Bohrium
robot
新建

空间站广场

论文
Notebooks
比赛
课程
Apps
我的主页
我的Notebooks
我的论文库
我的足迹

我的工作空间

任务
节点
文件
数据集
镜像
项目
数据库
公开
DeePKS实战（二）|钙钛矿体系以PBE效率实现HSE06精度的多标签计算（针对单一元素组合体系）
DeePKS
ABACUS
ABACUS使用教程
DeePKS使用教程
DeePKSABACUSABACUS使用教程DeePKS使用教程
John Yan
weiqingzhou@whu.edu.cn
更新于 2024-09-27
推荐镜像 :deepks-abacus:3.7.5v1
推荐机型 :c2_m4_cpu
赞
0. 写在前边
1. 多标签训练数据的准备
2. 进行多标签训练需要修改的参数
2.1 scf_abacus.yaml
2.2 params.yaml
3. 多标签训练过程
4. 多标签训练结果

©️ Copyright 2024 @ Authors
作者：John Yan (AISI电子结构团队实习生) 📨
日期：2024-9-26
共享协议：本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
快速开始：点击上方的 开始连接 按钮，选择 deepks-abacus:3.7.5v1 镜像及 c2_m4_cpu 节点配置，并在连接后点击右上方的切换内核，选择Python (ipykernel)内核稍等片刻即可运行。

代码
文本

目录：
0. 写在前边
1. 多标签训练数据的准备
2. 进行多标签训练需要修改的参数
3. 多标签训练过程
4. 多标签训练结果

代码
文本

0. 写在前边

代码
文本

DeePKS模型训练有两条难度线，一条是算例体系的泛化，即从单一元素体系和单一元素组合体系到多元素组合和原子数不同的复杂体系；另一条是标签的扩展，从最简单的能量标签训练出发，到引入力、应力和能带等多标签训练。

本节基于上一节实现的单一元素体系的能量标签训练，将训练的标签扩展到能量、力、应力和能带等多个标签。

代码
文本

1. 多标签训练数据的准备

代码
文本

参考附录教程DeePKS实战（附录）|使用DeePKS init功能进行训练数据的生产里的方案，使用ABACUS批量生产hse06标签。

代码
文本
[12]
!cd /data/deepks_perov_demo/perov_multi_label/systems && tree -L 2
.
├── group.04
│   ├── ABACUS
│   ├── atom.npy
│   ├── box.npy
│   ├── energy.npy
│   ├── force.npy
│   ├── orbital.npy
│   └── stress.npy
├── group.05
│   ├── ABACUS
│   ├── atom.npy
│   ├── box.npy
│   ├── energy.npy
│   ├── force.npy
│   ├── orbital.npy
│   └── stress.npy
├── group.06
│   ├── ABACUS
│   ├── atom.npy
│   ├── box.npy
│   ├── energy.npy
│   ├── force.npy
│   ├── orbital.npy
│   └── stress.npy
├── rm_chg.py
└── stats.py

6 directories, 20 files
代码
文本

2. 进行多标签训练需要修改的参数

代码
文本

2.1 scf_abacus.yaml

代码
文本

需要修改abacus计算input参数，使其能够正常输出力、应力和轨道文件

  cal_force: 1 #输出力结果
  cal_stress: 1 #输出应力结果
  deepks_bandgap: 1 #输出轨道（能带）结果

完整的参数：

scf_abacus:
  #INPUT args
  # ntype: 3
  ecutwfc: 100
  scf_thr: 1e-7
  scf_nmax: 50
  dft_functional: "pbe"
  gamma_only: 0
  kspacing: 0.1
  cal_force: 1 #输出力结果
  cal_stress: 1 #输出应力结果
  deepks_bandgap: 1 #输出轨道（能带）结果
  #STRU args ( Here are default STRU args, you can set for each group in  ../systems/group.xx/stru_abacus.yaml )
  orb_files: ["Cs_gga_10au_100Ry_4s2p1d.orb","Pb_gga_7au_100Ry_2s2p2d1f.orb","I_gga_7au_100Ry_2s2p2d1f.orb"]
  pp_files: ["Cs_ONCV_PBE-1.0.upf","Pb_ONCV_PBE-1.0.upf","I_ONCV_PBE-1.0.upf"]
  proj_file: ["jle.orb"]
  lattice_constant: 1.88972613
  lattice_vector: [[28, 0, 0], [0, 28, 0], [0, 0, 28]]
  coord_type: "Cartesian"
  #cmd args
  run_cmd : "mpirun"
  abacus_path: "abacus"
代码
文本

