DeePMD接入ASE与短NVE轨迹

下载结构、标签、完整JSON、冻结模型、参考结果和脚本。解压到自己的工作目录，以下命令从附件根目录开始。预处理可交互操作；训练、批量预测和MD在申请的计算资源内运行。所有新结果进入work，不覆盖reference。

1. 在计算资源中运行#

module load deepmd-kit/3.2.0
python -B ase_md.py

DeePMD环境包含训练依赖；脚本追加现有ASE模块的纯Python路径，不覆盖DeePMD本身的NumPy、PyTorch，也不修改公共安装。结果在work/ase-md：initial.xyz、trajectory.xyz、thermo.csv与VALIDATION.json。

2. 关键操作#

from ase import units
from ase.io import read
from ase.md.verlet import VelocityVerlet
from ase.md.velocitydistribution import MaxwellBoltzmannDistribution, Stationary
from deepmd.calculator import DP
import numpy as np
atoms = read('labels/test.xyz', index=0).repeat((2, 2, 2))
atoms.calc = DP(model='reference/dpa1-1500/model.pth')
print(atoms.get_potential_energy())
print(atoms.get_forces())
print(atoms.get_stress(voigt=False))
MaxwellBoltzmannDistribution(atoms, temperature_K=20,
                            rng=np.random.RandomState(20261028))
Stationary(atoms)
dynamics = VelocityVerlet(atoms, 0.1 * units.fs)
dynamics.run(100)

完整脚本在计算前用DeepPot原生接口逐项对照ASE。E最大差0，F最大差4.45E-16eV/Å，ASE应力与−W/V最大差1.63E-17eV/ų。

3. 看实际轨迹#

小体系温度会振荡，NVE不通过热浴维持20K。本例只说明接口、单位和这一短时轨迹的数值稳定性；不能据10fs总能稳定就证明势对真实声子、扩散或热导率可靠。

LAMMPS/GPUMD需要各自与模型格式匹配的接口和构建，不能将pth直接重命名成NEP文本。本例未把ASE轨迹当作这两种程序已跑通，相关集成另按对应教程。