brucefan1983/GPUMD

解决的问题

GPUMD (Graphics Processing Units Molecular Dynamics) 提供了一个在GPU上运行大规模原子模拟的高性能框架。它通过使用神经演化势 (Neuroevolution Potentials, NEPs) 有效解决了传统分子动力学的计算瓶颈，将量子力学计算的高精度与经验势的速度结合起来。

工作原理

该项目包含两个主要程序：用于执行分子动力学模拟和静态计算的 gpumd，以及用于训练和预测神经演化势的 nep。用户通过输入文件 (run.in, model.xyz) 定义系统，并利用GPU加速来模拟热传输、机械性能和冲击压缩等复杂物理现象。该框架同时支持经验原子间势和机器学习的 NEP 模型。

适用人群

该工具专为计算材料科学家、物理学家以及需要高效执行大规模计算的原子模拟研究人员设计。它非常适合希望将机器学习势函数集成到研究工作流中的用户。

亮点

• 用于分子动力学模拟的高性能GPU加速。
• 内置对神经演化势 (NEPs) 的支持，实现精确且高效的建模。
• 应用范围广泛，包括热传输、热力学性质和冲击压缩。
• 提供详尽的文档、教程以及 Google Colab 集成，助力快速上手。
• 提供用于数据处理、格式转换和结构准备的工具。