DeePMD-kit包括三部分:1) 用于计算作用力、描述符和作用力的C++库,包括与TensorFlow的接口和第三方MD包;2) 使用TensorFlow的训练和测试程序;3) 对于LAMMPS和i-PI的支持。 一个完整的模拟过程包括以下步骤:1) 对于给定的系统,DeePMD-kit先将AIMD计算得到的数据转化为一种自定义的文件格式,其中包括原子的坐标以及原子...
DP 基础使用主要给大家讲解 DP 系列软件的使用方法(主要是 DeePMD-kit 和 DP-GEN),DP 实战案例基于目前 DP 常见应用领域和学术成果,以理论+案例复现形式,向大家具体讲解 DP 的使用方式,让大家一步步变成 DP 深度用户;DP 最新进展:DPA-2,则主要向大家介绍 DeePMD-kit 最新的成果 DPA-2 原理及使用,让大家能够...
DeePMD-kit v1.x 的描述子仅支持两体嵌入,虽然在环境矩阵中已经包括了构型多体相关性的的描述,但是这个描述仍然是不完备的。在绝大多数应用中这种不完备性不会导致模型精度不足,但我们仍然发现在少数极端情况下两体嵌入的深度势能模型无法满足用户需求,因此在DeePMD-kit v2.0.0中加入了三体嵌入,更加完备地描述每个...
DeePMD-kit 是一个深度学习包,基于神经网络拟合第一原理数据,用于多体势能表示和分子动力学。无需人工干预,即可在数小时内以端到端的方式将用户提供的数据转换为深度势能模型,并可与常用分子动力学模拟软件(LAMMPS、OpenMM、GROMACS等)无缝集成。DeePMD-kit可以在保持量子力学精度和准确度的基础上,将分子动力学的计算...
DeePMD-kit 是围绕深度学习分子模拟方法DeepPotential开发的开源科学软件包。发布一年多以来,DeePMD-kit已被国内外多个研究组使用,涉及物理、化学、材料等多个领域。由于应用与开发需求的不断增加,我们决定定期开展使用交流会。在本次交流会上我们将发布和介绍DeePMD-kit v1.0版本和基于DeePMD-kit开发的力场生成软件DP-GE...
前段时间,我们发布了DeePMD-kit的在线和离线安装教程。当时并未详细介绍它的功能。神经网络势在之前介绍过。通过结构描述符提取每个粒子所处的原子环境信息,作为输入(input)进入到训练好的神经网络中,从而算出系统的能量。训练自DFT的计算结果,神经网络势的精度与DFT不相上下,但是速度快了几十倍;同时给如何有效地描述...
DeePMD-kit成功推动了分子动力学的跨越式发展,而高性能计算的加入将机器学习分子动力学的潜力持续释放。DeePMD-kit每天能够模拟1亿个原子超过1纳秒(1纳秒=1000皮秒)的轨迹,其在超级计算机顶点(Summit)上达到了双精度91P的峰值性能,到解时间快于之前基线水平1000倍以上。可以说DeePMD-kit的出现,定义了AI+Science...
DeepMD-kit的安装提供了离线、conda和docker三种方式供选择,本文将重点介绍使用conda安装DeepMD-kit的过程。在开始之前,确保您的Ubuntu系统已经安装了conda。如果没有,可以通过访问conda官网或使用以下命令下载并安装:cd 到您选择的目录,并运行以下命令安装conda:一旦conda成功安装,打开.bashrc文件,并在...
deepmd-kit不同描述子的含义 本文译自描述子官方解释,下图所示: deepmd-kit内置了多个descriptor,不同的descriptor的机制有微小差异。 下面是论文里的示意图: DOI: 10.1103/PhysRevLett.120.143001 可以看出模型总体思路是 把每个原子的坐标变成领域坐标 把领域坐标塞进embedding net转化成descriptor,此时的descriptor拥有...