概览
DeePTB 提供了一个用于构建深度学习电子结构模型的统一 Python 包，而非单一的预训练预测器。其文档说明的适用范围包括紧束缚模型、Kohn–Sham 哈密顿量和密度矩阵。在材料建模工作流中，它提供学习得到的电子表示，用于电子结构计算和下游分析。README 介绍了将小体系上训练的模型应用于更大结构、处理结构扰动，以及与分子动力学耦合以进行有限温度模拟。
该包包含两个主要建模组件。DeePTB-SK 使用局域原子环境，通过神经网络修正来调整 Slater–Koster 紧束缚参数化，并支持配置基组和交换-相关泛函选项，以及自旋轨道耦合。DeePTB-E3 使用 E3 等变网络表示量子算符，包括在完整原子轨道线性组合（LCAO）基组中的 DFT 哈密顿量、密度矩阵和重叠矩阵。其文档所述架构包括局域等变消息传递，以及面向高阶轨道的 SO(2) 卷积。
所提供的能带计算示例使用模型检查点、structure.vasp 文件和 band.json 配置，并将结果写入指定输出目录。生成的哈密顿量还可以输入 DPNEGF，这是一个用于 NEGF 量子输运的独立配套包。来源摘录未说明完整的训练数据模式，也未确立该模型对特定材料的准确性。运行方面的限制包括需要兼容的 PyTorch 和 torch-scatter 二进制包；可选的 Julia/Pardiso 后端仅支持 Linux，Windows 用户可考虑使用 WSL2。README 建议在生产使用前进行安装测试，并指出其所述兼容性测试未涵盖已发布软件包的安装。
主要功能
- DeePTB-SK 提供依赖局域环境的 Slater–Koster 紧束缚方法，通过神经网络进行修正，并支持配置基组和交换-相关泛函选项。
- DeePTB-SK 支持具有显著自旋轨道耦合效应的体系。
- DeePTB-E3 使用 E3 等变神经网络，在完整 LCAO 基组中表示 DFT 哈密顿量、密度矩阵和重叠矩阵。
- DeePTB-E3 采用局域等变消息传递和 SO(2) 卷积，以处理高阶 LCAO 轨道。
- 生成的哈密顿量可以与独立的配套包 DPNEGF 集成，用于 NEGF 量子输运计算。
- 可选的 Julia/Pardiso 后端支持使用配置、模型检查点和原子结构进行能带结构计算。
使用场景
- 建议的评估：将 DeePTB-SK 对有代表性的扰动结构所作的电子结构预测与参考计算进行比较；在相关情况下纳入自旋轨道耦合。
- 建议的评估：对于具有适当 LCAO 参考基组的材料，评估 DeePTB-E3 的哈密顿量、密度矩阵或重叠矩阵表示。
- 建议的评估：测试模型从小体系训练示例迁移到更大结构或与有限温度研究相关的分子动力学构型的表现。
- 建议的评估：将生成的哈密顿量传递给 DPNEGF，并评估其是否适用于选定的量子输运问题。
使用方式
- 阅读官方文档，并根据所需的紧束缚或量子算符表示选择 DeePTB-SK 或 DeePTB-E3。准备数据前，确认相关的基组选项和教程输入。
- 查阅代码库中的安装部分。检查文档列出的 Python、Git 和 UV 要求，以及适用时的 GPU 驱动要求。若需独立使用，优先采用其推荐的源码安装路径。
- 按照文档中的环境设置和激活说明操作。在生产使用前运行提供的单元测试流程；若出现失败，应先排查问题，不要假定安装可用。
- 参照文档准备所选工作流。对于示例中的 Pardiso 能带计算，确认模型检查点、band.json 配置、structure.vasp 输入文件和输出目录；并检查该后端仅限 Linux 的限制。
- 将结果与目标材料的参考电子结构计算进行比较评估。如需输运计算，请另行查阅 DPNEGF。报告工作时，遵循 README 中针对不同组件的引用说明。