訓(xùn)練模型

輸入局域原子坐標(biāo)

經(jīng)過數(shù)學(xué)處理得到R矩陣

經(jīng)過嵌入神經(jīng)網(wǎng)絡(luò)得到G矩陣

G矩陣經(jīng)數(shù)學(xué)構(gòu)造得到滿足不變性的描述子D

描述子D經(jīng)過擬合神經(jīng)網(wǎng)絡(luò)最終預(yù)測(cè)能量

第一次上手可以只修改下圖中的參數(shù)

更細(xì)致的：

模型選擇：有碳的時(shí)候可能需要局域角度信息，需要用三體描述符se_e3模型（描述符引入了很多角度信息）

sel:截?cái)喟霃絻?nèi)最多原子數(shù)

rcut：經(jīng)驗(yàn)上6-9（對(duì)能量敏感或者不那么局域性的話調(diào)高一些，但初始訓(xùn)練6就夠了，后期再根據(jù)情況調(diào)到8或者9,9的時(shí)候計(jì)算量比較大了） 不需要根據(jù)盒子大小調(diào)整rcut

訓(xùn)練步數(shù)：第一次嘗試可以設(shè)置10w-40w區(qū)間內(nèi)；DPGEN：40-80w，因?yàn)樽铋_始不太需要那么高精度的模型，通常只是需要一個(gè)還可以的模型來(lái)快速補(bǔ)充訓(xùn)練數(shù)據(jù)；最后的最后，在所有工作都完成，數(shù)據(jù)收集也基本完成的時(shí)候，最后收尾時(shí)可能需要把所有數(shù)據(jù)再重新高精度算一遍來(lái)做最后的能量精度提升以降低與DFT計(jì)算的誤差，此時(shí)numb_steps可能需要數(shù)百萬(wàn)甚至更多（尤其是對(duì)能量敏感的，例如彈性常數(shù)，是一個(gè)對(duì)能量的二階導(dǎo)量，可能對(duì)能量收斂精度要求更高，需要更多的step）

這個(gè)步數(shù)設(shè)置其實(shí)是batch的個(gè)數(shù)

dpmdkit2.0不會(huì)自動(dòng)提供測(cè)試集數(shù)據(jù)，需要自己額外提供，默認(rèn)傳入的數(shù)據(jù)都是訓(xùn)練數(shù)據(jù)