vsap机器学习

[VASP机器学习官网举例](https://www.vasp.at/wiki/index.php/Liquid_Si_-_MLFF "VASP机器学习举例")
一定要6.3版本以上：）
一般是用来算动力学，所以使用vasp_gam版本,gam版本就是只算gama点，这时KPOINTS只能写
```
K-Points
 0
Gamma
 1  1  1
 0  0  0
```
第一步INCAR模板（最重要的是最后两行，这是2000K,10000×3fs的）
一开始用于机器学习训练，所以原子数和步长不要求太高，算的很快，一百左右的原子，就一个小时
```
#Basic parameters
ISMEAR = 0
SIGMA = 0.1
LREAL = Auto
ISYM = -1
NELM = 100
EDIFF = 1E-4
LWAVE = .FALSE.
LCHARG = .FALSE.

#Parallelization of ab initio calculations
NCORE = 2

#MD
IBRION = 0
MDALGO = 2
ISIF = 2
SMASS = 1.0
TEBEG = 2000
NSW = 10000
POTIM = 3.0
RANDOM_SEED =          88951986                0                0

#Machine learning paramters
ML_LMLFF = .TRUE.
ML_ISTART = 0
```
学习完之后修改参数，把机器学习做出来的力场用于计算，这里就可以把原子数和步数增多了，比如几千个原子几万步
但是这里我们跑一千步，3ps,通过计算3ps的机器学习和AIMD的结果进行比较，看看准确性
```
ML_ISTART = 2
NSW = 1000
```
这里改完后计算机器学习的，同样注释掉机器学习的参数，跑一个MD的
通过[点击下载：pair_correlation_function.pl](http://pan.liuyaoze.com/s/2vtq "点击下载：pair_correlation_function.pl")来计算径向分布函数
下载到服务器上后
```
cp XDATCAR XDATCAR.MLFF_3ps
perl pair_correlation_function.pl XDATCAR.MLFF_3ps > pair_MLFF_3ps.dat
```
同理做一个pair_AIMD_3ps.dat
下载到Origin作图

![](/media/202303/2023-03-13_174831_4946530.27991371399015263.png)
还可以吧，但是，不是那么精确，毕竟vasp机器学习使用这么方便，就是有缺陷的:P

vsap机器学习

【温馨提示：本站文档可配置可见范围，如登录后可见、对特定群组可见等，看不到或进不去就是没权限】

暂时不开放注册