DeePMD电荷与自旋布居分析

完成闭壳层训练后，不要只看一个训练损失。先看每个原子的两通道布居，再检查分子电子数、电荷和自旋布居。参考数据与图片程序已打包。

1 生成图片和参考表#

bash plot.sh

六张实际结构和数据图生成到 figures/。

head -n 6 tables/population-results.csv

这是提供的原始参考结果。自己的新训练结果在 tables-new/population-results.csv，字段包括布居RMSE、电荷RMSE、α/β总电子数误差、分子总电荷误差和原子自旋布居差。

2 读取本轮实际输出#

head -n 8 new-work/p100-population/lcurve.out

P100模型文件在 new-work/p100-population/；使用V100时目录前缀改为 v100-。保存下来的检查点是神经网络权重，和Gaussian的CHK不是同一种文件。

cat new-work/API-p100-gpu/METRICS.json

同目录的 predictions.npz 保留原生布居、真实标签、换算电荷以及刚体变换的输出；CPU对照在 API-p100-cpu/。

程序使用的原生调用是：

from deepmd.infer.deep_population import DeepPopulation
model = DeepPopulation("frozen_model.pth")
population = model.eval(coordinates, None, [0, 1, 1, 1])[0]
alpha = population[:, :, 0]
beta = population[:, :, 1]
charge = nuclear_charge - alpha - beta

返回形状为(帧数,4,2)，原子顺序仍为N、H1、H2、H3；None 表示非周期输入。本例全电子核电荷数组是 [7,1,1,1]。

3 检查总数与闭壳层条件#

对每一帧分别计算Σnα、Σnβ，应接近5；分子总电荷为Σq，应接近0；每个原子nα−nβ应满足当前闭壳层条件。

左图和中图由初始化前后的原生检查点预测得到：总布居保持不变，两通道差变为零。右图是完成额外训练后的实际分子电子数，α与β重合；本次每通道最大电子数误差约0.00501，分子总电荷最大偏差约0.01002 e，不能将它写成严格电中性。

同一权重的CPU/GPU、旋转、平移与相同H原子交换结果一致到数值精度。这里的检查针对当前原子布居模型，不能由此推出真实材料磁性或电子密度响应。

4 比较训练设置#

这个小例子对比了默认3000步、提高自旋项权重、继续训练至12000步，以及RHF对称起点后的额外3000步。各自实际输入保存在 reference/comparison-inputs/ 和 reference/inputs/，数值表在 reference/TRAINING-COMPARISON.json。

只提高某一项权重，可能同时影响电荷误差和总电子数；多训练一些步，也不等于自动满足物理约束。应结合标签定义、体系电子态与模型设定检查各项输出。同一小测试集在这段设置比较中被多次查看，本图是教学对比，不是未参与选择的盲测结果。 用于自己的科研体系时应另留独立测试数据。

本例只学习NH₃小范围几何的RHF Mulliken布居，不提供能量和原子力，不能直接替代MD势函数。开壳层、磁性、带电体系或其他布居方法，需要对应的真实标签与合适模型条件。接口定义见DeePMD3.2原生DeepPopulation实现。