注意，为了使得模型更容易收敛，第一轮init时不训练力、应力和轨道标签，相应的init_scf_abacus部分为：

init_scf_abacus:
  orb_files: ["Cs_gga_10au_100Ry_4s2p1d.orb","Pb_gga_7au_100Ry_2s2p2d1f.orb","I_gga_7au_100Ry_2s2p2d1f.orb"]
  pp_files: ["Cs_ONCV_PBE-1.0.upf","Pb_ONCV_PBE-1.0.upf","I_ONCV_PBE-1.0.upf"]
  proj_file: ["jle.orb"]
  # ntype: 3
  ecutwfc: 100
  scf_thr: 1e-7
  scf_nmax: 50
  dft_functional: "pbe"
  gamma_only: 0
  kspacing: 0.1
  cal_force: 0 #init不输出力
  cal_stress: 0 #init不输出应力
  deepks_bandgap: 0 #init不输出轨道（能带）
  lattice_constant: 1.88972613
  lattice_vector: [[28, 0, 0], [0, 28, 0], [0, 0, 28]]
  coord_type: "Cartesian"
  #cmd args
  run_cmd : "mpirun"
  abacus_path: "abacus"
代码
文本

2.2 params.yaml

代码
文本

需要修改params.yaml中的参数使得其他标签可以加入到训练中，

extra_label为true时打开多标签训练

    extra_label: true  #set to true if force/stress/energy gap labels are required

force_factor stress_factor 和orbital_factor决定其在Loss函数中的占比

    force_factor: 1 #for force training; otherwise set to 0.
    stress_factor: 0.1 #for stress training; otherwise set to 0.
    orbital_factor: 0.1 #set to non-zero value (e.g. 0.001) for orbital training.
代码
文本

3. 多标签训练过程

代码
文本

填写提交bohrium服务器运行的账户信息

代码
文本
[15]
import yaml
import getpass
from monty.serialization import loadfn, dumpfn
file_path = '/data/deepks_perov_demo/perov_multi_label/iter/machines_dpdispatcher.yaml'

with open(file_path) as f:
j = yaml.load(f.read(), Loader=yaml.FullLoader)

email = input('Please enter your Bohrium account: ')
password = getpass.getpass('Please enter your password: ')
program_id = int(input('Please enter your Bohrium Program ID: '))

deepks_steps = ['scf_machine', 'train_machine']
for i in deepks_steps:
j[i]['dpdispatcher_machine']['remote_profile']['email'] = email
j[i]['dpdispatcher_machine']['remote_profile']['password'] = password
j[i]['dpdispatcher_machine']['remote_profile']['program_id'] = program_id

with open(file_path, 'w') as f:
data = yaml.dump(j, f)
Please enter your Bohrium account: 
---------------------------------------------------------------------------
KeyboardInterrupt                         Traceback (most recent call last)
Cell In[15], line 9
      6 with open(file_path) as f:
      7     j = yaml.load(f.read(), Loader=yaml.FullLoader)
----> 9 email = input('Please enter your Bohrium account: ')
     10 password = getpass.getpass('Please enter your password: ')
     11 program_id = int(input('Please enter your Bohrium Program ID: '))

File /opt/miniconda3/lib/python3.9/site-packages/ipykernel/kernelbase.py:1191, in Kernel.raw_input(self, prompt)
   1189     msg = "raw_input was called, but this frontend does not support input requests."
   1190     raise StdinNotImplementedError(msg)
-> 1191 return self._input_request(
   1192     str(prompt),
   1193     self._parent_ident["shell"],
   1194     self.get_parent("shell"),
   1195     password=False,
   1196 )

File /opt/miniconda3/lib/python3.9/site-packages/ipykernel/kernelbase.py:1234, in Kernel._input_request(self, prompt, ident, parent, password)
   1231 except KeyboardInterrupt:
   1232     # re-raise KeyboardInterrupt, to truncate traceback
   1233     msg = "Interrupted by user"
-> 1234     raise KeyboardInterrupt(msg) from None
   1235 except Exception:
   1236     self.log.warning("Invalid Message:", exc_info=True)

KeyboardInterrupt: Interrupted by user
代码
文本

取消以下代码的注释并运行可进行计算，大约会产生60-80元机时费用。

代码
文本
[ ]
# cd /data/deepks_perov_demo/perov_multi_label/iter && bash run_dpdispatcher.sh
代码
文本

