GPUMD NEP预测与误差分析
NEP预测与误差分析，包含终端命令、完整输入与集群实际算例。
阅读本篇目录
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。
本篇做什么#
使用GPUMD官方Pb–Te示例数据和已训练模型，在集群重新执行预测。
1 准备算例#
python new-case.py 18-nep-predict
cd work/18-nep-predict
ls
附件中已包含结构与势文件，不需要自己输入几百行坐标。若要从自己的结构开始，请先阅读建模与输入文件。
2 查看和修改输入#
nep.in写prediction 1，执行nep而不是gpumd。train.xyz是带能量、力和virial标签的训练格式；普通只含坐标的XYZ不能代替带标签数据。
18-nep-predict / nep.in
type 2 Te Pb
prediction 1
3 提交并检查进度#
sbatch run.sh
squeue -u "$USER"
tail -n 20 run.log
默认脚本用于V100核时队列。P100或套餐用户先运行yskit，选择复制Slurm脚本及匹配的用户类型、GPUMD版本、GPU型号。单进程启动，不要再套mpirun启动多个相同实例。
本例在计算节点执行的命令为：
nep > run.log 2>&1
这条命令已经在提交脚本内，平时只需sbatch run.sh。等待任务结束、查看日志，再读取结果。
4 查看结果和本次数据#
energy_train.out和force_train.out将预测值与参考标签并列。RMSE应在相同单位下计算；能量误差按eV/atom报告，力按eV/Å报告。本例是官方示例集上的回算，不能冒充独立测试集泛化精度。
head -n 12 energy_train.out
| 本次集群算例 | 实际数值摘要 |
|---|---|
18-nep-predict |
能量RMSE (eV/atom)：0.000414367；力RMSE (eV/Å)：0.0398967 |
本次energy_train.out开头的数据（完整文件在附件中）：
-3.74744 -3.74876
-3.77876 -3.77905
-3.74889 -3.74907
-3.78135 -3.78141
优先使用GPUMDkit工具#
任务完成后，在本篇算例输出目录执行：
module load gpumdkit/1.5.8
gpumdkit.sh -plt prediction save
gpumdkit.sh -plt force_errors save
读取NEP已生成的energy_train.out和force_train.out等文件。没有参考应力的构型不参与应力精度解释；不要把缺失标记−1e6当真实应力。
工具的其他用法见GPUMDkit专题。本篇自带plot.py用于结构图、统一版式和多个算例对照，保留原始数据与符号。
5 用自己的输出重新画图#
回到附件根目录，加载绘图环境：
cd ../..
module load ase/3.29.0
python plot.py --chapter nep-predict --root work
如果想先查看附件里的参考数据，执行python plot.py --chapter nep-predict。生成的图片在相应根目录的figures中，脚本只读取数据，不修改结果。
换成自己的体系时#
先确认结构、元素和势函数适用范围，再确定温度、边界条件、时间步长与统计长度。随机初速度会使短程数值不同；复现时先比较数量级、趋势、能量稳定性和输出维度。正式研究应做势函数可靠性、尺寸与时间收敛检查。