NepTrain 与 NepTrainKit：面向神经进化势的自动主动学习与可视化工具包
机器学习
2025-06-03 v1 材料科学
摘要
作为一种机器学习势，神经进化势（NEP）方法具有极高的计算效率，并已成功应用于材料科学。构建高质量的训练数据集对于开发准确的 NEP 模型至关重要。然而，由于 NEP 训练数据集的准备和筛选耗时、费力且资源密集，其仍是更广泛应用的瓶颈。在这项工作中，我们开发了 NepTrain 和 NepTrainKit，专门用于初始化和管理训练数据集以生成高质量训练集，同时实现 NEP 模型训练的自动化。NepTrain 是一个开源 Python 包，具有键长过滤方法，可有效识别并移除分子动力学轨迹中的非物理结构，从而确保高质量的训练数据集。NepTrainKit 是一款专为 NEP 训练数据集设计的图形用户界面（GUI）软件，提供数据编辑、可视化和交互式探索功能。它集成了离群点识别、最远点采样、非物理结构检测和构型类型选择等关键功能。这些工具的结合使用户能够更高效、便捷地处理数据集。我们以 为案例研究，展示了使用 NepTrain 训练 NEP 模型的完整工作流程，并通过材料性质预测进一步验证了模型。我们相信该工具包将极大地惠及从事机器学习原子间势研究的科研人员。
引用
@article{arxiv.2506.01868,
title = {NepTrain and NepTrainKit: Automated Active Learning and Visualization Toolkit for Neuroevolution Potentials},
author = {Chengbing Chen and Yutong Li and Rui Zhao and Zhoulin Liu and Zheyong Fan and Gang Tang and Zhiyong Wang},
journal= {arXiv preprint arXiv:2506.01868},
year = {2025}
}