HamGNN 的安装和配置教程
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
-
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。
-
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
-
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。
-
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
-
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
-
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。 -
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。 -
训练模型
运行以下命令开始训练模型:
HamGNN2.0/HamGNN1.0 --config config.yaml
-
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。 -
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0288- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









