gdml和sgdml力场模型的参考实现。
sgdml的Python项目详细描述
对称梯度域机器学习（sgdml）
有关详细信息，请访问：http://sgdml.org/
文档可以在这里找到：http://sgdml.org/doc/
要求：
- Python2.7/3.7
- 纽比（>；=1.13.0）
- scipy
- Pythorch（可选）
开始
稳定释放
大多数系统都预装了pythonpip的默认包管理器。只需调用：
sgdmlpip install sgdml
命令行界面和相应的python api现在可以从系统的任何地方使用。
开发版本
（1）克隆存储库
git clone https://github.com/stefanch/sGDML.git
cd sGDML
或用
更新现有的本地副本git pull origin master
（2）安装
pip install -e .
使用标志--user，我们可以告诉pip将包安装到当前用户的主目录，而不是系统范围。此选项可能要求您相应地更新系统的PATH变量。
…支持GPU
对于gpu支持，需要安装可选的pytorch依赖项。
pip install -e .[torch]
重建第一个力场
下载其中一个示例数据集：
sgdml-get dataset ethanol_dft
训练力场模型：
sgdml all ethanol_dft.npz 200 1000 5000
查询力字段
importnumpyasnpfromsgdml.predictimportGDMLPredictfromsgdml.utilsimportior,_=io.read_xyz('examples/geometries/ethanol.xyz')# 9 atomsprintr.shape# (1,27)model=np.load('models/ethanol.npz')gdml=GDMLPredict(model)e,f=gdml.predict(r)printe.shape# (1,)printf.shape# (1,27)
…支持GPU
在实例化预测器时设置use_torch=True会将所有计算重定向到pytorch。
gdml=GDMLPredict(model,use_torch=True)
注意：Pythorch必须安装有GPU支持，否则将使用CPU。但是，我们建议在不使用pytorch的情况下执行cpu计算以获得最佳性能。
参考文献
[1]希米拉，S.，特卡钦科，A.，苏塞达，H.E.，波尔塔夫斯基，I.，舒特，K.T.，米勒，K.-R.， 精确节能分子力场的机器学习。 科学进步，3（5），E1603015（2017）
10.1126/sciadv.1603015[2]Chmiela，S.，Sauceda，H.E.，Müller，K.-R.，和Tkatchenko，A.， 使用机器学习力场进行精确的分子动力学模拟。 自然通讯，9（1），3887（2018）
10.1038/s41467-018-06169-2[3]希米拉，S.，索塞达，H.E.，波尔塔夫斯基，I.，穆勒，K.-R.，&T卡钦科，A.， sgdml:使用机器学习构造精确且数据有效的分子力场。 计算机物理通信，240，38-45（2019） 10.1016/j.cpc.2019.02.007
[4]苏塞达，H.E.，希米拉，S.，波尔塔夫斯基，I.，穆勒，K.-R.，&T卡钦科，A.， 具有梯度域机器学习的分子力场：具有耦合簇力的小分子动力学的构造与应用。 《化学物理杂志》，150114102（2019） 10.1063/1.5078687
欢迎加入QQ群-->： 979659372
