GPUMDkit 均匀、随机与FPS采样实操

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：准备候选池和已有结构#

本例候选池为9个真实Si自洽光学位移；seed.xyz只有其中的零位移结构。采样只选择已有帧，不计算新能量或力。GPUMDkit1.5.8使用NepTrain2.2.0计算NEP描述符，最后保留原始标签。

module load gpumdkit/1.5.8
mkdir -p work/sampling
cp inputs/sampling/all.xyz inputs/sampling/seed.xyz \
   inputs/sampling/nep.txt work/sampling/
cd work/sampling

第二步：均匀或随机选4帧#

每次换一个新工作目录，避免固定文件名sampled_structures.xyz被覆盖。

python "$GPUMDkit_path/Scripts/sample_structures/sample_structures.py" \
  all.xyz uniform 4

本次索引为0、2、5、8，从0计数。跳过前2帧：

python "$GPUMDkit_path/Scripts/sample_structures/sample_structures.py" \
  all.xyz uniform 4 2

得到2、4、6、8。最后一个2表示跳过前2个原始帧，不是每隔2帧取一个。

随机方法：

python "$GPUMDkit_path/Scripts/sample_structures/sample_structures.py" \
  all.xyz random 4

本次得到1、7、8、2，是不放回抽样；该入口没有固定种子参数，再运行索引可以不同。需要可复现的随机测试集时使用带种子拆分。

第三步：FPS固定数量#

python "$GPUMDkit_path/Scripts/sample_structures/parallel_neptrain_select_structs.py" \
  all.xyz seed.xyz nep.txt 2

依次输入：

2
4 4

即按数量选择，最少和最多都4个。末尾2是描述符进程数。本次顺序为4、7、2、1，依次挑离已有结构/已选结构最远的候选。

另开新目录，执行同一命令，改为：

1
0.000001

这次使用最小描述符距离阈值1e-6，选出4、7、2、1、8、3、6、5，剩余最大距离为0。已有零位移结构不会因为时间上靠前就被优先再选。

该距离依赖模型、描述符归一化和构型平均方式，不是Å，不是力误差，也没有跨材料通用的阈值。固定数量和距离阈值适合不同的采样目标。

第四步：检查输出#

工具写出selected.xyz、select.png及PCA坐标文本。本例每个被选帧的坐标、晶胞、E/F/virial均与原始帧一致；图是描述符的二维投影，不是材料相图。

python - <<'ASE'
from ase.io import read
for a in read("selected.xyz", index=":"):
    print(a.info["source_frame_id"], a.info["displacement_A"])
ASE

旧PyNEP入口保留用于既有环境；新工作流优先使用本篇NepTrain入口。若要根据运行中的模型分歧选帧，继续主动学习日志与结构配对。