GPUMD 版本环境与作业提交

本文使用鸢算科技集群GPUMD 5.9.1实际运行结果。先下载全部实例与绘图脚本并解压，进入gpumd-examples目录。参考结果在cases，新运行放在work；不要在参考目录重复运行，让输出不断追加。

1 确认版本与GPU型号#

本专题使用GPUMD 5.9.1。P100和V100使用各自模块；现有5.8.1保留，但本专题输入和数据以5.9.1为准。

module purge
module load gpumd/5.9.1-v100
which gpumd nep gnep

P100改为module load gpumd/5.9.1-p100。CUDA_VISIBLE_DEVICES由调度器设置，不要在提交脚本里随意写物理卡号。

2 生成并提交脚本#

输入yskit，选择复制Slurm脚本→用户类型→gpumd→5.9.1→GPU型号。软件有三种常用程序：MD使用gpumd，NEP训练或预测用nep，GNEP训练用gnep；NEP读取nep.in，GNEP读取gnep.in。

yskit
sbatch run.sh
squeue -u "$USER"
tail -n 20 run.log

附件自带run.sh的完整默认内容如下，适用于V100核时用户；如果yskit生成的名称不同，把sbatch后面的名字改为实际文件名。

#!/bin/bash
#SBATCH --job-name=gpumd-example
#SBATCH --partition=gpu-8v100-16g-hs
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=2
#SBATCH --gres=gpu:v100-16g:1
#SBATCH --mem=8G
#SBATCH --time=01:00:00
#SBATCH --output=job-%j.out
set -e
source /etc/profile.d/lmod.sh
module load gpumd/5.9.1-v100
export OMP_NUM_THREADS=2
gpumd > run.log 2>&1

不要在登录节点直接运行gpumd。通常一个GPU先把例子跑通，再考虑多卡；本批各例使用单GPU，多组任务并行。没有由此给出单任务多卡加速比。

3 实例与结果#

环境配置通过512原子硅NVE、NEP预测和GNEP训练三个实际入口分别演示。

编译环境简表#

模块会设置GPUMD_SRC与CUDACXX，供NEP运行时编译使用。第一次使用某些NEP模型可能出现编译等待，不要因为还没有thermo.out就直接判断任务卡死。

4 绘图环境#

module load ase/3.29.0
python -c "import ase, numpy, scipy, matplotlib; print('绘图环境就绪')"
python plot.py --chapter first-run

上述最后一条在附件根目录运行，读取参考结果；自己的新结果加上--root work。返回专题