跳转到正文

ReacNetGenerator Skill (Jinzhe Zeng Group)

hcustc-bot

用于反应分子动力学后处理的 Skill,指导选择 ReacNetGenerator 工具、准备 LAMMPS 轨迹、生成反应网络并检查已有分析输出。

条目更新 ·

概览

ReacNetGenerator Skill 是 computational-chemistry-agent-skills 集合中的一项指令资源,位于 analysis/reacnetgenerator/SKILL.md。它指导助手使用 ReacNetGenerator 和独立的 reacnet-md-tools 封装工具进行反应分子动力学后处理。该 Skill 不是底层分析软件包,也不是可独立运行的智能体;它的作用是组织输入检查、工具选择、执行选项和输出检查。

文档说明的输入包括 LAMMPS bond 和 dump 轨迹、XYZ 及 extended XYZ 文件。工作流程要求提供轨迹路径和原子名称,也可以从 LAMMPS data 文件推断原子名称。内容还涉及 scaled 与 Cartesian dump 坐标,以及通过 reacnet-md-tools 转换正交和三斜晶胞坐标。周期性设置取决于可用的晶胞信息;原子类型映射不明确时,应先请求澄清,而不是猜测对应关系。

对于常规 LAMMPS dump 分析,Skill 推荐使用 rng-pipeline。若需要较低层级的选项,它会引导用户使用原生 reacnetgenerator CLI;查询已有的 .reactionabcd 或 .species 文件时使用 rng-query;特别需要本地浏览器界面时使用 rng-webapp。预期产物包括日志、HTML/SVG/JSON 报告、物种和反应文件;封装工作流程还会生成 summary.md,并将输出整理到 out/<input_basename>/ 下。

该 Skill 声明需要 uv 和 python3,并指出除非依赖已缓存,否则解析软件包时可能需要互联网连接。其 HMM 指引区分快速初步处理与明确要求启用 HMM 的分析。这些是文档所述的工作流程建议,并不能证明已进行科学验证,也不代表针对特定轨迹测试过结果。

主要功能

  • 指导使用 ReacNetGenerator 分析 bond、dump、xyz 和 extxyz 格式的反应分子动力学轨迹。
  • 将常规运行、低层级 CLI 请求、已有输出查询和基于浏览器的检查分别引导至不同工具。
  • 说明如何通过 reacnet-md-tools 转换 LAMMPS 坐标,包括正交和三斜晶胞。
  • 支持从 LAMMPS data 文件推断原子名称;映射不明确时要求先澄清。
  • 提供有关周期性边界、缺少晶胞信息以及可选 HMM 处理的决策规则。
  • 规定可预测的输出组织方式,包括 run.log、报告文件、物种/反应产物以及由封装流程生成的摘要。

使用场景

  • 建议的评估方式:处理一个有代表性的 LAMMPS 反应分子动力学 dump,以评估坐标处理和原子名称推断是否适合模拟文件的格式约定。
  • 通过文档所述的查询工作流程检查已有的 .reactionabcd 和 .species 输出,无需重新分析轨迹。
  • 规划 XYZ 或 extxyz 分析时,先确认晶胞信息和周期性设置,再选择合适的执行路径。
  • 建议的评估方式:比较快速初步分析与明确要求启用 HMM 的运行,并检查生成的产物;不要预先假定任一处理方式在科学上都足够适用。

使用方式

  1. 阅读指定的 Skill,了解它在集合中的作用,并区分其中的指令与外部分析工具。
  2. 检查其声明的 uv 和 python3 前提条件。若软件包尚未缓存,请考虑软件包解析可能依赖互联网;有关提供的调用模式,请参阅源说明。
  3. 确定轨迹路径和输入格式。提供原子名称或合适的 LAMMPS data 文件,并在分析前解决不明确的类型映射。
  4. 遵循 Skill 关于晶胞和周期性的规则。有效的 LAMMPS BOX BOUNDS 可提供晶胞信息;没有此类信息的 XYZ 文件需要先确定周期性设置。针对预期分析,明确指定是否采用 HMM 处理。
  5. 常规 dump 处理选择 rng-pipeline;需要低层级选项时选择原生 reacnetgenerator;查询已有输出时选择 rng-query。使用 Skill 链接的参考资料,不要臆造标志参数。
  6. 检查文档所述输出位置中的日志、报告和物种/反应文件。进行初步评估时,先检查输入解读和输出完整性,再将反应网络用于下游研究。

相关资源

Allegro

模型

Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势,并提供文档说明的 GPU 加速选项,以及用于 LAMMPS 模拟的独立插件。

开源Python

计算化学 · 材料发现

ASE

开源工具

ASE 是原子模拟的 Python 工具库,通过统一计算器接口连接传统计算程序和外部机器学习势。

开源Python

计算化学

computational-chemistry-agent-skills 集合中的 ASE 路由 Skill,将工作流准备与计算器配置分开,并将执行委托给其他环节。

计算化学 · 材料发现

Cantera Skill (K-Dense) 提供用于均相点火计算的操作说明和 Python 辅助工具,并包含机理来源记录、守恒诊断和数值细化检查。

开源Python

计算化学 · 工艺优化

ChemAgent (AI4Chem) 是一个面向化学与材料领域工具使用的研究框架,与 CheMatAgent 论文相关;该论文介绍了基于树搜索的规划、工具执行以及基于 ChemToolBench 的训练。

计算化学 · 材料发现

ChemAgent 是一个化学推理研究框架,通过拆解问题并检索可复用记忆来支持推理;其发布的代码可用于构建记忆池和运行 SciBench 实验。

Python

计算化学

相关指南

技能

化学 AI Skills 是什么?科研 Agent 的能力模块详解

了解化学 AI Skills 如何作为可复用的流程模块:`SKILL.md` 包含什么内容,宿主如何加载指令,Skills 与 MCP 和智能体有何区别,以及如何选择、组合和评估它们,同时避免将操作指导误认为科学验证。

工作流

计算化学 AI 工作流:从结构到模拟与结果分析

借助 AI Skills 构建重视证据的计算化学工作流,涵盖结构准备、声子、气相着火、CALPHAD 平衡和反应分子动力学分析,同时明确真实输入、执行依赖和科学验证。