deepmodeling/dpgen

DP‑GEN – 深度学习原子间势的自动生成

简介 – DP‑GEN（Deep Potential GENerator）是一个基于Python的平台，用于构建原子模拟的精确机器学习力场。它驱动一个并发学习循环：生成候选结构，选择信息量最大的结构，运行第一性原理（DFT）计算，并使用DeePMD‑kit训练Deep Potential模型。

重要性 – 传统力场需要手工设计的函数形式和大量的手动调整。DP‑GEN自动化了数据生成流程，可以筛选数百万个构型，而只有几百个被发送到昂贵的量子化学代码，并生成一个均匀准确的模型，可用于大规模分子动力学。

主要功能

• 可扩展的工作流程 – 在HPC调度器（Slurm、PBS、LSF）和云资源上工作；自动创建和监控作业。
• 广泛的软件集成 – 与MD引擎（LAMMPS、GROMACS、AMBER）、量子软件包（VASP、Quantum ESPRESSO、CP2K、SIESTA、Gaussian等）以及用于模型训练/推理的DeePMD‑kit接口。
• 模块化设计 – 用于初始化（dpgen init_*）、主运行（dpgen run）、数据集缩减（dpgen simplify）和模型测试（dpgen autotest）的独立命令。
• 用户友好 – 可通过pip或conda安装；dpgen -h显示完整CLI；提供广泛的文档、教程和示例JSON输入文件。

典型工作流程

1. 初始化 – 为体相、表面或反应系统生成初始构型集（dpgen init_bulk等）。
2. 运行 – 执行并发学习循环（dpgen run），反复进行：
   • 使用MD采样结构，
   • 使用Deep Potential模型集成选择不确定的构型，
   • 对选定的结构启动DFT计算，
   • 使用新数据重新训练模型。
3. 简化 – 可选地将数据集缩减到可管理的大小。
4. 自动测试 – 在独立测试集上验证最终模型。

安装

# 通过pip
pip install dpgen
# 或通过conda（推荐用于HPC环境）
conda install -c conda-forge dpgen

DP‑GEN需要Python 3.10+和可用的DeePMD‑kit安装。

入门 – 安装后，运行dpgen -h查看子命令，然后按照https://tutorials.deepmodeling.com/en/latest/Tutorials/DP-GEN/ 的逐步教程操作。示例JSON输入文件位于examples/目录中。

许可证与社区 – 在GNU LGPL v3.0下发布；该项目由DeepModeling维护，欢迎贡献。

---

DP‑GEN是一个真正的AI驱动科学软件包，用于生成深度学习原子间势，完全符合机器学习分子建模的前沿。