AlphaNet 开源项目最佳实践教程

1. 项目介绍

AlphaNet 是一个基于局部帧的等变模型，旨在解决原子系统中准确且高效模拟的挑战。通过利用原子环境的局部几何结构，构建等变局部帧和可学习帧转换，AlphaNet 提高了计算效率与准确性。在现有的模型中，AlphaNet 在计算效率和准确性之间提供了最佳的平衡，并表现出跨系统和数据集规模的扩展性。

2. 项目快速启动

创建 Conda 环境

打开终端或命令提示符，运行以下命令创建 Conda 环境：

conda create -n alphanet_env python=3.8

或者更高版本。

激活环境

使用以下命令激活环境：

conda activate alphanet_env

安装依赖包

导航到您希望安装的目录，并运行以下命令安装所需的包：

pip install -r requirements.txt

克隆仓库

使用以下命令克隆 AlphaNet 仓库：

git clone https://github.com/yourusername/AlphaNet.git

安装 AlphaNet

导航到克隆的仓库中，并以可编辑模式安装 AlphaNet：

cd AlphaNet
pip install -e .

这允许您在不重新安装包的情况下对代码库进行更改。

3. 应用案例和最佳实践

基本使用

项目的设置保存在配置文件中，您可以查看提供的 JSON 文件示例，或查看 alphanet/config.py 中的注释以获取帮助。

本项目基于 PyTorch-Lightning，在此版本中我们提供了命令行交互，使 AlphaNet 更易于使用。如果您已经熟悉 Python 和 Torch，那么按照以下命令行方式进行使用会更加灵活。

• 训练模型：

alpha-train example.json

使用 --help 查看更多功能，例如多 GPU 训练，从检查点恢复等。

• 评估模型并绘制对角线图：

alpha-eval -c example.json -m /path/to/ckpt

使用 --help 查看更多功能。

• 从 Lightning 检查点转换为 state_dict 检查点：

alpha-conv -i in.ckpt -o out.ckpt

使用 --help 查看更多功能。

• 冻结模型：

alpha-freeze -c in.config -m in.ckpt -o out.pt

使用 --help 查看更多功能。

以上功能也可以以脚本方式使用，具体见 old_README。

准备数据集

为了准备 pickle 格式的数据集，您可以使用以下脚本：

• 从 deepmd：

python scripts/dp2pic_batch.py

• 从 extxyz：

python scripts/xyz2pic.py

还有一个 ase 计算器可以使用：

from alphanet.infer.calc import AlphaNetCalculator
from alphanet.config import All_Config

# 示例使用
atoms = bulk('Cu', 'fcc', a=3.6, cubic=True)
calculator = AlphaNetCalculator(ckpt_path='./alex_0410.ckpt', device='cuda', precision='32', config=All_Config().from_json('./pretrained/OMA/oma.json'))
atoms.calc = calculator
print(atoms.get_potential_energy())

4. 典型生态项目

AlphaNet 的开源生态中，包括但不限于以下项目：

• Defected Bilayer Graphene Dataset：双层石墨烯缺陷数据集
• Formate Decomposition on Cu Dataset：甲酸分解在铜上的数据集
• Zeolite Dataset：沸石数据集
• OC Dataset：OC 数据集
• MPtrj Dataset：MPtrj 数据集

AlphaNet 还提供了预训练模型，如 AlphaNet-MPtrj-v1 和 AlphaNet-oma-v1，这些模型在特定数据集上进行了训练，并可用于相关领域的原子系统模拟。