【VASP】机器学习势概述

VASP官网教程：机器学习势的生成与应用详解

本文整理自VASP官网教程，主要介绍VASP 6.4.0+版本支持的机器学习力场（MLFF）功能

🔍 机器学习势概述

VASP从6.4.0版本开始支持机器学习力场（MLFF），主要包含两种方法：

1. GAP（Gaussian Approximation Potential）
   基于对称函数和核方法
2. Deep Potential（DP）
   基于深度神经网络

优势：计算速度比传统AIMD快100倍以上，适用于大体系长时MD模拟。

💎 案例一：GAP方法生成硅(Si)的机器学习势

📌 步骤1：生成训练数据

# 执行AIMD模拟（NVT系综）
mpirun -np 4 vasp_std

INCAR关键参数：

PREC = Normal
EDIFF = 1E-6
IBRION = 0           # 分子动力学
ISIF = 2             # 固定体积
NSW = 10000          # 10000步
POTIM = 2            # 2fs步长
MDALGO = 1           # Nose-Hoover热浴
TEBEG = 1000         # 起始温度1000K
SMASS = -3           # Nose-Hoover质量参数
ML_LMLT = .TRUE.     # 启用MLFF
ML_ISTART = 0        # 初始化

INCAR新增：

ML_MLOUT = 0         # 不训练只输出描述符
ML_IAFIL = 2         # 原子环境类型
ML_CFG = 1           # 收集结构到CFG文件
ML_MCONF = 100       # 最大结构数
ML_EATOM = 5.0       # 能量过滤阈值(eV)
ML_ISTART = 1        # 从CFG读取数据
ML_MLOUT = 1         # 训练模式
ML_IWEIGHT = 1 1 1   # 能量/力/应力权重
ML_CTIFOR = 0.2      # 力收敛阈值(eV/A)
ML_ISTART = 2        # 加载训练好的势
TEBEG = 300          # 300K低温模拟