首页
/ HamGNN 的安装和配置教程

HamGNN 的安装和配置教程

2025-05-21 14:22:18作者:韦蓉瑛

项目的基础介绍和主要的编程语言

HamGNN 是一个基于图神经网络的开源项目,用于训练和预测紧束缚(TB)哈密顿量。该项目专门设计为 E(3) 对称性保持的图神经网络,能够用于分子和固体的电子结构计算。HamGNN 可以与常见的基于数值原子轨道的从头算 DFT 软件配合使用,如 OpenMX、Siesta 和 ABACUS。此外,它还支持包含自旋-轨道耦合效应的 SU(2) 对称性保持的哈密顿量预测。HamGNN 提供了对 DFT 结果的高保真近似,并且可以在材料结构之间提供迁移性预测,非常适合用于高通量电子结构计算,加速大规模系统的计算。

该项目主要使用 Python 编程语言。

项目使用的关键技术和框架

HamGNN 使用以下关键技术和框架:

  • PyTorch:用于构建和训练神经网络。
  • PyTorch Geometric:用于图神经网络相关的操作。
  • e3nn:用于实现 E(3) 对称性保持的图神经网络。
  • PyTorch Lightning:用于简化 PyTorch 的模型训练过程。
  • tensorboard:用于可视化训练过程。

项目安装和配置的准备工作和详细的安装步骤

准备工作

在开始安装之前,请确保您的系统中已经安装了以下依赖:

  • Python 3.9
  • Conda 或其他 Python 环境管理工具

安装步骤

  1. 创建虚拟环境

    使用 conda 创建一个新的虚拟环境(推荐):

    conda create -f environment.yaml
    

    或者,如果您更喜欢使用预构建的 Conda 环境,可以从 Zenodo 下载并解压。

  2. 安装依赖库

    激活虚拟环境后,安装所需的 Python 库:

    conda activate hamgnn_env
    pip install numpy==1.21.2 PyTorch==1.11.0 PyTorch Geometric==2.0.4 pytorch_lightning==1.5.10 e3nn==0.5.0 pymatgen==2022.3.7 tensorboard==2.8.0 tqdm scipy==1.7.3 yaml
    
  3. 安装 OpenMX

    HamGNN 需要使用 OpenMX 生成的紧束缚哈密顿量。您可以从 OpenMX 的官方网站下载并安装。

  4. 安装 openmx_postprocess

    下载 openmx_postprocess 并按照以下步骤安装:

    git clone https://github.com/QuantumLab-ZY/openmx_postprocess.git
    cd openmx_postprocess
    # 修改 makefile 中的路径设置
    make
    
  5. 安装 HamGNN

    克隆 HamGNN 仓库并安装:

    git clone https://github.com/QuantumLab-ZY/HamGNN.git
    cd HamGNN
    python setup.py install
    
  6. 配置文件

    根据您的需求配置 config.yaml 文件,设置网络和训练参数。

  7. 准备数据

    准备训练和评估所需的结构文件,并使用 poscar2openmx 转换为 OpenMX 格式。然后使用 OpenMX 进行静态计算,并使用 openmx_postprocess 处理结果。

  8. 训练模型

    运行以下命令开始训练模型:

    HamGNN2.0/HamGNN1.0 --config config.yaml
    
  9. 监控训练

    使用 TensorBoard 可视化训练进度:

    tensorboard --logdir train_dir
    

    其中 train_dir 是 HamGNN 保存训练日志的目录。

  10. 预测

    训练完成后,您可以使用训练好的模型进行预测。确保将 config.yaml 中的 checkpoint_path 设置为训练模型的路径,并将 stage 设置为 test。然后运行:

    HamGNN2.0 --config config.yaml
    

遵循以上步骤,您应该能够成功安装和配置 HamGNN。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
333
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70