计算化学公社

标题: 如何用AIMD原子轨迹机器学习拟合势参数跑经典MD [打印本页]

作者
Author: nusiew 时间: 2023-12-5 17:20
标题: 如何用AIMD原子轨迹机器学习拟合势参数跑经典MD
本帖最后由 nusiew 于 2023-12-5 17:22 编辑

1. 想要利用cp2k输出的AIMD原子轨迹，进行机器学习拟合势参数，跑大规模体系的经典MD，体系暂定是高温合金熔体和熔盐体系。

2. 初步调研发现DeePMD-kit可以实现，目前有一些cp2k从头算、lammps MD和python编程基础，请问DeePMD-kit这个是否好入门？学期周期是否长？对训练的算力要求是否高？

3. 或者有哪些其他更容易实现的途径，谢过各位大佬了

作者
Author: yxzinc 时间: 2023-12-6 09:44
这个是最成熟的方案，cp2k+DP+LAMMPS这一套正刊子刊都发了几篇了

作者
Author: Aletyx 时间: 2023-12-6 10:02
DeePMD-kit非常好入门，跟着教程几分钟就能跑起来

作者
Author: Weldingspock 时间: 2023-12-6 10:23
DP学习资源多，也比较好上手。但是如果你跑大规模体系（大于5w原子）的话，DP的速度太慢，需要许多卡并行才行。如果GPU资源不够可以考虑换GPUMD+NEP的组合

作者
Author: wolfli369 时间: 2023-12-6 10:53
求分享一个样本

作者
Author: Jerry_Fan 时间: 2025-4-13 20:25
本帖最后由 Jerry_Fan 于 2025-4-13 20:26 编辑

你好，请问你后续做的怎么样了？我现在在纠结要不要进行下去。我只有300左右原子，选定了7501帧cp2k的AIMD数据作为初始数据集，之后开始用dpgen进行迭代。但是我发现，我的dp训练过程中，训练1000步需要超过10分钟，即使按照文献中最少训练的50W步也需要80多个小时。这还是在双路128核心超算上跑的（只有CPU）。此外同批次训练4个模型，迭代至少5轮，这个开销还是特别大，同时时间也很久。这还没有算上dpgen的探索和标记中的计算过程，这个过程光是想想就觉得花费不起，还需要考虑其中的bug，以及可能计算错的数据，包括不理想的结果。比如我之前在公社里面还贴出了cp2k计算出的可能存在的问题（或许不是问题），Hieshfeld电荷问题在google cp2k group里面开发者回复可能是cp2k本身潜在的问题。当然还有态密度等等问题。因此，我想问下你的开销大约多少？或者这个时间是否能够接受？或者这个训练的是不是合理的？（我在dpgen的社区里面也提出了这个问题https://github.com/deepmodeling/dpgen/discussions/1740）
最近，因为在思考反应力场适用性的问题，想着对比一下反应力场计算和cp2k计算的能量，但是cp2k得结果在-3300hartree左右，这和lammps用计算的-30000多kcal/mol完全没法比较（我知道确实不应该比较绝对值/以及可能的基组赝势选取问题/用的DZVP即使可能精度不够），但是这差距甚大，我有些不明白文献中DFT和reaxff能量结果对比是怎么获得的。反应力场现在用的确实太杂了，很多人甚至不明白就用，我读了能找到的文献，用反应力场做的文献我完全找不到对应的反应力场文件，都是各种组合而来，这显然是不合理的。因此，我也在验证对比已有的一些反应场文件能否适用我的体系。

作者
Author: biogon 时间: 2025-7-1 15:30

Jerry_Fan 发表于 2025-4-13 20:25
你好，请问你后续做的怎么样了？我现在在纠结要不要进行下去。我只有300左右原子，选定了7501帧cp2k的AIMD ...

资源不够就换nep，而且训练mlip根本不需要那么多结构

欢迎光临计算化学公社 (http://bbs.keinsci.com/)