GPUMDkit 逐帧误差与逐元素统计
核对参考值和输出行顺序，统计能量、力、virial并定位离群构型。
阅读本篇目录
下载本组输入、真实参考输出与绘图脚本，解压后进入资料包根目录。所有示例在自己的新目录执行，inputs和reference保留。默认bash run.sh all只做工具处理；需要重新训练时才提交compute.sbatch。
第一步：独立预测留出集#
使用资料包中的真实训练模型和3个留出结构：
module load gpumdkit/1.5.8
mkdir -p work/error-si
cp inputs/training/test.xyz work/error-si/train.xyz
cp reference/training/stage2/nep.txt work/error-si/
cd work/error-si
gpumdkit.sh -prediction train.xyz nep.txt 1
gpumdkit.sh -plt prediction save
gpumdkit.sh -plt force_errors save
python ../../error_metrics.py train.xyz . report
1是CPU预测进程数。本例通过Calorine4.0的CPUNEP计算，不重新拟合模型。输出energy_train.out、force_train.out、stress_train.out和virial_train.out；文件后缀train来自这里的输入文件名，不表示把留出数据参与了训练。
第二步：理解每列#
| 文件 | 前半部分 | 后半部分 | 单位 |
|---|---|---|---|
| energy_train.out | 预测能量 | 参考能量 | eV/atom |
| force_train.out | 预测Fx/Fy/Fz | 参考Fx/Fy/Fz | eV/Å |
| virial_train.out | 预测xx yy zz xy yz zx | 参考同顺序 | eV/atom |
| stress_train.out | 预测六分量 | 参考六分量 | GPa |
能量与virial的原始extxyz输入是每构型总量；上述配对输出按原子数归一化。不能再把力除原子数。MTP的标准六分量顺序与这里不同，不能直接逐列硬拼。
附带error_metrics.py先核对参考列是否与原始E/F行顺序一致，再写出report/metrics.json和report/frame-errors.csv。缺virial的-1e6哨兵会排除，不作为真实标签参与RMSE。
第三步：逐元素力误差#
PbTe示例使用已公开的16帧带标签数据与相应模型，在集群重新预测；不是本轮新增DFT。
回到资料包根目录：
mkdir -p work/error-pbte
cp inputs/pbte/train.xyz inputs/pbte/nep.txt work/error-pbte/
cd work/error-pbte
gpumdkit.sh -prediction train.xyz nep.txt 1
python ../../error_metrics.py train.xyz . report
cat report/metrics.json
| 元素 | 原子样本数 | 力分量RMSE eV/Å | 最大分量误差 eV/Å |
|---|---|---|---|
| Pb | 2000 | 0.040219 | 0.175591 |
| Te | 2000 | 0.039843 | 0.150909 |
这里按每个原子的元素掩码统计力分量。DFT总能量和整胞virial通常没有唯一的逐元素分解，所以它们按构型/成分统计；不能把总能量平均分配后声称得到了独立元素能量精度。
第四步：定位离群帧#
在上面的Si预测目录：
python "$GPUMDkit_path/Scripts/analyzer/find_outliers.py" 20 100 1.0
三个阈值依次为能量20meV/atom、力100meV/Å、应力1GPa。本例小模型误差很大，出现很多离群帧是实际结果；不要通过删掉难拟合结构来掩盖问题。输出selected.xyz、remained.xyz及selected_remained.png，可与report/frame-errors.csv中的逐帧误差互查。
CPU预测与NEP训练时GPU单精度输出的最大差异，本次约5.21e-6eV/atom能量、3.25e-5eV/Å力、4.89e-5eV/atom virial；这是数值实现/输出精度比较，不是模型对DFT的准确度。实际模型误差应看上面的预测—参考统计。