Deepmd+DP-GEN(深度学习+主动学习)

1. 背景：DP势有着AIMD的计算精度，也具备lammps高效的运行速度和效率，是一个强有力的工具。在先前的推文中，已经介绍了deepmd的安装，训练，结果验证。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AIMD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。因此，引进主动学习+增强采样的方法非常利于相空间的探索，可提高外推效果，增强机器学习的准确性。下文以SrTiO3为例来讲述（文献放在末尾）。

2. DP-GEN的介绍：

   DP-GEN是一款结合主动学习的软件包，通过调用deepmd-kit,lammps和vasp，达到精确训练势函数的目的。工作流程通常包括三个过程：训练，探索相空间和vasp单点能计算。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。将挑选构型加入到初始数据集中训练。反复迭代，直至准确度达到99%。

3. SrTiO3势函数训练过程 详情见公众号推文（硕博科研小助手）。

欢迎关注公众号：硕博科研小助手，一起交流学习。