DP-GEN：用于生成可靠的基于深度学习的势能模型的并发学习平台
计算物理
2020-06-23 v1
摘要
近年来，人们提出了有前景的基于深度学习的原子间势能面（PES）模型，这些模型有可能使我们以量子精度对大尺度系统进行分子动力学模拟。然而，使这些模型真正可靠且实用仍是一项非常非平凡的任务。该任务中的一个关键组成部分是用于模型训练的数据集的生成。在本文中，我们介绍了Deep Potential GENerator（DP-GEN），一个开源软件平台，它实现了最近提出的“on-the-fly”学习流程[Phys. Rev. Materials 3, 023804]，并能够以最小化人为干预以及数据生成和模型训练计算成本的方式生成均匀准确的基于深度学习的PES模型。DP-GEN自动且迭代地执行三个步骤：探索、标注和训练。它支持这三个步骤的各种流行软件包：用于探索的LAMMPS，用于标注的Quantum Espresso、VASP、CP2K等，以及用于训练的DeePMD-kit。它还允许在不同类型的机器（如高性能集群和云机器）上自动提交作业和收集结果，并适应不同的作业管理工具，包括Slurm、PBS和LSF。作为一个具体示例，我们说明了使用DP-GEN生成Cu的通用PES模型的过程细节。
引用
@article{arxiv.1910.12690,
title = {DP-GEN: A concurrent learning platform for the generation of reliable deep learning based potential energy models},
author = {Yuzhi Zhang and Haidi Wang and Weijie Chen and Jinzhe Zeng and Linfeng Zhang and Han Wang and Weinan E},
journal= {arXiv preprint arXiv:1910.12690},
year = {2020}
}
备注
29 pages, 6 figures