ABACUS：DeePKS与TDOFDFT独立环境

本组实例使用同一套独立CPU构建，完成DeePKS描述符、训练与自洽推断，以及TDOFDFT实时电子密度传播。首次准备环境后，其他包直接复用，不必反复编译。

公共ABACUS 3.10.1模块与本组固定的3.11.0-beta10分别使用。本组环境只写入解压目录，不修改公共module或个人.bashrc。

下载本篇输入、脚本与参考数据。

unzip abacus-ml-env-wave679-*.zip
cd abacus-ml-env
bash results.sh
bash plot.sh

以上仅读取已完成的参考数据并重绘，未启动新计算。reference-data/是本集群实算参考，重新执行的原生结果放在work/、提取的数值和图片放在analysis/。每次完整重算使用新解压的目录，避免覆盖已有结果。

1. 准备源码和Python依赖#

bash prepare.sh
cat SOURCE-LOCK.json

脚本下载以下固定来源并检查SHA256，解压到toolchain/sources/：

DeePKS旧版安装说明提到的abacus分支目前已不存在；本组固定了保留ABACUS接口的官方develop提交。源码准备同时处理归档版本元数据和NumPy公开API的兼容写法，未改变训练算法。

2. 提交编译#

sbatch build.slurm
squeue -u "$USER"
tail -f build-作业号.log

把作业号换成提交返回的数字。脚本申请56核整节点，最多16个并行编译进程。主要选项如下，完整设置在build.py：

ENABLE_MPI=ON
ENABLE_LCAO=ON
ENABLE_MLALGO=ON
ENABLE_ELPA=ON
ENABLE_LIBXC=ON
ENABLE_OPENMP=ON
ENABLE_LIBRI=OFF
USE_CUDA=OFF
MKL_THREADING=sequential
CMAKE_CXX_FLAGS=-O2 -xCORE-AVX512

编译器使用oneAPI 2024.2的icx/icpx/ifx，MPI为Intel MPI 2021.13，MKL为2024.2顺序库。ELPA与Libxc复用现有库。PyTorch发行包带CUDA依赖，编译阶段通过CUDA 12.8发现相关依赖；ABACUS的CUDA求解器未启用，本文计算和模型训练都走CPU。运行时OMP_NUM_THREADS和数学库线程均为1。

cat toolchain/BUILD-FINISHED.json
ls toolchain/install/bin/abacus

确认编译、安装均成功后继续。此构建面向AVX512 CPU，只提供本组所需功能；LibRI未启用，不应据此推断所有杂化泛函、BSE或其他专用功能都已具备。

3. 实例包选择环境#

进入DeePKS或TDOFDFT包，执行：

bash use-toolchain.sh ../abacus-ml-env/toolchain
cat TOOLCHAIN_PATH

目录不相邻时，填入已编译toolchain的完整路径。该选择只作用于当前包；env.sh自动设置程序、Python源码及动态库路径。

4. 接下来按顺序操作#

• 生成DeePKS标签与描述符
• 训练与导出DeePKS模型
• 修正自洽与力的读取
• TDOFDFT基态密度与传播
• 电流修正、密度图和能量提取

编译接口依据：ABACUS固定源码与安装说明。