本文介绍深度势能（DeepMD）的软件安装方法。

lammps模拟必须有势函数支持，如果找不到势函数，模拟将无法继续。

DeepMD基于机器学习的方法可以训练自己需要的势函数，解决了没有势函数的难题，详细的原理后面会陆续介绍。

训练势函数主要使用DeepMD-kit，因此，本文主要介绍ubuntu系统下DeepMD-kit的安装。

DeepMD官网给出了三种安装方式：离线、conda、docker。

下面主要介绍使用conda安装DeepMD-kit。

首先，需要安装conda软件，如果已经安装conda，可以直接跳到第2步。

（1）conda安装
conda发行版本有很多，常用的有anaconda，miniconda等。
以anaconda安装为例，先到官网或者到下面网址下载安装包：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/<

下载 安装 包https://docs.anaconda.com/miniconda/，移动至服务器，通过 . ***.sh 根据提示一步步 安装 。 安装 完毕后进入环境vim ~/.bashr，设置快捷命令。网络正常的情况下，按照官网的 安装 方式进行 安装 即可。我选择 安装 Miniconda。进入官网下载demo进行测试。如出现帮助，则 安装 成功。2、 安装 Deep MD 。 Deep md 是一款高效的神经网络 势 函数 训练 软件 ，只需要有一些 Linux 和基本的 lammps 分子动力学基础的使用者即可上手。 Deep md 具有很好的 lammps 接口。但是对于初学者而言， deep md - lammps 编译不是一件容易的事，编译过程中的坑非常非常多。即便 deep md 官网上手册中有打包好conda包，但由于不同的编译环境，编译出来的结果有可能是报错的。除此之外，官网的一键 安装 包在编译过程中没有采用intel的加速功能，实际测试与本 方法 相比速度慢了大约1倍左右（原因是因为 lammps 官网有个加速的包... 也就是要按照我上面的顺序来 按e键后，要再按i键后再进行粘贴，确保显示了export而非rt。1、老板让装一下 Deep MD ，说是今后会用到，然后我开始再在网上找教程开始装了，完全新手上路。（当然不同人路径不一样）” 我始终实现不了，小白第一次接触，后来去学了vim编辑器的使用 方法 。常用的几个操作：首先E键进入编辑，然后i键进入编辑模式 显示插入，这个时候就可以修改了。修改完后，Esc键退出编辑模式，在输入:wq命令回车后即可实现保存后退出。然后再设置环境变量那里卡了很久。原帖中：编辑profile。 mkdir ~/software mkdir ~/software/anaconda3 ~/software/tensorflow ~/software/bazel ~/software/ lammps ~/software/xdrfile 注意把文中的heqi替换成你自己账号的名字 （ 安装 vim） sudo apt-get install vim-gtk 1. 安装 JDK sudo ... 第一次参加ASC比赛，只完成了 deeP MD - kit 初步的优化，记录一个月来的心得与总结 Introduction DeeP MD - kit 是用 Python / c++编写的 DeeP MD 实现，旨在最小化构建基于 深度 学习的原子间 势能 和力场模型以及进行分子动力学模拟所需的工作量。这为解决分子模拟中准确性与效率的两难问题带来了新的希望。 DeeP MD - kit 的应用范围从有限分子到扩展系统，从金属系统到化学键合系统。 The Deep MD 挑战要求大学生团队利用超级计算机运行 deep md - kit 框架去进行三个最具代表性 Horovod支持TensorFlow、PyTorch、MXNet和Keras等多个 深度 学习框架，并提供了一些高级功能，如弹性 训练 、动态调整学习率和容错机制等。它可以在 Linux 、OS X和Windows上运行，是为 Python 程序创建的，但可以打包和分发任何 软件 。它提供了一些高级功能，如非阻塞通信、组通信和拓扑通信等，同时也支持NumPy数组和 Python 对象的通信。使用Horovod可以显著提高 深度 学习模型的 训练 速度和规模，特别适用于大规模数据和复杂模型的 训练 。 数据集的量有500-2000不等，当然数据集越多 训练 的越好。除此之外还有体系的原子数，同样原子数越多 训练 的越好。本文中通过VASP进行 MD 动力学过程，运行1000步，随机抽取200个数据集作为测试集，800个数据集作为 训练 集。02.lmp.将vasp运行的OUTCAR复制到00.data中，运行如下 python 代码进行数据集的划分。a:VASP运行需要4个文件：POSCAR，POTCAR，KPOINTS，INCAR。大概流程就这么多，有不清楚的地方，欢迎关注公众号：硕博科研小助手，联系我。 大概流程就是利用初始数据 训练 出四个 势 函数 ，用其中一个 势 函数 跑 lammps 计算体系原子受力，并用其他三个 势 函数 的预测结果对比，体系原子的最大受力超过fmax 则认为是糟糕构型（舍去），小于fmin则认为 势 函数 预测准确，在fmin和fmax之间则为候补构型，将候补构型挑选一定数量进行下一步vasp单点能计算，完成后。然而它存在一定的问题，问题在于， 训练 的数据来自于数千步的AI MD 过程，各个步数之间有着强烈的相关性，且结构相差不大，这对于探索相空间而言，略有瑕疵。欢迎关注公众号：硕博科研小助手，一起交流学习。 DeeP MD - kit 是一种基于机器学习的分子动力学模拟 方法 ，该 方法 是通过使用从头计算得到的数据对 深度 神经网络模型进行 训练 ，从而得到通用的多体 势能 模型（DP模型）。最近自己也在学习这个， 安装 上遇到了一些问题，避免大家踩坑，下面给出相关建议。本例 安装 的是tensorflow_cpu==2.5.0 和 python 3.8。3. 安装 deep md - kit ，这里 安装 离线版集成好了的 deep md - kit 。终端输入：dp --h . 出现 usage的相关命令，则 安装 成功。欢迎关注公众号------硕博科研小助手。 探索高效计算新境界： DeeP MD - kit 深度 学习分子模拟工具 deep md - kit A deep learning package for many-body potential energy representation and molecular dynamics项目地址:https://gitcode.com/gh_mirrors/de/ deep md - kit 在探索微观世界的道路上，我们不... 一周前我们分享了在 Ubuntu 下在线 安装 Deep MD - kit ，但是有一些服务器或者集群是无法连接外网的，因此很有必要掌握离线 安装 DeeP MD - kit 的 方法 。本课题组的集群装的Centos7系统，离线，GCC版本是4.8.5。主要参考资料[ 安装 deep md ]和[源码 安装 TensorFlow]https://blog.csdn.net/xszyqbr/article/details/82961934h...