本文へスキップ

Phonopy Skill (Jinzhe Zeng Group)

qqgu

バックエンドに依存しない Phonopy Skill。有限変位計算の計画、力データの整理、および科学的前提を明示したバンド、状態密度、熱物性解析の手順を支援します。

掲載情報の更新 ·

概要

Phonopy Skill は computational-chemistry-agent-skills コレクションに含まれる指示リソースで、analysis/phonopy/SKILL.md にあります。phonopy を用いるフォノンワークフローをアシスタントに案内しつつ、変位の生成と解析を力の計算エンジンから切り分けています。上流の Phonopy パッケージでも、単独で動作するエージェントでもありません。指示では VASP、Quantum ESPRESSO、機械学習力場などの力計算プロバイダーが選択肢として挙げられていますが、連携がテスト済みであることを示すものではありません。

ワークフローは、有効な構造と、その単位胞または原始胞に関する情報から始まります。ユーザーは力計算バックエンド、スーパーセル、変位振幅、必要な出力を指定します。バンド計算では経路の定義とサンプリング設定も必要です。状態密度および熱物性計算ではメッシュ設定が必要で、熱物性には温度設定も必要です。Skill は、変位させたスーパーセルの生成、力ファイルとの対応関係の維持、データセットの完全性確認、および FORCE_SETS または力定数の組み立てをアシスタントに指示します。想定される成果物には、変位タスクの構成、組み立て状況、指定された解析ファイル、前提と未解決事項の記録が含まれます。

指示では、有効な構造に加えて、変位スーパーセルの力または事前計算済みの力定数を必須とし、入力が不足している場合は捏造せずにユーザーへ確認するよう求めています。バックエンドの実行とクラスタへの投入は別のワークフローに属します。科学的な制約も明示されています。スーパーセルが小さすぎること、単位の不一致、収束不足、曖昧なバンド経路は、解釈に影響する可能性があります。関連する長距離相互作用または非解析補正の設定も報告する必要があります。これらは文書化されたワークフロー要件であり、科学的結果が検証済みであることを示すものではありません。

主な機能

  • バックエンドに依存しない役割分担を定義します。Skill は変位とフォノン解析を整理し、別のプロバイダーが力を評価します。
  • 依頼された解析に応じて、構造、スーパーセル、変位、原始胞、対称性、メッシュ、バンド経路の設定を集めます。
  • 追跡可能な変位と力ファイルの対応付けを求め、力定数を組み立てる前に力データの完全性を確認します。
  • `FORCE_SETS` または力定数の組み立てと、その後のバンド構造、状態密度、熱物性の解析を案内します。
  • 前提、未解決の科学的選択、収束に関する注意点、関連する非解析補正の設定を明示して報告するよう求めます。
  • 力データの捏造と直接のクラスタ投入を禁止し、バックエンドおよび投入ワークフローへの引き継ぎ方法を示します。

用途

  • 評価案:指定された周期構造について有限変位バンド構造ワークフローを整理し、力計算は選択した DFT バックエンドに委ねます。
  • 評価案:機械学習力計算プロバイダーのワークフローが、フォノンの状態密度と熱物性解析に適した、完全で一貫して対応付けられた力を返すか評価します。
  • 評価案:出力を解釈する前に、力ファイルの不足、曖昧なバンド経路の規約、単位の不一致、未解決の収束設定がないかフォノンタスクを監査します。

使い方

  1. 指定された Skillとそのコレクションを確認します。これはワークフロー指示として扱ってください。記載されている前提条件は phonopy と、別途用意する力計算プロバイダーのワークフローです。
  2. 実際の構造ファイルと単位胞情報を用意します。変位スーパーセルの力または事前計算済みの力定数があるかを明示し、必須入力の不足を解消してから進めます。
  3. 解析目的、バックエンド、スーパーセル、変位振幅を指定します。原始胞と対称性の選択を明確にし、必要に応じてバンド経路またはメッシュと温度設定を追加します。
  4. Skill の変位ワークフローに従い、変位構造を選択したバックエンドに渡します。各変位とその力出力の対応関係を保ち、実行には別途のバックエンド指示または投入手順を使用します。
  5. FORCE_SETS または力定数を組み立てる前に、データの完全性と単位の規約を確認します。必要な解析出力を指定し、その後、前提、収束に関する注意点、虚数モード、関連する長距離設定を点検します。この点検は評価として扱い、科学的妥当性の証明とはみなさないでください。

関連リソース

ALIGNN

モデル

ALIGNN は、材料特性予測のための原子論的グラフニューラルネットワークを提供し、学習ワークフロー、事前学習済み予測器、および構造最適化向けの ALIGNN-FF 力場を備えています。

オープンソースPython

材料探索

Allegro

モデル

Allegro は NequIP の拡張として E(3) 等変原子間ポテンシャルを実装し、文書化された GPU 高速化オプションと、LAMMPS シミュレーション用の独立したプラグインを提供します。

オープンソースPython

計算化学 · 材料探索

computational-chemistry-agent-skills コレクションに含まれる ASE ルーティング Skill。ワークフローの準備と計算器の設定を分け、実行は別の担当先に委任します。

計算化学 · 材料探索

CGCNN

モデル

CGCNNは結晶グラフ畳み込みニューラルネットワークを実装し、結晶構造から材料特性を学習します。カスタムデータを用いたモデルの学習と、事前学習済みモデルによる予測に対応しています。

オープンソースPython

材料探索

ChatMOF

エージェント

ChatMOFは、言語モデルに導かれるツールを用いて、自然言語によるリクエストからMOFデータを検索し、特性を予測し、構造を生成する、コードが公開された研究システムです。

オープンソースPython

材料探索

ChemAgent (AI4Chem)

エージェント

ChemAgent (AI4Chem) は化学・材料分野でのツール利用を目的とする研究フレームワークであり、木探索による計画、ツール実行、ChemToolBench に基づく学習を扱う CheMatAgent 論文と関連しています。

計算化学 · 材料探索

関連ガイド

ワークフロー

材料科学のAIツール:MCP・Agents・Skillsの研究ワークフロー

材料データベース、研究エージェント、科学的Skillsの実践ガイド。凸包、平衡、フォノン、実験的安定性に関する主張を区別しながら、結晶スクリーニング、計算、解析を組織化する方法を解説します。

スキル

化学AI Skillsとは?研究エージェントの手順モジュールを理解する

化学AI Skillsを再利用可能な手順モジュールとして理解します。`SKILL.md`に何が含まれるか、ホストが指示をどう読み込むか、SkillsがMCPやエージェントとどう異なるか、そして指針を科学的検証と混同せずに選択、組み合わせ、評価する方法を説明します。