deepmodeling/dpgen

DP‑GEN – 딥러닝 원자간 포텐셜 자동 생성

개요 – DP‑GEN(Deep Potential GENerator)은 원자 시뮬레이션을 위한 정확한 기계학습 힘장을 구축하는 Python 기반 플랫폼입니다. 동시 학습 루프를 구동합니다: 후보 구조 생성, 가장 정보가 많은 구조 선택, 제일원리(DFT) 계산 실행, DeePMD‑kit으로 Deep Potential 모델 훈련.

중요성 – 기존 힘장은 수작업으로 만든 함수 형태와 광범위한 수동 조정이 필요합니다. DP‑GEN은 데이터 생성 파이프라인을 자동화하고, 수백만 개의 구조를 스크리닝하면서 고가의 양자 화학 코드로 보내는 것은 수백 개뿐이며, 대규모 분자 역학에 사용할 수 있는 균일하게 정확한 모델을 생성합니다.

주요 기능

• 확장 가능한 워크플로우 – HPC 스케줄러(Slurm, PBS, LSF) 및 클라우드 리소스에서 작동하며, 작업을 자동으로 생성하고 모니터링합니다.
• 광범위한 소프트웨어 통합 – MD 엔진(LAMMPS, GROMACS, AMBER), 양자 패키지(VASP, Quantum ESPRESSO, CP2K, SIESTA, Gaussian 등), 모델 훈련/추론용 DeePMD‑kit와 인터페이스합니다.
• 모듈식 설계 – 초기화(dpgen init_*), 메인 실행(dpgen run), 데이터셋 축소(dpgen simplify), 모델 테스트(dpgen autotest)용 별도 명령어.
• 사용자 친화적 – pip 또는 conda로 설치 가능. dpgen -h로 전체 CLI 표시. 광범위한 문서, 튜토리얼, 예제 JSON 입력 파일 제공.

일반적인 워크플로우

1. 초기화 – 벌크, 표면 또는 반응 시스템용 초기 구성 세트 생성(dpgen init_bulk 등).
2. 실행 – 동시 학습 루프 실행(dpgen run). 다음을 반복합니다:
   • MD로 구조 샘플링
   • Deep Potential 모델 앙상블을 사용하여 불확실한 구성 선택
   • 선택된 구조에 대해 DFT 계산 시작
   • 새 데이터로 모델 재훈련
3. 단순화 – 데이터셋을 관리 가능한 크기로 선택적으로 정리.
4. 자동 테스트 – 독립 테스트 세트에서 최종 모델 검증.

설치

# pip 사용
pip install dpgen
# 또는 conda 사용(HPC 환경에 권장)
conda install -c conda-forge dpgen

DP‑GEN은 Python 3.10 이상과 작동하는 DeePMD‑kit 설치가 필요합니다.

시작하기 – 설치 후 dpgen -h를 실행하여 하위 명령을 확인하고, https://tutorials.deepmodeling.com/en/latest/Tutorials/DP-GEN/ 의 단계별 튜토리얼을 따르세요. 예제 JSON 입력 파일은 examples/ 디렉토리에 있습니다.

라이선스 및 커뮤니티 – GNU LGPL v3.0으로 릴리스. 프로젝트는 DeepModeling이 유지 관리하며 기여를 환영합니다.

---

DP‑GEN은 딥러닝 원자간 포텐셜 생성을 위한 진정한 AI 기반 과학 소프트웨어 패키지로, 기계학습 기반 분자 모델링의 최전선에 있습니다.