自动训练集生成模块

概述

自动化训练集生成模块是 PhyMLP Kit 的核心功能模块之一，提供了一套完整的、自动化的机器学习势训练集构建流程。该模块通过结合材料数据库、第一性原理计算和结构生成算法，实现了从零开始构建高质量训练集的完整工作流。

主要特点

全自动流程：从结构获取到数据集生成的完整自动化流程
多数据源支持：支持从 Materials Project 数据库获取初始结构
多尺度采样：包含晶格形变、原子微扰等多种结构采样方法
VASP集成：自动设置和提交第一性原理计算任务
智能后处理：自动处理计算结果并生成训练集

核心功能

从 Materials Project 获取结构

phymlp-kit from_mp_structures --input_file config.yaml

从 Materials Project 数据库获取初始晶体结构，支持： - 通过材料ID（如 mp-12345）或化学式（如 Ni3Al）检索 - 自动下载晶体结构并保存为 POSCAR 格式 - 支持多结构批量下载

结构形变生成

phymlp-kit deform_structures --input_file config.yaml

生成晶格形变结构，用于采样能量-体积（E-V）曲线： - Birch-Murnaghan 状态方程驱动的体积变化 - 各向同性/各向异性形变 - 自定义形变范围和步长

原子位置微扰

phymlp-kit perturb_structures --input_file config.yaml

生成原子位置微扰结构，用于采样构型空间： - 随机原子位移 - 温度相关的热扰动 - 自定义扰动幅度和方向

VASP 计算设置

phymlp-kit setup_vasp --input_file config.yaml

自动设置第一性原理计算环境： - 生成 INCAR、KPOINTS、POTCAR 等输入文件 - 根据结构自动选择合适的计算参数 - 支持不同的泛函和赝势

VASP 作业提交

phymlp-kit submit_vasp --input_file config.yaml

自动提交 VASP 计算任务： - 支持 SLURM、PBS 等作业调度系统 - 批量作业提交和管理 - 作业状态监控和错误处理

POTCAR 生成测试

phymlp-kit test_potcar --poscar POSCAR --input_file config.yaml

测试 POTCAR 文件生成： - 验证赝势文件可用性 - 元素匹配检查 - 赝势版本兼容性验证

形变结果处理

phymlp-kit process_deform --input_file config.yaml

处理形变计算的结构和能量： - 提取 OUTCAR 中的能量和应力信息 - 结构弛豫结果分析 - 能量-体积数据整理

Birch-Murnaghan 拟合

phymlp-kit birch_murnaghan --input_file config.yaml

执行 Birch-Murnaghan 状态方程拟合： - 从能量-体积数据拟合状态方程参数 - 计算体模量、平衡体积等物理量 - 生成拟合曲线和数据报告

实验 P-V 数据拟合

phymlp-kit exp_pv_structures --input_file config.yaml

基于实验 P-V 数据生成训练结构： - 导入实验压力-体积数据 - 插值生成对应体积的结构 - 支持多种实验数据格式

数据转 POSCAR

phymlp-kit dump_to_poscar --input_file config.yaml

将各类数据转换为 POSCAR 格式： - 支持多种中间格式转换 - 保持晶体对称性信息 - 原子类型和坐标格式标准化

Extxyz 数据集生成

phymlp-kit generate_extxyz --input_file config.yaml

生成最终的训练数据集： - 整合所有计算结构 - 转换为 PhyMLP 兼容的 extxyz 格式 - 包含能量、力、应力等信息

完整工作流

phymlp-kit full_workflow --input_file config.yaml

执行从结构获取到数据集生成的完整流程： - 顺序执行所有步骤 - 支持步骤跳过和断点续做 - 进度监控和错误恢复

配置系统

所有功能都通过 YAML 配置文件控制，配置文件包含以下主要部分：

# 示例配置文件结构
materials_project:
  api_key: "your_mp_api_key"
  materials: ["mp-12345", "Ni3Al"]

structure_generation:
  deformation:
    volume_range: [0.85, 1.15]
    num_structures: 10
  perturbation:
    displacement: 0.02
    num_perturbations: 5

vasp_calculation:
  functional: "PBE"
  encut: 520
  kpoints: [4, 4, 4]
  convergence:
    ediff: 1e-6
    ediffg: -0.02

data_processing:
  output_format: "extxyz"
  include_forces: true
  include_stress: true

工作流程

典型的自动化训练集生成流程如下：

依赖关系

Python包: - pymatgen: 材料结构处理 - numpy, scipy: 数值计算和拟合 - pyyaml: 配置文件解析
外部软件: - VASP: 第一性原理计算 - PhyMLP: 机器学习势训练
服务: - Materials Project API: 材料数据库访问

使用示例

基本使用

# 1. 准备配置文件
cp auto_generate_set/example_config.yaml my_config.yaml

# 2. 编辑配置文件
# 修改 materials_project, structure_generation 等部分

# 3. 执行完整工作流
phymlp-kit full_workflow --input_file my_config.yaml

分步执行

# 分步执行以获得更多控制
phymlp-kit from_mp_structures --input_file config.yaml
phymlp-kit deform_structures --input_file config.yaml
phymlp-kit setup_vasp --input_file config.yaml
phymlp-kit submit_vasp --input_file config.yaml
# 等待VASP计算完成...
phymlp-kit process_deform --input_file config.yaml
phymlp-kit generate_extxyz --input_file config.yaml

常见问题

Q1: 如何获取 Materials Project API 密钥？

访问 https://materialsproject.org
注册账户并登录
在个人设置中生成 API 密钥
在配置文件中添加 api_key: "your_key"

Q2: VASP 计算失败如何处理？

检查 vasp_calculation 配置参数
验证 POTCAR 文件路径和内容
查看 VASP 输出文件（OUTCAR, OSZICAR）
调整收敛标准和计算参数

Q3: 如何自定义结构生成策略？

修改 structure_generation 部分： - deformation.volume_range: 体积变化范围 - deformation.num_structures: 形变结构数量 - perturbation.displacement: 微扰幅度 - perturbation.num_perturbations: 微扰数量

进阶使用

自定义插件

可通过继承基类实现自定义结构生成器：

from phymlp.auto_generate_set.base import StructureGenerator

class MyGenerator(StructureGenerator):
    def generate_structures(self, base_structure):
        # 自定义结构生成逻辑
        pass

批量处理

支持多个材料的并行处理：

materials_project:
  materials: ["mp-12345", "mp-67890", "Ni3Al", "TiAl"]

parallel:
  enabled: true
  max_workers: 4