跳转至

测试体系

把模型用到自己的课题之前,最好先在答案已知的体系上试一下。本页列出几个经典算例,说明各自检验 什么、该和哪个参考值比较。这些只是推荐,不属于 mliport 的验证记录:参考数字来自所引文献或本仓库 的验证,你算出的结果还取决于所用的模型文件。

基础模型拟合的是训练数据所用的泛函(大多是 PBE / PBE+U,见后端),目标并 非实验值。所以先和同一泛函的 DFT 结果比;和实验比,是为了了解这个泛函本身的误差有多大。

1. 晶格常数(Si、Cu)

这是最省事的检查,也是后面每个算例的第一步:对体相晶体做变晶胞优化。

.venv-mace/bin/mliport opt Si.cif --model model.model --model-type mace \
  --task bulk --cell-opt --fmax 0.01 --device cuda --output runs/si-opt

把 CONTCAR 里优化后的晶格常数和 Materials Project 上同一结构的 PBE 值比较(金刚石 Si 是 mp-149,fcc Cu 是 mp-30)。相差百分之几埃很常见;如果 差得很多,说明这个模型不适合这类体系。后面搭超胞时都用模型自己优化出的晶格常数,这样初始晶胞没有 额外的应变。

2. Cu 中的空位跃迁(NEB)

在 fcc Cu 里挖一个空位,让一个最近邻原子跳进去。路径短而且对称,主要用来检查 NEB 流程本身,对 模型的考验不大。

import numpy as np
from ase.build import bulk
from ase.geometry import get_distances
from ase.io import write

a = 3.63  # replace with the lattice constant from recipe 1
cell = bulk("Cu", "fcc", a=a, cubic=True).repeat((3, 3, 3))  # 108 atoms
site = cell.positions[0].copy()
initial = cell.copy()
del initial[0]  # vacancy at the origin
_, distances = get_distances(site, initial.positions, cell=initial.cell, pbc=True)
neighbour = int(np.argmin(distances[0]))  # a nearest neighbour of the vacancy
final = initial.copy()
final.positions[neighbour] = site  # it jumps into the vacant site
write("initial.vasp", initial)
write("final.vasp", final)
.venv-mace/bin/mliport neb --initial initial.vasp --final final.vasp \
  --images 5 --climb --model model.model --model-type mace --task bulk \
  --device cuda --output runs/cu-vac-neb

由于路径对称,正向和逆向势垒应当相等。仓库验证中四个模型给出 0.735–0.762 eV (验证报告)。

3. Li10GeP2S12 中的 Li 扩散(MD、输运、Arrhenius)

这个超离子导体的结构就在仓库里(examples/structures/li10gep2s12_primitive.vasp),用来检验长时间 MD 和整套输运分析。要用超胞,50 个原子的晶胞算扩散太小了。

from ase.io import read, write

atoms = read("examples/structures/li10gep2s12_primitive.vasp")
write("LGPS_221.vasp", atoms.repeat((2, 2, 1)), direct=True)  # 200 atoms
for T in 600 700 800 900; do
  .venv-mace/bin/mliport md LGPS_221.vasp --model model.model --model-type mace \
    --task bulk --ensemble NVT --temp $T --timestep 1.0 \
    --equilibration-steps 10000 --steps 100000 --save-interval 100 \
    --device cuda --output runs/lgps-$T
  .venv-mace/bin/mliport analyze runs/lgps-$T transport --mobile Li --charge 1
done

然后用 analyze ... arrhenius 拟合这四个温度的扩散系数(见 Arrhenius)。 参考值:第一性原理 MD(PBE,600–1500 K,40 ps)得到活化能 0.21 eV,外推的室温电导率约 9 mS/cm (范围 2–40);实验值是 0.24 eV 和 12 mS/cm (Mo、Ong 与 Ceder,Chem. Mater. 2012)。MLIP 可以跑更长、更大 的体系,误差棒应该比那项研究小,数值本身则不一定相同。

4. Pt(111) 上的 CO:模型继承它的泛函

低覆盖度下,实验观察到 CO 吸附在 Pt(111) 的顶位,而收敛的 GGA 计算却得出空位更稳定 (Feibelman 等,J. Phys. Chem. B 2001)。用 GGA 数据训练的模型 应该给出和 GGA 一样的结论。在四层 Pt(111) slab(底部两层固定)上分别优化顶位和 fcc 空位的 CO,比较 两者的能量。

.venv/bin/mliport opt CO_top.vasp --model uma-s-1p2.pt --model-type uma \
  --task oc20 --fmax 0.02 --device cuda --output runs/co-top
.venv/bin/mliport opt CO_fcc.vasp --model uma-s-1p2.pt --model-type uma \
  --task oc20 --fmax 0.02 --device cuda --output runs/co-fcc

如果空位能量更低,说明模型正常:它复现了 GGA 的结果,也继承了 GGA 的误差。这个例子很直观地说明, MLIP 的准确度上限就是它的训练数据。

5. slab 上的小分子(构型搜索)

Li10GeP2S12 slab 上的甲醇是构型搜索验证脚本 (validation/science/scripts/confsearch_suite.py)用的体系,建议在算大分子之前先跑一遍。脚本在相同 起点下比较"随机摆放后直接优化"和完整搜索,看 MD 循环能否找到更低的结构,也检查去重在真实极小值上 是否合理。

.venv-mace/bin/mliport confsearch run --slab slab.vasp --molecule methanol.xyz \
  --n-starts 10 --cycles 3 --dry-run \
  --model model.model --model-type mace --task bulk --output runs/meoh-dry

确认输入和计算量没问题后,去掉 --dry-run 正式运行。

需要记录什么

每次测试都要记下模型文件和它的 SHA-256(mliport 会自动记录)、后端版本、task 或 head、精度和设备。 这些都相同时,两次结果才能直接比较,见模型。