mace-mh-1算了一个InAs

benz_25 发表于 2026-4-16 12:26
谢谢老师的宝贵意见。

这个结构是用ASE从InAs和GaAs拼的，x的其他值以及0.5的其他随机结构我目前是打算 ...

https://sidereus-ai.com/workbenc ... it&taskType=kit,你可以试试训练一个mace看看，或者在https://sidereus-ai.com/workbenc ... it&taskType=kit里面直接用mace-mh-1预训练模型先算个这个声子谱看看，你只有300K AIMD的问题在于温度太低了，需要加一些rattle甚至是直接的原胞振动模式的轨迹的label，目前我发的这个平台支持你直接训练mace模型和调用自己/内置的mace模型做计算，开应力/维利对需要变胞的任务还是很重要的

谢谢老师的宝贵意见。

这个结构是用ASE从InAs和GaAs拼的，x的其他值以及0.5的其他随机结构我目前是打算在主动学习阶段探索然后标注逐步进行微调训练。目前的数据集只是作为第一轮的初始模型。确实按道理来说得准备不同温度、不同体积缩放以及不同原子扰动的数据，我看dpgen的流程里会准备大范围的数据，然后每种跑10帧。

这个NVT可能就是我GaAs最后那个虚频的原因，我会先考虑一下virial看看。

关于AIMD轨迹，这个2000帧确实无法稳定温度，后面还有一部分温度很高，但我也看到一些别的地方的帖子说这个轨迹状态实际上影响不大，因为本质上是学每一帧的力和能量，我觉得这也能解释dpgen生产数据集里只跑10帧的行为，一开始我也困惑这个10帧是否真的到达稳定状态，后面我只是默认接受了可以这样。或许我要更谨慎查证一下文献。

关于软件我会考虑的，之前入了这个VASP的坑，就惯性不想折腾了，我之后试试CP2K

In0.5Ga0.5As的结构是哪来的，其中In和Ga的排布有多少随机性？如果要尽可能覆盖InxGa1-xAs的空间，x只取0, 0.5, 1是感觉少了点，我感觉应该0, 0.2, 0.4, 0.6, 0.8, 1起步吧，而且每个组成可以跑不止一个体系的。

AIMD是在NVT系综canonical ensemble下跑的话，训练集的数据根本没体现晶格参数变化的影响，训练出来的模型当然不能描述好优化体积的过程，此外AIMD的采样过程也未必涵盖优化所得的极小点附近的构型。我认为应该把目标压力下NPT系综模拟以及变胞优化到极小点的过程全都加进训练集，并且应当考虑virial。

我不知道你是否可视化观察过300 K温度下的AIMD轨迹，很可能因为温度不够高、原子热运动幅度不够大，表面上有2000帧的数据实际上有很多相似的重复部分。一方面适当升温、延长轨迹可以让采样更充分，另一方面也可以尝试根据各帧与相邻帧的描述符相近程度去一下重（可能需要自己写脚本实现）。

最后，计算资源不怎么充裕的话，也可能需要综合训练所需数据量，考虑是否要把VASP换成别的更快更高效的软件。