deepmodeling/dpgen

DP‑GEN – 深層学習原子間ポテンシャルの自動生成

概要 – DP‑GEN（Deep Potential GENerator）は、原子シミュレーション用の高精度機械学習力場を構築するPythonベースのプラットフォームです。並行学習ループを駆動します。候補構造の生成、最も情報量の多い構造の選択、第一原理（DFT）計算の実行、DeePMD‑kitによるDeep Potentialモデルのトレーニングを行います。

重要性 – 従来の力場は手作業による関数形式と広範な手動調整が必要です。DP‑GENはデータ生成パイプラインを自動化し、数百万の構造をスクリーニングしながら、高価な量子化学コードに送るのは数百のみで、大規模分子動力学で使用できる均一に高精度なモデルを生成します。

主な機能

• スケーラブルなワークフロー – HPCスケジューラ（Slurm、PBS、LSF）およびクラウドリソースで動作し、ジョブを自動的に作成・監視します。
• 広範なソフトウェア統合 – MDエンジン（LAMMPS、GROMACS、AMBER）、量子パッケージ（VASP、Quantum ESPRESSO、CP2K、SIESTA、Gaussianなど）、およびモデルのトレーニング/推論用のDeePMD‑kitとインターフェースします。
• モジュール設計 – 初期化（dpgen init_*）、メイン実行（dpgen run）、データセット削減（dpgen simplify）、モデルテスト（dpgen autotest）用の個別コマンド。
• ユーザーフレンドリー – pipまたはcondaでインストール可能。dpgen -hで完全なCLIを表示。広範なドキュメント、チュートリアル、サンプルJSON入力ファイルを提供。

典型的なワークフロー

1. 初期化 – バルク、表面、または反応系の初期構成セットを生成（dpgen init_bulkなど）。
2. 実行 – 並行学習ループを実行（dpgen run）。以下を繰り返します。
   • MDで構造をサンプリング
   • Deep Potentialモデルのアンサンブルを使用して不確実な構成を選択
   • 選択した構造に対してDFT計算を起動
   • 新しいデータでモデルを再トレーニング
3. 簡素化 – データセットを管理可能なサイズに任意で削減。
4. 自動テスト – 独立したテストセットで最終モデルを検証。

インストール

# pip経由
pip install dpgen
# またはconda経由（HPC環境に推奨）
conda install -c conda-forge dpgen

DP‑GENにはPython 3.10以上と動作するDeePMD‑kitのインストールが必要です。

はじめに – インストール後、dpgen -hを実行してサブコマンドを確認し、https://tutorials.deepmodeling.com/en/latest/Tutorials/DP-GEN/ のステップバイステップチュートリアルに従ってください。サンプルJSON入力ファイルはexamples/ディレクトリにあります。

ライセンスとコミュニティ – GNU LGPL v3.0でリリース。プロジェクトはDeepModelingによって維持され、貢献を歓迎します。

---

DP‑GENは、深層学習原子間ポテンシャルを生成するための本物のAI駆動科学ソフトウェアパッケージであり、機械学習対応分子モデリングの最前線に位置しています。