LAMMPS 专题

LAMMPS结构高斯网格:从原子坐标到逐元素描述量

四原子实际例子演示gaussian/grid/local,输出逐元素三维网格,比较展宽、加密、周期平移和分组,附完整命令、输入、CSV与结构图。

更新于 2026-11-17约 6 分钟阅读按任务与环境选择适用配置
阅读本篇目录

将原子位置变成规则网格上的连续描述量,可用于准备结构特征或后续网格工作流。LAMMPS的gaussian/grid/local为不同原子类型分别输出高斯叠加值,属于ML-SNAP包。

本篇在鸢算科技集群用LAMMPS 30Sep2026 CPU版实算四个原子、两种类型的周期体系。不需要SNAP势参数文件;pair_style zero只提供邻域与周期通信,原子不运动。输出是结构描述量,不是电子密度,也没有运行MALA或其他机器学习预测。

1.先读数据和看图#

下载结构高斯网格实例包,解压进入lammps-Gaussian-grid:

bash read.sh
bash plot.sh
cat analysis/LAMMPS-Gaussian-summary.csv
head -n 6 analysis/LAMMPS-Gaussian-grid.csv
文件 内容
inputs/*/in.lammps 四组完整输入
reference-results/*/grid.dump LAMMPS真实局部网格输出
reference-results/*/atoms.dump 实际原子坐标与类型
analysis/LAMMPS-Gaussian-grid.csv 每个网格点的索引、坐标、两类贡献与分组输出
analysis/LAMMPS-Gaussian-summary.csv 网格尺寸、展宽、峰值和网格近似积分

读取和画图不会重新运行LAMMPS。

实际四原子周期盒子与加密网格中的一张截面

2.重新运行的顺序#

在申请的计算资源中执行:

bash prepare.sh
bash run.sh
bash read.sh work-new analysis-new
bash plot.sh analysis-new figures-new

prepare.sh复制输入到work-new并拒绝覆盖。run.sh顺序完成四组run 0,随后用新结果读取、画图。LAMMPS 30Sep2026 CPU构建采用Intel oneAPI 2024.2和Intel MPI 2021.13;本例单MPI单线程,没有GPU、Kokkos或多进程性能结论。

单独运行一组时,可在其新计算目录内使用:

module load lammps/30Sep2026-8173m
export OMP_NUM_THREADS=1
lmp -in in.lammps

3.基础组完整输入#

inputs/base/in.lammps:

units lj
atom_style atomic
boundary p p p
region BOX block 0 8 0 6 0 4 units box
create_box 2 BOX
mass * 1
create_atoms 1 single 0.25 0.5 0.75 units box
create_atoms 1 single 3.25 2.5 1.75 units box
create_atoms 2 single 7.5 4.5 2.25 units box
create_atoms 2 single 5.5 1.5 3.5 units box
pair_style zero 1.8
pair_coeff * *
neighbor 0.2 bin
group TYPE1 type 1
compute G all gaussian/grid/local grid 8 6 4 1.0 0.8 0.8 0.35 0.55
compute H TYPE1 gaussian/grid/local grid 8 6 4 1.0 0.8 0.8 0.35 0.55
dump GRID all local 1 grid.dump c_G[*] c_H[*]
dump_modify GRID format float %.17g
dump AT all custom 1 atoms.dump id type x y z
dump_modify AT sort id format float %.17g
thermo 1
thermo_style custom step atoms pe
thermo_modify norm no format float %.17g
run 0

两种原子类型各有两个原子,盒子为8×6×4,采用LJ约化单位。长度、网格值与参数都应在同一单位系统下解释。

compute G输出全部原子的贡献;compute H只统计TYPE1组。它们都返回完整的局部网格,而不是逐原子数组。

grid 8 6 4给出三个方向的网格点数,本例间距为1。索引从0开始,盒子的高端周期端点不重复。原始输出的前六列为ix iy iz x y z,后面每种类型各一列。这里每个compute有8列,两份输出并列后为16列。

4.展宽和截断分别控制什么#

本例按每种类型计算:

G_type(r) = Σ_j [ exp(-|r-r_j|²/(2σ_type²))
                  / (sqrt(2π) σ_type)³ ]
            仅包含该type且距离小于r_cut的原子及相应周期邻域

安装版本的每类截止距离为r_cut=2×R_type×rcutfac。输入取R=0.8、rcutfac=1,所以两类都是1.6。sigma决定高斯宽度,R与rcutfac控制截断;不要把二者混成同一参数。

本例pair_style zero 1.8加邻居皮肤0.2,让周期ghost覆盖1.6的高斯范围。调整高斯截止后,也要保证通信范围足够,不能只改compute参数。

pair_style zero产生零能量、零力,但高斯网格仍可非零,因为它直接由原子位置计算结构描述量。

5.四组实际结果#

组 网格 σ₁ / σ₂ 类型1全网格峰值 类型2全网格峰值
base 8×6×4 0.35 / 0.55 0.320472 0.150611
wider 8×6×4 0.70 / 1.10 0.126256 0.037810
fine 16×12×8 0.35 / 0.55 0.889093 0.381630
translated 8×6×4 0.35 / 0.55 0.320472 0.150611

基础组有192个网格点,加密组有1536个。加密后网格更接近原子处的峰,所以采样到的最大值会变化;这不是重新计算了不同的原子结构。在粗、细网格重合的节点上,字段相同。

平移组把全部原子沿x移动1,再按周期盒子折回。对应的是字段沿x移动一个粗网格;并不是每个固定空间点的值保持不变。

TYPE1组的类型1字段与全原子输出对应列相同,类型2列为零。分组筛选贡献原子,不删除对应网格行。

相同截断与原子坐标下,展宽对两种类型网格值的影响

图展示z=1截面,同一类型上下两图共用色标。表中峰值来自整个三维网格,不能用单张截面直接代替全体网格的最大值。

6.怎样整理成自己的网格文件#

read.py按全局iz、iy、ix重排原始local输出,使用周期最短距离独立重建两种类型的高斯和,并将两种贡献、分组结果写入CSV:

head -n 2 analysis/LAMMPS-Gaussian-grid.csv
cat analysis/LAMMPS-Gaussian-summary.csv

需要二次处理时,按case选择一组,再依次按iz、iy、ix排列即可重建三维数组。多MPI情况下每个进程只负责自己的局部网格,合并时应以全局索引定位;本例仅实算单进程。

网格值带长度的负三次方单位。乘网格体积后求和只得到近似积分;有限截断会丢掉高斯尾部,粗网格也有积分误差。比如本例类型1加密后的近似积分约1.999523,但类型2约1.915387;两类明明各有两个原子,也不应强制把结果缩放成2。双倍展宽而保持1.6截断时,丢失的尾部比例还会增加。

本篇固定使用零原点正交盒子。更一般的盒子、并行划分或加速后缀,应先核对自己的程序版本和网格坐标,再用于后续模型;不能把“能够输出网格”直接当作电子结构或材料性质预测。

需要根据你的体系选择资源?联系讨论计算需求。实际可用软件与权限,以当前账户和运行环境为准。

查看配图

放大后可滚动查看细节,按 Esc 关闭。

100%查看原图 ↗