GDML 和 sGDML 力场模型的参考实现。
项目描述
对称梯度域机器学习 (sGDML)
欲了解更多详情，请访问：sgdml.org
可在此处找到文档：docs.sgdml.org
要求：
- Python 3.7+
- PyTorch (>=1.8)
- NumPy (>=1.19)
- SciPy (>=1.1)
可选的：
- ASE (>=3.16.2)（运行原子模拟）
入门
稳定发布
pip大多数系统都预装了 Python 的默认包管理器。只需调用以下命令即可安装sgdml：
$ pip install sgdml
现在sgdml可以从系统上的任何位置使用命令行界面和相应的 Python API。
开发版
(1) 克隆存储库
$ git clone https://github.com/stefanch/sGDML.git
$ cd sGDML
...或更新您现有的本地副本
$ git pull origin master
(2) 安装
$ pip install -e .
使用 flag --user，您可以告诉pip将软件包安装到当前用户的主目录，而不是系统范围内。此选项可能要求您PATH相应地更新系统变量。
可选依赖项
此软件包的某些功能依赖于默认未安装的第三方库。这些可选的依赖项（或“package extras”）是在安装期间使用“方括号语法”指定的：
$ pip install sgdml[<optional1>]
原子模拟环境 (ASE)
如果您有兴趣与ASE交互以执行原子模拟（请参见此处的示例），请使用以下ase关键字：
$ pip install sgdml[ase]
重建你的第一个力场
下载示例数据集之一：
$ sgdml-get dataset ethanol_dft
训练一个力场模型：
$ sgdml all ethanol_dft.npz 200 1000 5000
查询力场
import numpy as np
from sgdml.predict import GDMLPredict
from sgdml.utils import io
r,_ = io.read_xyz('geometries/ethanol.xyz') # 9 atoms
print(r.shape) # (1,27)
model = np.load('models/ethanol.npz')
gdml = GDMLPredict(model)
e,f = gdml.predict(r)
print(e.shape) # (1,)
print(f.shape) # (1,27)
作者
- 斯特凡·奇米拉
- 扬赫尔曼
我们感谢并欢迎贡献，并感谢以下人员参与此项目：
- 胡齐尔酱
- 伊戈尔·波尔塔夫斯基
- 路易斯·加尔维斯
- 丹尼·潘克宁
- 格雷戈里·丰塞卡
参考
-
[1] Chmiela, S., Tkatchenko, A., Sauceda, HE, Poltavsky, I., Schütt, KT, Müller, K.-R.， 精确节能分子力场的机器学习。 科学进展，3(5)，e1603015 (2017)
10.1126/sciadv.1603015 -
[2] Chmiela, S., Sauceda, HE, Müller, K.-R. 和 Tkatchenko, A.， 使用机器学习力场进行精确分子动力学模拟。 自然通讯, 9(1), 3887 (2018)
10.1038/s41467-018-06169-2 -
[3] Chmiela, S., Sauceda, HE, Poltavsky, I., Müller, K.-R. 和 Tkatchenko, A., sGDML：使用机器学习构建准确和数据高效的分子力场。 计算机物理通讯, 240, 38-45 (2019) 10.1016/j.cpc.2019.02.007
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.