NEP
模型介绍
NEP（Neural Evolution Potential）是基于 MatPL 的神经网络势训练示例，面向原子结构数据学习能量、力和 virial 等材料相互作用信息。
模型描述
NEP 基于 MatPL 框架，使用 Cu、LiSiC 等原子体系数据进行训练，面向材料体系开展原子间势函数训练及分子动力学模拟。
适用场景
| 场景 | 说明 |
|---|---|
| Cu 体系 NEP 训练 | 使用 demo/nep_Cu/Cu_nep_train.json 训练 Cu 势函数 |
| LiSiC 体系 NEP 训练 | 使用 demo/nep_LiSiC/LiSiC_nep_train.json 训练 LiSiC 势函数 |
| SLURM 作业提交 | 参考 demo/nep_Cu/submit.sh 在集群上运行训练 |
| 自有数据迁移 | 将客户数据整理为 pwmat/movement 等 MatPL 支持格式后替换训练路径 |
使用说明
1. OneCode 使用
可通过 OneCode 在线环境体验智能化一键式 AI4S 编程：
2. 手动安装使用
硬件要求
- 推荐使用 DCU 或 GPU 运行训练。
- CPU 可以用于导入和小配置连通性验证，完整训练速度较慢。
- DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。
下载模型包
modelscope download --model OneScience/NEP --local_dir ./nep
cd nep
安装运行环境
DCU环境
# 请首先激活DTK及CONDA
conda create -n onescience311 python=3.11 -y
conda activate onescience311
# 支持uv安装
pip install onescience[matchem-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai
GPU环境
# 请首先激活CONDA
conda create -n onescience311 python=3.11 -y libstdcxx-ng=12 libgcc-ng=12 gcc_linux-64=12 gxx_linux-64=12
conda activate onescience311
# 支持uv安装
pip install onescience[matchem-gpu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai
安装 MatPL
# 默认使用 test_pip 环境；若使用其他 conda 环境名，请先指定：
# export MATCHEM_CONDA_NAME=your_env
bash matpl_install.sh
训练数据介绍
本仓库不内置训练数据。以 MatPL 数据集为例，从 ModelScope 下载并放到仓库根目录的 data/ 下：
modelscope download --dataset OneScience/MatPL --local_dir ./data
下载后数据路径为 data/MatPL/。
训练
单卡：
cd demo/nep_Cu
MatPL train Cu_nep_train.json
SLURM 提交：
cd demo/nep_Cu
bash submit.sh
训练权重
本仓库目前不内置训练权重，权重可通过上述训练得到。
OneScience 官方信息
| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |
引用与许可证
- NEP 示例代码来自 OneScience 仓库。本仓库保留来源说明，并面向 OneScience ModelScope 自动运行场景进行整理。
- 如果在科研工作中使用 NEP 或 MatPL 训练结果，建议引用 OneScience 相关项目信息、MatPL/NEP 相关方法和实际使用的数据集来源。