【机器学习力场培训班】

VASP的从头算分子动力学（AIMD）模拟功能目前在各领域基础研究中被广泛应用，源于其能够准确地预测材料微观结构的演化过程。但对于较大的体系，AIMD的耗时相对较长，对很多科研工作者而言都是一个难题。VASP6版本的一个重要的功能——实时机器学习力场（MLFF）能够解决这一难题，能大幅加速分子动力学模拟。因此，自从此功能推出以来，始终具有很高的关注度。

为了让更多用户了解全新的MLFF功能，源资科技于7月30日举办VASP6机器学习力场专题速成班，并对课程进行了精简升级，更新了课程讲义和上机操作手册。全程免费，包含授课及上机指导。

培训时间虽然仅有半天，但是学员们收获满满：不但了解到机器学习力场的理论基础和实际应用案例，而且通过上机实操掌握了大量建模和计算技巧。讲师与学员积极互动交流，回答大量学员关心的MLFF相关问题，获得了一致好评！

【Q&A答疑分享——Part 1】

1. 我这增加物理内存可能比较困难，使用MLFF经常out of memory，应该怎么解决？是设置ML_LBASIS_DISCARD还是增加ML_MB和ML_MCONF？

A：可以适当增加ML_MB和ML_MCONF。ML_LBASIS_DISCARD的开关决定了是否用新的局部构型取代旧的，与内存溢出没有直接关系。

2. VASP 6.3版本以后Nose-Hoover热浴和NVT系综不能同时使用，请问这个怎么解决呢？

A：不存在Nose-Hoover热浴和NVT系综不能同时使用的情况，只是VASP官方Wiki相比之下更推荐Langevin热浴。

3. 训练时如果对不同结构使用同一套K点，是否会导致spacing不一致？

A：有可能的。为了避免这种情况，可以选择Auto方法生成K点，请参考下图。

4. MLFF生成的力场文件也是一种POTCAR吗？有类似赝势库的那种机器学习力场库吗，还是要自己训练？

A：MLFF输出的力场文件叫ML_FFN，使用时需改名为ML_FF。POTCAR是赝势文件，两者不是同一个东西。不存在机器学习力场库，需要自己依据想要研究的体系进行训练。

5. 训练好的MLFF力场是不是可以用来计算一些具体性质？比如能带、声子等。

A：是的，可以计算。

6. 针对NiSi训练的力场能用于Ni2Si、Ni3Si吗？

A：可以用，但准确度有待检验。如果Ni2Si和Ni3Si用MLFF和DFT计算结果相差太大，就需要将它们的结构加入训练集，再次训练，以得到更好的MLFF。

7. VASP的MLFF用的机器学习是SVM？

A：是，精确来说是核函数（kernel method）。

8. 一个系综/温度下训练的力场能否直接用于不同系综/温度使用，还是需要继续训练得到新的力场？

A：可以，但是要考虑到不同的系综/温度是否对结构造成较大改变（比如发生了相变），以致于之前对局域化学环境的学习得到的力场无法描述现在的体系，如果存在这样的情况，就需要继续训练。

9. 如果我的目的只是为了加速计算，而不是得到力场，是不是建好目标结构并计算，就能保证误差的？

A：如果是定性分析，这样做没有问题。定量分析（例如计算扩散系数）的话，还是要在训练完得到一个可用的力场过后，再应用这个力场（纯应用，非训练）跑一段分子动力学，提取相关数据进行分析。

10. 训练一个大的体系，从较小的结构开始，再添加大的结构训练，效率是不是会高点？

A：是的，这个思路非常正确。