DeePMD DPA4C紧凑描述符输入与准备
用真实氨分子能量和受力准备数据与环境，单卡提交原生训练。
阅读本篇目录
本篇演示DPA4C紧凑描述符，从真实NH₃能量和原子力出发，依次完成数据准备、训练、读取结果和推断。下载完整实例包。三篇共用同一个工作目录，按顺序执行即可。
DPA4C是DPA4家族中的紧凑描述符，本例采用PyTorch Exportable后端。用小规模NH₃真实能量与力演示输入、训练和检查点推断；本例为双精度，不附带冻结、压缩或LAMMPS部署成品。
1 下载与解压#
mkdir NH3-DPA4C
python3 -m zipfile -e nh3-deepmd-dpa4c-*.zip NH3-DPA4C
cd NH3-DPA4C
data是实际标签数组，inputs是完整训练输入，reference是本站实算参考，code是可读的工作流程序。
2 重建标签数组#
bash labels.sh
复用本站24个真实NH₃构型的RHF/6-31G(d)能量与解析受力，电荷0、单重态。原始16/4/4构型先划分为训练、验证、测试，再各扩展3种刚体姿态，得到48/12/12帧。构型的旋转副本不会跨越训练与测试；12个测试姿态只代表4个独立原始构型。
数据单位为坐标Å、总能量eV、原子力eV/Å。type.raw是0 1 1 1，type_map.raw是N H。nopbc表示非周期分子，调用接口时传入box=None。没有virial或原子能量训练标签。本命令只重建并核对所附数组，不会重新运行Gaussian；完整量子化学输入与选出字段也在包内。
3 准备环境#
bash setup.sh
脚本建立当前目录的.venv，继承公共deepmd-kit/3.2.0，仅在个人环境安装Vesin与vesin-torch 0.6.2。Python3.12、PyTorch2.12.0，集群源码基于GCC13.3和CUDA12.9。安装使用requirements-lock.txt中固定URL和SHA256，随后实际调用Torch邻居表。首次需联网；运行程序始终使用这个个人解释器，不能用公共dp绕过Vesin依赖。
4 提交自己的新训练#
bash run.sh
默认申请P100单卡、2个CPU核、8GB内存。V10016G用户在新解压目录中运行bash run.sh v100。命令显示Slurm作业号并等待；排队时不要重复启动。已有new-work时请先保留结果，另开目录，避免覆盖。
实际流程是复制数据与完整输入→从头训练3000步→原生测试→分别执行GPU与CPU推断→生成自己的误差表。此次新作业只训练一个模型；不会把所附参考模型当成自己的新训练。
下一篇查看完整输入与新结果。ZIP SHA256：96aaea929aa94f12e235f202f245e038e4a940cf7263a0c00e9b4ebbe3786b2b。