4. 多标签训练结果

代码
文本

多标签训练每一轮的log.data如下：

iter.00

Training:
  Convergence:
    30 / 30 = 	 1.00000
  Energy:
    ME: 	 0.0036325675616694754
    MAE: 	 0.0036325675616694754
    MARE: 	 0.0006202088155676696
  Force:
    MAE: 	 0.00031047197788019787
  Stress:
    MAE: 	 0.00509711461234655
  Band gap:
    ME: 	 0.0217763592973436
    MAE: 	 0.0217763592973436
Testing:
  Convergence:
    37 / 37 = 	 1.00000
  Energy:
    ME: 	 0.00432524858408485
    MAE: 	 0.00432524858408485
    MARE: 	 0.0008778410702938025
  Force:
    MAE: 	 0.00037751705637948437
  Stress:
    MAE: 	 0.008439109417934182
  Band gap:
    ME: 	 0.021472271924102487
    MAE: 	 0.021472271924102487

iter.01

Training:
  Convergence:
    30 / 30 = 	 1.00000
  Energy:
    ME: 	 0.008357217276113715
    MAE: 	 0.008357217276113715
    MARE: 	 0.0015358664115448543
  Force:
    MAE: 	 0.0004249036064122422
  Stress:
    MAE: 	 0.015347465219679106
  Band gap:
    ME: 	 0.006760373705103745
    MAE: 	 0.006760373705103745
Testing:
  Convergence:
    37 / 37 = 	 1.00000
  Energy:
    ME: 	 0.007583024722567348
    MAE: 	 0.007583024722567348
    MARE: 	 0.0013684131109182483
  Force:
    MAE: 	 0.00044004924622762263
  Stress:
    MAE: 	 0.014461125805247648
  Band gap:
    ME: 	 0.006600627478013085
    MAE: 	 0.006600627478013085

iter.02

Training:
  Convergence:
    30 / 30 = 	 1.00000
  Energy:
    ME: 	 0.0006353705590716648
    MAE: 	 0.0009276039754505897
    MARE: 	 0.0008527887952216891
  Force:
    MAE: 	 0.00035674037672368846
  Stress:
    MAE: 	 0.0087785683650925
  Band gap:
    ME: 	 0.0038443141246316307
    MAE: 	 0.0038443141246316307
Testing:
  Convergence:
    37 / 37 = 	 1.00000
  Energy:
    ME: 	 -0.00016738497028986662
    MAE: 	 0.0010452550887207876
    MARE: 	 0.0011611679875557516
  Force:
    MAE: 	 0.00041020894030708855
  Stress:
    MAE: 	 0.007606386995156406
  Band gap:
    ME: 	 0.003620361175074024
    MAE: 	 0.003620361175074024

iter.03

Training:
  Convergence:
    30 / 30 = 	 1.00000
  Energy:
    ME: 	 0.001077702114158304
    MAE: 	 0.0011860366540342208
    MARE: 	 0.0008605049311823778
  Force:
    MAE: 	 0.0003129899115989905
  Stress:
    MAE: 	 0.0055061639932380375
  Band gap:
    ME: 	 0.0029869254451397953
    MAE: 	 0.0029869254451397953
Testing:
  Convergence:
    37 / 37 = 	 1.00000
  Energy:
    ME: 	 0.0007973178436640336
    MAE: 	 0.0012508888721087616
    MARE: 	 0.0010596540751692432
  Force:
    MAE: 	 0.0003814934209592415
  Stress:
    MAE: 	 0.005787238208981942
  Band gap:
    ME: 	 0.0027956571819744767
    MAE: 	 0.0027956571819744767
代码
文本

以上是运行了4轮训练的结果，可以看到使用ABACUS标签训练的模型在每一轮次中都展现出100%的收敛比例。教程中为了演示iter只设置为4，在真实环境下可能需要更多的循环次数以获得更精确的结果。

代码
文本
DeePKS
ABACUS
ABACUS使用教程
DeePKS使用教程
DeePKSABACUSABACUS使用教程DeePKS使用教程
点个赞吧
本文被以下合集收录
ABACUS@DeePKS的保姆级教程 | 以钙钛矿体系的训练为例
weiqingzhou@whu.edu.cn
更新于 2024-09-27
4 篇0 人关注
推荐阅读
公开
DeePKS实战（附录）|使用DeePKS init功能进行训练数据的生产
DeePKSABACUSABACUS使用教程DeePKS使用教程
DeePKSABACUSABACUS使用教程DeePKS使用教程
John Yan
更新于 2024-09-27
公开
DeePKS实战（一）|钙钛矿体系以PBE效率实现HSE06精度的能量标签训练（针对单一元素组合体系）
DeePKSABACUSABACUS使用教程DeePKS使用教程
DeePKSABACUSABACUS使用教程DeePKS使用教程
John Yan
更新于 2024-09-27
1 赞4 评论