概览
Allegro 是一个软件包，在 NequIP 框架中实现 Allegro E(3)-等变机器学习原子间势。它提供用于构建原子间势的模型实现，而不是针对某个特定化学体系提供可直接使用的势。其工作流作用是将 Allegro 模型配置与 NequIP 的训练、测试和模型使用功能衔接起来。
该仓库将 configs/tutorial.yaml 列为最简训练配置，并将更广泛的工作流指向 NequIP 文档。因此，配置文件是有文档说明的起始输入，而生成的模型可通过 NequIP 使用，或集成到 LAMMPS 模拟中。来源摘录未说明训练数据的模式、预测量的约定或可用的预训练权重；在准备针对特定体系的工作流前，应查阅链接文档核实这些细节。
关于 GPU 执行，README 介绍了使用 CuEquivariance 或自定义 Triton 内核的加速修饰器。这两种选项明确不能同时使用。LAMMPS 集成通过独立的 pair_allegro 插件仓库提供；据介绍，该插件支持 Kokkos 加速、MPI 和并行多 GPU 模拟。这些是来源中描述的功能，并非独立测得的性能结果。
依赖项的版本对应关系很重要：README 提醒，NequIP 曾有一次向后不兼容的更新，而所提供的软件包元数据声明 nequip>=0.18.0 和 Python >=3.10。用户应遵循所选发行版的要求，而不要将历史版本对应关系视为当前安装指南。这些摘录并未证实其在特定应用中的准确性、硬件兼容性或模拟有效性。
主要功能
- 将 Allegro E(3)-等变机器学习原子间势实现为 NequIP 的扩展。
- 在 `configs/tutorial.yaml` 中提供最简训练配置；训练、测试和模型使用通过 NequIP 工作流完成。
- 通过集成 CuEquivariance 或自定义 Triton 内核提供 GPU 加速修饰器；两者不能同时使用。
- 通过独立的 `pair_allegro` 插件将 Allegro 模型接入 LAMMPS；文档说明其支持 Kokkos、MPI 和并行多 GPU。
使用场景
- 预期评估：通过 NequIP 训练针对特定体系的 Allegro 势，并在有代表性的留出原子构型上评估其适用性。
- 预期评估：使用 `pair_allegro` 将经过适当验证的 Allegro 模型集成到 LAMMPS 原子动力学工作流中。
- 预期评估：针对选定的训练或推理工作负载，分别比较文档所述的 CuEquivariance 和 Triton 加速方案。
使用方式
- 查阅 Allegro 仓库，了解其作为 NequIP 扩展的作用。谨慎选择发行版，并留意 README 关于较旧且不兼容的框架版本的警告。
- 查阅 NequIP 文档，了解依赖项和 PyTorch 相关指引。所提供的软件包元数据要求 Python
>=3.10和nequip>=0.18.0；README 指出 PyPI 软件包名为nequip-allegro。 - 在仓库中找到
configs/tutorial.yaml，并阅读 Allegro 文档。在根据化学体系调整配置之前，确认数据集要求和模型输出。 - 按照 NequIP 文档所述的训练和测试工作流操作。作为一项预期评估，在将模型用于模拟之前，检查其在有代表性的留出构型上的表现。
- 如需使用 GPU，请阅读加速指南。选择 CuEquivariance 或自定义 Triton 内核，切勿同时使用两者。
- 如需部署到 LAMMPS，请查阅独立的插件仓库。针对你的模拟环境评估相关的 Kokkos、MPI 或多 GPU 配置。