GPUMD+NEP是入门机器学习势函数（MLP）的最佳组合。不仅因为它是完全的国产软件，更因为其简洁高效。此外，得益于庞大的用户群体，该流程拥有完善的社区支持，任何问题都能得到专业、快速的解答。
“用GPUMD+NEP，MLP少弯路“
——某资深用户如是说
准备环境
系统环境检查：
在开始安装之前，请确认您的系统环境。本教程使用的是 Windows 11 上的 WSL2（与 Ubuntu 完全一致）。并且经过测试，本教程所需的命令在任何 Linux 系统上均可运行。
$ uname -aLinux kewin 5.15.133.1-microsoft-standard-WSL2 #1 SMP Thu Oct 5 21:02:42 UTC 2023 x86_64 x86_64 x86_64 GNU/Linux
nep安装检查：
详情参考本公众号以前的安装教程：
本公众号之前发布的GPUMD及NEP安装教程包含nep_cpu部分
徐克，公众号：微纳计算GPUMD_3.9.1_2024
$ which nep/home/ke/software/GPUMD/GPUMD-3.9.5/src/nep
GPUMD安装检查：
详情参考本公众号以前的安装教程（见上述引用）：
$ which gpumd/home/ke/software/GPUMD/GPUMD-3.9.5/src/gpumd
支持nep势模型的lammps安装检查：
详情参考本公众号以前的安装教程（见上述引用）：
$ ls ~/software/Install/lammps-stable_29Aug2024/src/lmp_mpi/home/ke/software/Install/lammps-stable_29Aug2024/src/lmp_mpi
ovitos安装检查：
请在ovito官网上下载ovito pro，并解压到系统中后检查其路径：
https://ovito.org/#download
提示：ovito pro的界面版是付费的（可执行文件名为ovito），但是其命令行版本是完全免费的（可执行文件名为ovitos），大家可以安心使用。
$ ls /home/ke/software/Ovitos/ovito-pro-3.11.0-x86_64/bin/ovitos/home/ke/software/Ovitos/ovito-pro-3.11.0-x86_64/bin/ovitos
参考数据包下载
下载地址：
$ git clone https://github.com/Kick-H/NEP-water.git提示：该仓库是作者在学习 GPUMD+NEP 过程中，关于水分子相关工作的开源仓库。目前已有两篇相关论文一篇发表在JCP上，另一篇目前在 arXiv 上，感兴趣的读者可以阅读：
使用GPUMD+NEP实现对液态水的热导率的准确预测
https://doi.org/10.1063/5.0147039
使用NEP-MB-pol实现对常压、全温度下液态水的结构、热容、输运系数的精确预测
https://arxiv.org/abs/2411.09631
$ ls NEP-water/LICENSE README.md compare_MB-pol_SCAN one_molecule
这里只用到了one_molecule这个文件夹。
开始运行
$ cd NEP-water/one_molecule检查ext-xyz格式的训练集：
$ ls datasets/monomers.xyzdatasets/monomers.xyz
运行nep：
$ cp datasets/monomers.xyz nep/train.xyz$ cd nep/>> $ lsnep.in train.xyz
提示：这里没有test.xyz，因此loss.out中后3列为0，并且没有*_test.out系列文件。
$ nep # /home/ke/software/GPUMD/GPUMD-3.9.5/src/nep提示：该命令在作者笔记本电脑的4060上运行时间为261 s。运行完成后该目录的文件信息为：
>> $ lsenergy_train.out loss.out nep.restart stress_train.out virial_train.out force_train.out nep.in nep.txt train.xyz
运行gpumd：
$ cd ../gpumd/>> $ cp ../nep/nep.txt .$ lsmodel.xyz nep.txt run.in$ gpumd # /home/ke/software/GPUMD/GPUMD-3.9.5/src/gpumd
提示：该命令在作者笔记本电脑的4060上运行时间为54 s。此外，这里显示gpumd的计算速度为11092 atom*step/second，与声称的10e7 atom*step/second相差甚远，主要有以下两个原因：
1. 体系规模较小：该体系仅包含一个水分子（3 个原子），无法充分利用GPU 资源。
2. 硬件限制：笔记本显卡性能有限。目前性价比最高的显卡为 RTX 4090，读者可在该显卡上测试不同体系以达到最佳运行效率。
注意：目前教程中训练的势函数只能模拟单个水分子，并不能运行其他多分子的水体系，例如块体水等。
运行完成后该目录的文件信息为：
$ lsdump.xyz model.xyz neighbor.out nep.txt run.in thermo.out
运行ovitos文件（.py文件），分析单个水分子的Radial Distribution Function (rdf)和Angular Distribution Function (adf)：
$ cd ../ovito/>> $ lsplot_rdf_adf.py rdf_adf.py$ ovitos rdf_adf.py # /home/ke/software/Ovitos/ovito-pro-3.11.0-x86_64/bin/ovitos rdf_adf.py
提示：该命令正常运行并不输出信息。运行完成后该目录的文件信息为：
$ lsadf-c1-hoh.dat adf-hoh.dat adf-ooo.dat plot_rdf_adf.py rdf.dat rdf_adf.py
随后可以使用python运行plot_rdf_adf.py对rdf.dat, adf-ooo.dat, adf-hoh.dat进行分析：
$ python plot_rdf_adf.py最终的输出如rdf_adf.pdf图所示。
感兴趣的读者还可以用lammps运行一下试试，看看与gpumd获得的结果是否一致。
进入 LAMMPS 目录并复制 NEP 模型文件：
$ cd ../lammps/>> $ cp ../nep/nep.txt .$ lslmp.in water.data nep.txt$ lmp_mpi < lmp.in # /home/ke/software/Install/lammps-stable_29Aug2024/src/lmp_mpi < lmp.in
提示：在作者的笔记本电脑上，运行时间约为 4 秒。可见，在小规模MD 计算中，CPU 的速度更快，并非所有计算都需要使用GPU。
结语
本教程只是带着读者对GPUMD+NEP进行了系统演练，其中的一些命令行含义、运行文件参数设置以及分析数据等方面等下次再详细说明。
本教程所用到的参考文献如下：
[单个水分子训练集] https://pubs.aip.org/aip/jcp/article/158/8/084111/2868881/A-short-blanket-dilemma-for-a-state-of-the-art
[ovito] https://ovito.org/
[github教程] https://github.com/Kick-H/NEP-water
[gpumd] https://gpumd.org/
[lammps] https://www.lammps.org/
[nep-lmp] https://github.com/brucefan1983/NEP_CPU
[nep-water文章1] https://doi.org/10.1063/5.0147039
[nep-water文章2] https://arxiv.org/abs/2411.09631
作者简介：
徐克，致力于分子动力学模拟和机器学习势函数的研究，热衷于分享科学计算的技巧和心得。偷偷预祝一波谷歌学术引用破千：https://scholar.google.com.hk/citations?user=lfan0bAAAAAJ
