VTST Python本地KDB:导入NH₃过程、查询与候选预览
用实际NH₃三结构和能量准备SQLite过程库,部署个人KDB依赖,保留完整能量精度、查询12组候选并导出三帧XYZ和模式方向图。
阅读本篇目录
下载三结构原始结果、SQLite示例库、12组候选、XYZ预览、脚本、CSV和图片(ZIP)。KDB保存已有过程中的初态、鞍点和末态,之后依据局部环境提出新的鞍点初猜。本篇演示VTST的Python入口与本地SQLite数据库,和Perl本地KDB是两套实现,文件结构不能直接混用。
本例沿用此前已完成的NH₃极小值和VTST鞍点,只为镜像末态补做一个4原子单点,保留三份真实VASP输出。没有新做一条NEB路径。KDB给出的候选仍需后续鞍点优化和振动确认,不能把“查到候选”当成已完成过渡态计算。
1 先读取结果,不必重算DFT#
解压进入vtst-Python-local-KDB:
bash read.sh
bash plot.sh
cat analysis/VTST-Python-KDB-energies.csv
cat analysis/VTST-Python-KDB-candidates.csv
ls reference-results/kdbmatches
ls reference-results/movies

| 状态 | σ→0能量/eV | 来源 |
|---|---|---|
| 初态极小值 | −19.55007264 | 已有收敛结构优化 |
| 鞍点 | −19.34456559 | 已有VTST dimer结果 |
| 镜像末态 | −19.55008583 | 本次新增单点 |
本例两方向的能量差分别为0.20550705 eV、0.20552024 eV;两个极小值能量相差约1.32×10⁻⁵ eV。图中虚线只连接这三个离散结果,不代表新计算的完整能量路径。对应dimer方法和振动确认见VTST dimer工作流和振动与前因子。
2 第一次准备个人依赖#
bash setup.sh
source environment.sh
python -c 'import kdb.fmodules; print("KDB ready")'
KDB依赖安装在当前示例目录的.kdb-tools,不改公共模块。脚本下载并校验作者仓库的固定版本,再编译小型Fortran扩展;构建进程限制在一个物理核心。使用Python3.11.16、NumPy2.3.5及GNU Fortran13.3.0,Meson1.9.1、Ninja1.13.0、NetworkX3.5和charset-normalizer3.4.4为固定依赖。
已经准备好的同一私有依赖会核对源文件后复用,不重复编译。本例不连接远程KDB,不创建远程账号,也不改个人定时任务。
3 认识导入目录#
inputs/
INCAR 只声明IMAGES = 1
00/POSCAR 初态结构
00/CONTCAR
00/OUTCAR 实际初态输出
01/POSCAR
01/CONTCAR 实际鞍点结构
01/OUTCAR 实际鞍点输出
02/POSCAR 末态结构
02/CONTCAR
02/OUTCAR 实际末态输出
cat inputs/INCAR
cat inputs/00/POSCAR
grep 'energy without' inputs/00/OUTCAR | tail -n 1
grep 'energy without' inputs/01/OUTCAR | tail -n 1
grep 'energy without' inputs/02/OUTCAR | tail -n 1
IMAGES=1表示这组导入文件有一个中间像,包含两个端点共三个结构;它不是让程序启动新NEB。导入脚本会寻找能量最高的像,读取相应结构,并根据相邻像计算满足周期性最小镜像约定的位移,写出MODE.dat。
必须让结构与OUTCAR来自匹配的实际计算。不能改了POSCAR后,仍给它配一份其他几何的OUTCAR。本例末态是将已有极小值的分数坐标z变为1-z后,单独求得匹配能量。
4 准备本地数据库并手动导入#
bash prepare.sh
source environment.sh
cd work-new
python ../tools/kdbinsert-full.py -l > insert-full.log 2>&1
kdbquery.py 00/POSCAR -l > query-original.log 2>&1
python ../movies.py .
