LAMMPS机器学习势：模型与环境选择
区分SNAP、ML-IAP、POD、UF3、DeePMD实际入口与MACE、NEP、RANN等专用依赖。
阅读本篇目录
机器学习势先确定模型家族与格式，再选对应LAMMPS环境。lmp -h出现名字并不一定代表功能能运行；模型文件也不能仅改后缀就在不同接口间通用。
1. 下载可查询的环境表#
下载完整输入、实际输出、数据与绘图脚本，保存为example.zip：
python3 -m zipfile -e example.zip .
cd lammps-ml-environment-map
module load ase/3.29.0
bash read.sh
bash plot.sh
这两条脚本检查保存的环境表，并在figures/出图，不提交新计算。
python3 find_model.py
python3 find_model.py UF3
python3 find_model.py DeePMD
这个小工具只查询表格与教程入口，不安装软件、不提交任务。资料包里的读取脚本也只检查表格；它不是新的机器学习势物理计算。
图中空格表示这里没有列出相应实例，不代表软件理论上绝不支持。Host CPU包含GPU作业分配中的主机执行，不能把该图作为CPU节点性能对比。
2. 按模型家族选入口#
| 模型家族 | 本集群操作入口 | 先准备什么 |
|---|---|---|
| SNAP | 线性/二次与GPU、CPU/INTEL | 匹配的snapcoeff、snapparam和元素顺序 |
| ML-IAP原生模型 | SNA/SO3与神经网络 | 匹配的描述符与原生模型；原生NN不自动等于MACE |
| POD | 小模型训练、描述符 | POD描述符、系数、标签与模型适用范围 |
| UF3 | Nb模型、KOKKOS | UF3文件、BodyFlag、元素映射，newton on |
| DeePMD | 模型接口、能量力与维里 | 匹配版本/后端的模型与专用DeePMD-LAMMPS |
SNAP、ML-IAP、POD、UF3的上述入口包含实际模型与数值结果；DeePMD使用独立专用构建，不意味着常规KOKKOS模块同时含有deepmd接口。
3. 哪些需要专用依赖#
- MACE/unified：需要带Python支持的ML-IAP和兼容PyTorch/MACE环境、转换模型与接口。原生SNA/SO3神经网络教程不能替代该流程。参考MACE模型与命令。
- NEP：GPUMD已有NEP推理；要用LAMMPS仍需对应外部NEP接口，不能因为GPUMD能运行就认定常规LAMMPS已有接口。
- PACE、HDNNP、QUIP：需要相应LAMMPS包及libace、n2p2、QUIP等外部依赖和匹配模型；当前常用CPU构建未注册这些接口。
4. RANN与AGNI名称还在，为什么不能直接用#
当前30Sep2026版本中的RANN、AGNI及agni/omp是已移除功能的提示入口，构造时会提示原包被移除。实际检查过的2025、2024普通CPU版本也没有启用ML-RANN。切换到这两个旧模块并不能解决RANN运行问题。
确需这些接口时，应先确定受支持版本、专用构建与合适模型，再申请环境；不要在原有输入中将pair_style rann简单替换成另一种模型名称。此表没有把RANN或AGNI列为已完成的材料计算例子。
5. 更换模型前的实际顺序#
先查模型家族，再查文件格式和元素映射，然后用同一小结构比较能量与力，必要时做少量独立能量差分，最后再做结构优化或动力学。各后端、全部旧版本、训练方法与可选依赖不是同一项支持承诺。当前表覆盖已提供操作例子的模型家族及环境前提，不表示所有LAMMPS样式都已实跑。
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。