deepmd训练、推理过程，系综是需要前后统一？

Assiduitas

我认为的worklfow：
第一步：使用cp2k进行relax 5ps+prod 10ps，使用间隔取点的办法从10 ps的prod轨迹中挑选构型作为最初的训练集（使用NVT系综模拟），sys_config也在10 ps 的prod中随机抽取几个作为dpgen的初始构型。
第二步：基于dpgen，进行主动学习探索，其explore部分进行NVT的md模拟，这个和训练集的系综保持一致！！！
             labeing部分定义的cp2k的FP计算模板，为什么官方推荐输出stress这个参数？？？是为了获得后续推理过程中能计算压力吗？？？
第三步：利用packmol建构推理所需要的大尺寸模型。这就存在一个问题：因为packmol建造的模型密度一般都会偏移正常的数值，导致正式采样之前应该用npt进行密度合理化。但是我前面基于dpgen的势函数训练，都是用nvt（不管是训练集的产生，还是MLP的训练都是nvt），这时候我用lammps+MLP进行npt模拟进行密度合理化是不是就不行呢？？？

Huschein

系综其实无所谓 但是系综决定了采样空间的一部分 一些普通的势函数比如AIMNet MACE 他们在小分子上train的一样可以用来跑MD