dpdata标签存储与格式精度

把计算结果换一个文件后缀，并不意味着能量、力和virial都被保留下来。本例使用鸢算科技已计算并提取的9帧Si数据，每帧2个原子，实际比较五种标签存储方式；不重新运行电子结构计算。

1 下载并运行全部示例#

下载dpdata格式实操包，保存为dpdata-formats.zip。CPU即可运行：

python3 -m zipfile -e dpdata-formats.zip .
cd dpdata-format-workflows
bash setup.sh
bash run.sh
bash verify.sh
bash plot.sh

例程使用现有GPUMDkit环境中的Python 3.11.16、dpdata 1.1.0、NumPy、ASE、h5py、lmdb/msgpack和pymatgen，1个CPU线程。无需GPU。从登录节点提交时，也可在解压后使用sbatch job.slurm。

inputs/si-nine/是真实标签的DeepMD NumPy数据；results/保存本次所有转换文件，plots/保存实际误差图。再次运行相同完整输入会读取已有结果；更改数据时请保留旧目录，换新目录运行。原始数据的计算与提取流程见科学软件输出读取。

2 五种存储方式各保留什么#

图的前五行是本篇标签存储，后八行是结构格式转换。没有保留的字段不会用零补造。这里的virial单位为eV；它与stress的关系是virial = −体积 × stress，不能只改字段名。

3 直接在终端转换HDF5、LMDB和ASE轨迹#

下面从同一份9帧数据生成自己的文件：

source env.sh
"$YS_PY" - <<'PYCODE'
import dpdata
s = dpdata.LabeledSystem('inputs/si-nine', fmt='deepmd/npy')
s.to('deepmd/hdf5', 'my-si.h5', set_size=3)
s.to('deepmd/lmdb', 'my-si.lmdb', map_size=64 * 1024**2)
s.to('ase/traj', 'my-si.traj')
for fmt, path in [('deepmd/hdf5', 'my-si.h5'),
                  ('deepmd/lmdb', 'my-si.lmdb'),
                  ('ase/traj', 'my-si.traj')]:
    t = dpdata.LabeledSystem(path, fmt=fmt)
    print(fmt, 'frames=', len(t), 'atoms=', t.get_natoms())
    print('first energy/eV=', t['energies'][0])
    print('force shape=', t['forces'].shape)
PYCODE

三种回读都得到9帧、每帧2个Si。HDF5的set_size=3把本例分为三个数据块；LMDB的64 MiB映射空间仅针对这组小数据，大数据应按实际容量设置。LMDB按帧读取和多组成分组的概念见官方LMDB说明。

本例对HDF5与LMDB的五类数组逐点比较，无数值差异；ASE轨迹的virial最大差约4.44×10⁻¹⁶ eV。脚本还分别通过h5py、lmdb/msgpack和ASE读取原始内容，核对实际数组及stress的符号和体积换算。

4 n2p2的原子单位和文本精度#

source env.sh
"$YS_PY" - <<'PYCODE'
import dpdata
s = dpdata.LabeledSystem('inputs/si-nine', fmt='deepmd/npy')
s.to('n2p2', 'my-input.data')
t = dpdata.LabeledSystem('my-input.data', fmt='n2p2')
print('frames=', len(t))
print('energy/eV=', t['energies'][0])
print('virial present=', 'virials' in t.data)
PYCODE
head -n 9 my-input.data

第一帧会出现energy -0.398668。这个字段在本例dpdata写入器中是Hartree，不是eV；坐标与晶胞为Bohr，力为Hartree/Bohr。dpdata回读后再转换为Å、eV和eV/Å。

9帧往返后，最大能量差约1.13×10⁻⁵ eV，坐标差约2.47×10⁻⁷ Å，力差约2.50×10⁻⁷ eV/Å，来自输出位数与单位换算。文件中的原子电荷占位零并不是计算所得的Bader电荷；原始标签没有这项数据。本例使用周期Si，不能据此推断任意非周期或变原子数数据都能按相同方式保存。文件布局可参考n2p2配置格式。

本例float32的最大能量变化约4.00×10⁻⁷ eV，坐标变化约2.35×10⁻⁷ Å；程序逐点检查其是否等于真正的float32舍入结果。它是这一数据集的格式精度变化，不是DFT计算误差，也不是所有训练数据都可接受的统一标准。

5 查看本地格式入口与原图#

source env.sh
"$YS_PY" list_formats.py > format-list.csv
head -n 8 format-list.csv
bash plot.sh --reference
ls reference-plots/*.png

当前环境列出84个格式名称，对应51种实现，多个名称可以指向同一实现。列表显示的是读写接口；使用某个读取器还需要相应的真实原生文件及其依赖。本篇实际执行五个存储/精度分支，另八个结构分支见结构格式实操。接口选择见dpdata格式文档，以本例1.1.0环境和完整脚本为准。