概要
DP-GEN（Deep Potential GENerator）は、深層学習による原子間ポテンシャルエネルギーモデルおよび力場モデルの生成を調整します。DeePMD-kitに依存し、分子シミュレーションや第一原理計算ソフトウェアの上位に位置するワークフローレイヤーとして機能します。単体の事前学習済みポテンシャルではありません。資料では、構造をサンプリングし、その一部を選んで第一原理計算を行うコンカレントラーニング手法が説明されています。これにより、サンプリングしたすべての構造にラベルを付けることなく、モデル開発を支援します。
文書に記載されたエントリーポイントは、主要な生成ワークフロー、バルク・表面・反応系の初期データ準備、既存データセットの削減、Deep Potentialのテストをカバーしています。入力例はJSON形式で提供されています。選択したワークフローに応じて、初期学習データ、削減済みデータセット、生成されたポテンシャルモデルが出力として想定されています。DP-GENはジョブスクリプトの準備、HPCジョブキューの管理、結果の解析も行い、科学計算の入力準備と、学習や計算を実行する外部プログラムとの間を担います。
READMEには、LAMMPS、Gromacs、AMBERなどのシミュレーションパッケージ、およびVASP、PWSCF、CP2Kなどの第一原理計算パッケージとのインターフェースが記載されています。また、Slurm、PBS、LSF、クラウドマシンへの対応も挙げられています。Python 3.10以降が必要です。これらは文書に記載されたインターフェースであり、特定のソフトウェア構成やクラスター設定がここでテスト済みであることを示すものではありません。出典の抜粋では、特定のシステムにおける精度、収束基準、計算コストは確立されていません。これらは対象とする化学系で評価する必要があります。
主な機能
- Deep Potentialモデルの開発にあたり、構造をサンプリングし、その一部を選んで第一原理計算を行うコンカレントラーニングワークフロー。
- ジョブスクリプトの自動準備、HPCキュー管理、結果解析を提供。文書ではSlurm、PBS、LSF、クラウドマシンへの対応が記載されています。
- `dpgen init_bulk`、`dpgen init_surf`、`dpgen init_reaction`による、バルク・表面・反応系の初期データワークフロー。
- DeePMD-kit、LAMMPS、Gromacs、AMBERなどの分子シミュレーションプログラム、および複数の第一原理計算パッケージとのインターフェース。
- `dpgen simplify`による既存データセットの削減と、`dpgen autotest`によるDeep Potentialのテスト。
用途
- 評価用途：初期データと主要な生成ワークフローを用いてバルク材料のDeep Potentialモデルを開発し、対象シミュレーションへの適合性を評価する。
- 評価用途：対応する初期化ワークフローを用いて、表面系または反応系の初期データを準備する。
- 評価用途：`dpgen simplify`で既存の学習データセットを削減し、削減後も対象モデルに適しているかを調べる。
- 評価用途：大規模な計算に着手する前に、文書に記載されたシミュレーションソフトウェアと第一原理計算ソフトウェアの組み合わせについて、HPCワークフローとの統合を評価する。
使い方
- DP-GENドキュメントを確認し、モデル生成、初期データ準備、データセット削減、テストから目的の作業を選びます。計算を設定する前に、ワークフローが科学的な課題に合っていることを確認してください。
- リンク先の環境ガイドに従い、Python 3.10以降の環境を準備します。公式READMEに記載されたインストール方法のいずれかを使用し、インストール確認も行います。
- DP-GENチュートリアルを進め、リポジトリ内のJSON例を確認します。初期データなしで始める場合は、初期化ドキュメントを参照してください。
- 主要ワークフローガイドを使用し、選択した外部計算プログラム向けにワークフローパラメーターとマシン設定を指定します。規模を拡大する前に、小規模な例で評価してください。
- 生成されたデータと結果を確認します。ポテンシャルの評価にはAutotest、データセットの削減にはSimplify、トラブルシューティングにはユーザーガイドを参照してください。