DP-GEN多组分结构与标注数据
用水和过氧化氢认识共享元素映射、不同原子数系统及训练验证测试集，附完整结构与CP2K输入。
阅读本篇目录
同一套势函数需要处理不同化学计量比时，首先统一元素编号，再把不同原子数、不同组分的数据分成各自的系统目录。本例在鸢算科技集群实际计算水和过氧化氢：二者都含H/O，但H:O分别为2:1与1:1。它们是两个独立的分子系统，不是混合液体。
下载本组三篇共用的输入、真实标注、参考轨迹和运行绘图包。三篇按数据准备 → 组分与温度探索 → 模型偏差与误差检查阅读。完整选帧、DFT补标及再训练循环见既有入门教程。
1. 解压、提交、查看结果#
将下载文件保存为 example.zip，进入自己的工作目录：
python3 -m zipfile -e example.zip .
cd dpgen-composition
提交实际训练与探索：
sbatch job.slurm
使用CPU分区56核整节点申请规则；私有接口编译最多用8核，四次训练和四组MD顺序各用1核。CPU分区维护时请等待恢复，不在登录节点自行运行生产计算。已分配CPU作业内的直接入口是 bash run.sh。
本例使用DP-GEN0.14.0、DeePMD-kit3.2.0 TensorFlow、LAMMPS22Jul2025 Update6 CPU，编译接口用oneAPI2024.2，绘图用sisl0.16.4。脚本只在自己的解压目录构建CPU接口，公共模块无需修改。它会依次完成私有接口构建、四模型训练/冻结、四组MD、数据检查和绘图。默认直接使用附件中的真实DFT标签，避免每次练习重复量子化学计算。
完成后：
ls plots
cat VALIDATION.json
四张图分别是分子结构、标注数据、探索轨迹/模型偏差和留出误差。reference-results/是本文原始实算结果；新运行生成的数据在当前目录，二者分开保存。
2. 两个完整结构#
H2O 初始结构#
O H
1.0000000000000000
12.0000000000000000 0.0000000000000000 0.0000000000000000
0.0000000000000000 12.0000000000000000 0.0000000000000000
0.0000000000000000 0.0000000000000000 12.0000000000000000
O H
1 2
Cartesian
6.2123257573209445 6.0823533395354739 6.3258423265822801
5.6178381206620216 6.6704119211652673 5.8370788367088604
6.1698361220170330 5.2472347392992589 5.8370788367088604
H2O2 初始结构#
O H
1.0000000000000000
12.0000000000000000 0.0000000000000000 0.0000000000000000
0.0000000000000000 12.0000000000000000 0.0000000000000000
0.0000000000000000 0.0000000000000000 12.0000000000000000
O H
2 2
Cartesian
5.6077710450583282 6.6352081807110830 5.8054356419399200
6.1386644465730003 5.2664434873893340 5.8054356419399200
6.4498539846718490 7.1191628647446983 5.7136152005351004
5.8037105236968225 4.9791854671548856 6.6755135155850587
结构给出12 Å真空盒。训练数据目录中有 nopbc 标志，探索也采用非周期边界；盒尺寸是坐标容器，不是液态分子的密度定义。DP-GEN生成的 conf.lmp 会重写坐标容器，核对元素与分子内部几何，不要求其盒长与POSCAR逐字相同。
3. 元素映射和数据目录#
cat data/train/H2O/type_map.raw
cat data/train/H2O/type.raw
cat data/train/H2O2/type.raw
ls data/train/H2O/set.000
所有系统的 type_map.raw 都是先H、后O，所以DeePMD的编号H=0、O=1；LAMMPS的类型编号从1开始，对应H=1、O=2。水结构原子顺序O,H,H，对应 type.raw 为1,0,0；过氧化氢为O,O,H,H，对应1,1,0,0。不要把“类型表先写H”误当成“坐标必须先排所有H”。
| 系统 | 每帧原子数 | 训练 | 验证 | 独立测试 |
|---|---|---|---|---|
| H₂O | 3 | 6 | 1 | 1 |
| H₂O₂ | 4 | 6 | 1 | 1 |
每个 set.000 中：coord.npy 是Å坐标，box.npy 是Å晶胞矩阵，energy.npy 是eV总能，force.npy 是eV/Å受力。不同原子数不能直接拼成同一个规则数组，因此保留为两个系统；训练参数同时列出两个目录。
每个系统含原结构和7个小位移结构，固定随机种子46417、位移标准差0.008 Å。编号0–5训练、6验证、7测试；测试构型没有传入训练器。附件的 labels-reference.json 逐帧保存原子顺序、位置、数据用途及原生输出校验值。
4. 这16份DFT标签如何得到#
全部采用CP2K2026.2 CPU、PBE、GTH赝势、DZVP-MOLOPT-SR基组、600 Ry/50 Ry网格、EPS_SCF 1E-8，每个构型计算一次能量和力，不先优化掉扰动。CP2K构建环境为oneAPI2024.2/IntelMPI；实际标签计算每次8个MPI进程、每进程1线程。完整水分子输入如下，过氧化氢及所有扰动输入也在 labels/ 中：
&GLOBAL
PROJECT response
RUN_TYPE ENERGY_FORCE
PRINT_LEVEL MEDIUM
&END GLOBAL
&FORCE_EVAL
METHOD QS
&DFT
&PRINT
&MOMENTS ON
PERIODIC .FALSE.
REFERENCE COM
&END MOMENTS
&END PRINT
BASIS_SET_FILE_NAME ../../DATA/BASIS_MOLOPT
POTENTIAL_FILE_NAME ../../DATA/GTH_POTENTIALS
&QS
EPS_DEFAULT 1.0E-12
&END QS
&MGRID
CUTOFF 600
REL_CUTOFF 50
&END MGRID
&SCF
EPS_SCF 1.0E-8
MAX_SCF 100
SCF_GUESS ATOMIC
&OT
MINIMIZER DIIS
PRECONDITIONER FULL_SINGLE_INVERSE
&END OT
&END SCF
&XC
&XC_FUNCTIONAL PBE
&END XC_FUNCTIONAL
&END XC
&POISSON
PERIODIC NONE
POISSON_SOLVER MT
&END POISSON
&END DFT
&SUBSYS
&CELL
ABC 12 12 12
PERIODIC NONE
&END CELL
&COORD
O 6.21232575732094 6.08235333953547 6.32584232658228
H 5.61783812066202 6.67041192116527 5.83707883670886
H 6.16983612201703 5.24723473929926 5.83707883670886
&END COORD
&KIND O
BASIS_SET DZVP-MOLOPT-SR-GTH
POTENTIAL GTH-PBE-q6
&END KIND
&KIND H
BASIS_SET DZVP-MOLOPT-SR-GTH
POTENTIAL GTH-PBE-q1
&END KIND
&END SUBSYS
&PRINT
&FORCES ON
&END FORCES
&END PRINT
&END FORCE_EVAL
标签生成脚本 run_labels.py 使用 mpirun -np 8 cp2k.psmp -i input.inp -o cp2k.out 这一计算形式，在分配到的核数不足8时相应减少进程数。运行环境需要无限栈 ulimit -s unlimited、每MPI进程1线程。附件已带原生输出；若自行重算，请用新副本，并按README重新解析与导出数据，不能只改参考校验值。
图中每种组分的能量都减去自己的第0帧，避免把不同化学计量比的绝对总能直接当成稳定性比较。本例未做基组/截断能/真空盒收敛；原生受力存在有限数值不平衡，未人为归零。数据用于工作流教学，正式训练前需提高标签质量并扩大构型覆盖。