mir-group/flare

An open-source Python package for creating fast and accurate interatomic potentials.

什麼是 FLARE？

FLARE（原子罕見事件的快速學習）是一個開源的 Python 庫，用於建構 貝葉斯原子間力場。它結合原子描述子（ACE、B2 等）與 稀疏高斯過程（GP）回歸模型，從量子力學參考資料中學習勢能。所產生的勢能足夠快速，可用於分子動力學（MD），同時提供 不確定性估計，支援即時主動學習。

主要功能

功能	FLARE 的實現方式
高精度力場	使用 ACE 類型描述子與歸一化點積核的稀疏 GP 捕捉多體相互作用。
不確定性感知 MD	GP 為每個預測返回變異數，使模擬能標記模型不確定的構型。
主動學習工作流程	FLARE 可自動將高不確定性構型加入訓練集（「即時學習」），或用於離線訓練循環。
LAMMPS 集成	提供 C++ 對勢（透過 pybind11），可編譯進 LAMMPS，支援使用貝葉斯力的大規模 MD。
自訂描述子	使用者可插入自己的描述子函數，仍可使用相同的稀疏 GP 機制。
可擴展至大規模資料集	稀疏 GP 將成本從 O(N³) 降低至 O(M³)，其中 M 是選定的「稀疏環境」數量（通常為數千）。
熱傳導工具	範例筆記本展示與 Phono3py 和 Phoebe 串接，從 FLARE 势能計算晶格熱導率的方法。

典型應用場景

材料發現 – 為新合金或催化劑建構貝葉斯力場，讓模型決定哪些構型需要昂貴的 DFT 計算。
罕見事件模擬 – 研究長時間尺度下發生的反應或相變；不確定性估計有助於將採樣集中在最具資訊量的區域。
加速 MD – 以學習得到的 FLARE 力場取代昂貴的第一原理 MD，同時保留置信度度量。
熱性質計算 – 使用 FLARE-LAMMPS 產生力常數，並輸入 Phono3py / Phoebe 以預測熱導率。

快速上手

# 從 PyPI 安裝最新版本
pip install mir-flare

*該套件會自動拉取所需的 C++ 擴充（使用 GCC 11 編譯）。

對於需要修改原始碼的開發者，README 提供詳細的開發者安裝指南，以及編譯 LAMMPS 以整合 FLARE 對勢的說明。

學習資源

文件網站 – https://mir-group.github.io/flare（API 參考、安裝、教學）。
Colab 筆記本 – 互動式教學涵蓋：
- 使用 ASE 建構貝葉斯力場（離線與即時主動學習）
- 透過 C++ API 執行完整的 LAMMPS 主動學習流程
- 自訂描述子整合
- 使用 Phono3py 和 Phoebe 的熱導率工作流程
範例畫廊 – 文件的「相關」頁面列出真實世界應用與基準結果。

技術需求

編譯器：GCC 11（已測試）；其他 C++ 編譯器可能可用，但不保證。
Python：3.x，pip>=20。
可選：Intel MKL 用於更快的線性代數；大型模型（10k+ 稀疏環境）建議 ≥100 GB 記憶體。
作業系統：在 Ubuntu 20.04 上開發；支援 macOS 與 Windows（透過 WSL 或原生建構）。

驗證與測試

專案包含 pytest 測試套件。安裝後可執行：

pip install pytest
cd tests
pytest

以驗證庫及其編譯擴充在您的機器上是否正常運作。

引用

若在發表工作中使用 FLARE，請引用 README 中列出的相關論文（主動學習貝葉斯力場、LAMMPS 對勢、映射高斯過程等）。

TL;DR – FLARE 是一個以 Python 為中心、基於高斯過程的框架，用於建構快速、不確定性感知的原子間勢能，與 LAMMPS 緊密整合，並提供一系列教學，讓您從幾次 DFT 計算快速過渡到大規模 MD 模擬。