DeePMD-kit v2: программный пакет для моделей глубокого потенциала

DeePMD-kit v2: A software package for deep potential models
Rhys E. A. Goodall, Linfeng Zhang, Darrin M. York, Roberto Car, Renata M. Wentzcovitch, Jiequn Han, E Weinan, Yu Xia, Shaochen Shi, Jinzhe Zeng, Sigbjørn Løland Bore, Han Wang, Duo Zhang, Jiameng Huang, Yifan Li, Jiaxin Zhu, Denghui Lu, Pinghui Mo, Zeyu Li, Yixiao Chen, Marián Rynik, Liang Huang, Ziyao Li, Yingze Wang, Haotian Ye, Ping Tuo, Jiabin Yang, Ye Ding, Davide Tisi, Qiyu Zeng, Han Bao, Koki Muraoka, Yibo Wang, Junhan Chang, Fengbo Yuan, Chun Cai, Yin‐Nian Lin, Bo Wang, Jiayan Xu, Chenxing Luo, Yuzhi Zhang, Wenshuo Liang, Anurag Kumar Singh, Sikai Yao, Jingchao Zhang, Jie Liu, Weile Jia
2023-08-01

DP-range коррекцияDeep Potential (DP) моделиDeepPot-SEдескрипторы на основе вниманиясжатие модели
DeePMD-kit — мощный программный пакет с открытым исходным кодом, облегчающий выполнение молекулярно-динамических симуляций с использованием машинно-обучаемых потенциалов, известных как модели Deep Potential (DP). Пакет, впервые выпущенный в 2017 году, получил широкое применение в физике, химии, биологии и материаловедении для изучения атомистических систем. Текущая версия DeePMD-kit включает многочисленные продвинутые возможности, такие как DeepPot-SE, дескрипторы на основе механизма внимания и гибридные дескрипторы, возможность подгонки тензильных свойств, встраивание типов (type embedding), оценка отклонения модели, коррекция DP-range, DP long range, поддержка GPU для настраиваемых операторов, сжатие моделей, молекулярная динамика вне фон-Неймана (non-von Neumann) и улучшенная удобство использования, включая документацию, скомпилированные бинарные пакеты, графические пользовательские интерфейсы и интерфейсы прикладного программирования. В статье приводится обзор текущей мажорной версии пакета DeePMD-kit с акцентом на его возможности и технические детали. Кроме того, представлена подробная процедура проведения молекулярной динамики в качестве репрезентативного применения, приведены бенчмарки точности и эффективности различных моделей и обсуждаются текущие направления разработки.
1
DeePMD-kit — это открытое программное обеспечение для молекулярной динамики с машинными потенциалами Deep Potential (DP), доступное с 2017 года.
2
Новые возможности включают подгонку тензильных свойств, оценку отклонения модели, DP-range correction и обработку дальнодействия DP (DP long range).
3
В статье представлен полный рабочий процесс MD, бенчмарки точности и эффективности разных DP-моделей и обсуждаются текущие направления развития.
4
Текущая основная версия добавляет множество продвинутых возможностей, включая DeepPot-SE, дескрипторы на основе внимания и гибридные дескрипторы, а также встраивание типов.
5
Пакет поддерживает ускорение на GPU для кастомных операторов, сжатие моделей и невон-Ноймановскую молекулярную динамику.
6
Улучшена удобство использования: расширенная документация, скомпилированные двоичные пакеты, графические интерфейсы и программные интерфейсы (API).

Программный пакет DeePMD-kit для моделей Deep Potential (DP)

Функции, техническая реализация и производительность (точность и эффективность) DeePMD-kit для проведения молекулярной динамики с моделями Deep Potential, включая продвинутые дескрипторы, коррекции дальнодействия, поддержку GPU/пользовательских операторов, сжатие моделей, удобство использования и бенчмаркинг

Publication Details
Publication Date
2023-08-01
Journal
Publisher
ISSN
Cited by
596
Access Type
Author Information
Authors
Rhys E. A. Goodall
Linfeng Zhang
Darrin M. York
Roberto Car
Renata M. Wentzcovitch
Jiequn Han
E Weinan
Yu Xia
Shaochen Shi
Jinzhe Zeng
Sigbjørn Løland Bore
Han Wang
Duo Zhang
Jiameng Huang
Yifan Li
Jiaxin Zhu
Denghui Lu
Pinghui Mo
Zeyu Li
Yixiao Chen
Marián Rynik
Liang Huang
Ziyao Li
Yingze Wang
Haotian Ye
Ping Tuo
Jiabin Yang
Ye Ding
Davide Tisi
Qiyu Zeng
Han Bao
Koki Muraoka
Yibo Wang
Junhan Chang
Fengbo Yuan
Chun Cai
Yin‐Nian Lin
Bo Wang
Jiayan Xu
Chenxing Luo
Yuzhi Zhang
Wenshuo Liang
Anurag Kumar Singh
Sikai Yao
Jingchao Zhang
Jie Liu
Weile Jia
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%