prepare.sh复制输入并创建一个新的空数据库kdb.db;本例使用明确选择的邻居参数nf=1.8,让这个孤立小分子的四个原子都进入局部过程。它会通过KDB自身的参数接口,确认更新这个新建空库;不会确认修改用户已有的其他数据库。
这个较大的邻居参数是本篇NH₃分子实例的选择,不是推荐所有固体、表面体系都用1.8。周期盒较小、邻居跨盒重复、局部原子太少等情况,KDB可能拒绝插入;应检查实际结构与邻域,不能因为程序返回0就认为入库成功。
-l选择本地数据库。首次操作时不要漏掉它,否则原版入口默认走远程客户端。本例导入后的数据库含一条过程、原始和局部两套三结构;这里局部结构仍有全部4个原子。
旧导入脚本使用固定列截取OUTCAR能量,可能丢掉末尾小数。包内kdbinsert-full.py由准备脚本在自己的目录生成,完整读取energy(sigma->0)数值;几何与KDB搜索算法保持原样。公共安装文件不改写。
5 查看数据库与12组候选#
在work-new中:
ls kdb.db
cat insert-full.log
cat query-original.log
ls kdbmatches/SADDLE_*
ls kdbmatches/PRODUCT_*
ls kdbmatches/MODE_*
本例得到12组文件,例如:
SADDLE_1_0 PRODUCT_1_0 MODE_1_0
SADDLE_1_1 PRODUCT_1_1 MODE_1_1
...
SADDLE_-1_0 PRODUCT_-1_0 MODE_-1_0
文件名同时包含过程方向和匹配编号,不一定是老示例中的SADDLE_0这种单编号形式。这里的12组来自两个方向及氢原子的等价映射,不是新算出了12条独立反应。
可以用SQLite命令行查看记录;若本地没有该命令,包内read.sh会用Python直接读取并输出CSV:
sqlite3 kdb.db 'select pro_id,barrier_forward,barrier_reverse from Process;'
sqlite3 kdb.db 'select * from Param;'
候选保留了源过程的内部几何,但还只是供dimer等方法使用的初猜。挑选候选时,结构与同编号的模式文件要配对,不要把不同匹配的坐标和模式混在一起。
6 预览结构和模式方向#

箭头来自实际导出的候选模式,为了显示乘以0.7 Å;这不是实际动力学位移或运动时间。本版候选MODE文本打印到三位小数,范数会略偏离1;原始MODE.dat保存的是结构间位移,含义和后续归一化的候选方向不同。
独立预览脚本生成12份三帧XYZ,每份依次为“查询初态—候选鞍点—候选末态”:
ls movies
head -n 18 movies/process_1_0.xyz
可用支持XYZ轨迹的软件打开并逐帧查看。这三帧是结构预览,没有插入虚构能量,也不属于MD轨迹。原版VTST的-m与当前Python KDB的参数/命名有兼容差异,因此本篇使用独立预览脚本读取已经生成的候选,不重新查询数据库。
7 一次提交完整工具流程#
在一个新解压目录里先准备依赖,再提交:
bash setup.sh
cat run.slurm
sbatch run.slurm
# 完成后
bash read.sh work-new analysis-new
bash plot.sh analysis-new
完整脚本会自动执行准备、导入、原版本地查询及XYZ导出。因此手动做过prepare.sh的同一目录不要再直接提交完整脚本;可以继续第4节的手动步骤,或使用一个新解压目录。
CPU模板预留56核,计算限制在分配的资源内;本次工具实际只使用1个物理核心,不用GPU。作者客户端会创建多个查询工作进程,实际CPU占用还应结合调度分配的核心范围。本例完整精度导入约1.3秒,查询约4秒,不含依赖准备与排队时间。读取和绘图只使用已有结果,不重复入库或DFT。
8 可选:重算镜像末态的单点#
默认工具演示已经提供三份真实OUTCAR。需要单独练习末态DFT时,可先查看本包的实际输入:
cat source-product-singlepoint/INCAR
cat source-product-singlepoint/POSCAR
cat source-product-singlepoint/KPOINTS
cat recompute-product.slurm
sbatch recompute-product.slurm
单点使用VASP6.6.1 P100版、PAW64 H/N、12 Å立方盒、Γ点、ENCUT550 eV、EDIFF1E-6,NSW0、IBRION−1;本次实际耗时约20秒。模板读取集群已有赝势,提交前按账号可用队列调整资源。它只计算镜像末态,不重跑已有极小值和鞍点,也不启动新NEB。
三份OUTCAR是本例的真实计算数据;换体系时,需重新准备完整匹配的输入和结果,而不是仅替换元素标签或能量数字。KDB方法与独立依赖见作者KDB仓库和作者对KDB用途的说明。