Skip to content

About

Active-learning loop for materials: ALIGNN ensemble uncertainty sampling -> DFT -> retrain

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

ALIGNN Active Learning Loop

一个能真正跑起来的「机器学习势/图网络 + DFT」主动学习闭环:DFT 数据回传 → 合并训练集 → 多模型集成训练 → 不确定性采样 → 生成下一批 VASP 输入。

用于材料性质(形成能 / 带隙)的高通量筛选:把有限的 DFT 算力花在模型最不确定的结构上,而不是均匀撒钱。

以 LiFePO₄ 体系(掺杂 / 缺陷)为开发与验证背景,但流程与体系无关。


闭环长什么样

flowchart LR
    A[候选结构池<br/>cif] --> B[ALIGNN 基模型]
    B --> C[生成掺杂/缺陷候选]
    C --> D[集成预测<br/>mean ± std]
    D --> E[按不确定性排序<br/>+ 组成去重]
    E --> F[生成 VASP 输入]
    F --> G[DFT 计算<br/>集群 / GPU]
    G --> H[解析 OUTCAR<br/>算形成能]
    H --> I[合并进训练集]
    I --> J[重训 + 新种子集成]
    J --> D
Loading

每一步都是独立脚本,可单独跑、也可由 active_loop.py 一键串起来。


快速开始

# 1. 环境(ALIGNN 官方依赖较挑版本,DGL 锁 1.1.2)
conda create -n alignn python=3.10 -y
conda activate alignn
pip install -r requirements.txt

# 2. 结构 + 标签 → ALIGNN 数据集(80/10/10)
python prepare_alignn_data.py

# 3. 训练基模型(RTX 4090 上约 8 min / 400 epoch)
python train_alignn_energy.py

# 4. 一轮完整闭环(数据已回传的前提下)
python active_loop.py --round 2 --parse --merge --train --sample --vasp --n_models 4

输出落在 vasp_jobs/doping_round<N>/,可直接打包丢给集群。


脚本清单

脚本 作用 输入 → 输出
prepare_alignn_data.py CIF + 属性表 → ALIGNN 标准 JSON 数据集 data/structures/*.cif → data/alignn/{formation_energy,band_gap}/{train,val,test}.json
train_alignn_energy.py 训练形成能模型,自动 batch 降级,存最佳权重与评估图 train.json → models/alignn_energy_best.pt、runs/、figures/
active_learning.py 从超胞生成掺杂/缺陷候选并预测 超胞 cif → data/candidates/*.cif、round1_query.csv
ensemble_uncertainty.py 4 个不同种子模型集成,输出 mean ± std 排序 models/*.pt → round1_query.csv
parse_dft_results.py 解析回传 OUTCAR,按 MP 定义算 formation_energy_per_atom data/dft/**/OUTCAR → dft_results.csv
active_loop.py 编排器:--parse --merge --train --sample --vasp 可任意组合 全流程
infer_alignn.py 批量推理(形成能 + 带隙),支持 --top_k 取最稳定 data/candidates/*.cif → candidates_predictions.csv

目录约定

data/
├── structures/            原始 CIF
├── candidates/            候选结构(含每轮生成的)
├── alignn/                ALIGNN 数据集
├── dft/                   DFT 回传(<task>/<candidate_id>/OUTCAR)
├── active_learning/       每轮采样清单
└── references.json        元素参考态化学势(形成能必需)
models/                    模型权重(含 seed0..3 集成)
vasp_jobs* / aimd_templates/  生成的计算输入

几个真踩过的坑(写进代码里了)

  1. SizeBucketBatchSampler:按原子数排序分批,否则 168 原子的大结构会和小结构叠在一批里,显存炸。
  2. lg_on_fly=False:开了线上计算线图会慢 1000 倍,必须预计算。
  3. DGL 必须锁 1.1.2,升级到 2.x 会直接崩;训练走 alignn_atomwise_pure 纯 torch 路径。
  4. dataset[idx]=None:get_torch_dataset 写 LMDB 后会污染索引,必须先算 sizes 再调用。
  5. 形成能 ≠ 总能:标签必须用 formation_energy_per_atom(要参考态化学势),用 energy_per_atom 训出来的模型筛选结果是错的。
  6. 组成去重:同一掺杂成分的 c0/c1/c2 构型能量差常只有 ±0.05 eV/atom,采样时只留不确定性最高的一个,省下大量 DFT 机时。

许可

MIT

About

Active-learning loop for materials: ALIGNN ensemble uncertainty sampling -> DFT -> retrain

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages