件包含DP-GEN参数、DeepMD-kit参数、LAMMPS参数、VASP参数。 深度学习势能知乎专栏 4. DeepMD-kit重新训练力场 将DPGEN探索的结构和初始集合并到一个数据集中,四次迭代后,DPGEN会重新训练力场。在其中一个文件...
下载数据时使用wget命令，若系统未安装，参照链接安装。解压数据后，将VASP计算结果输出的OUTCAR文件转化为DeepMD-kit可使用的数据格式。转换使用特定命令，data目录下会生成numpy压缩格式的数据文件。在转换过程中，set_size参数决定每个数据子集的帧数。设置后，数据将自动拆分为训练集和测试集。将转换脚本...