DeePMD-kitで水の計算に挑戦 Part.2

Quantum ESPRESSOのpw.xで水の第一原理MDを実行し、それをDeePMD-kitで学習させ、そのDeep Potentialを使用してLAMMPSでMD計算をやってみます。
前回のPartではpw.xの第一原理MDとDeePMD-kitでの機械学習を実行しました。

DeePMD-kitで水の計算に挑戦 Part.1

Quantum ESPRESSOのpw.xで水の第一原理MDを複数回実行し、その複数のデータをDeePMD-kitで学習させ、そのDeep Potentialを使用してLAMMPSでMD計算をやってみます。学習データの準備 Pythonの...

今回はその機械学習ポテンシャルを使ってLAMMPSでのMD計算を行います。

LAMMPSの計算モデル
結果
まとめ

LAMMPSの計算モデル

こんな感じで水のユニットセルを作ります。

from ase import Atoms
from ase.visualize import view
from ase.build import molecule
from ase.units import mol
import numpy as np

water = molecule("H2O")
print(water.get_chemical_symbols())

unitcell_size = 3.11
unitcell = Atoms(symbols=water.get_chemical_symbols(), positions=water.get_positions(),
                  cell=np.eye(3) * unitcell_size, pbc=True)

mdcell = unitcell * [6, 6, 6]

mdcell.write("water.data", format='lammps-data')

density = (np.sum(unitcell.get_masses())/mol) / (unitcell.get_volume()*1e-24)
print(density, "[g/cm3]")
view(mdcell)

密度が1 g/cm3で、分子数が216個です。これがwater.dataとして保存されます。
そして以下のinファイルを用意します。

units        metal
boundary     p p p
atom_style   atomic

neighbor     1.0 bin
neigh_modify every 10 delay 0 check no

read_data    water.data
mass         1  1.008
mass         2 15.999

pair_style   deepmd graph-compress.pb
pair_coeff   * *

velocity     all create 300.0 23456789
fix          1 all npt temp 300.0 300.0 0.1 iso 1.0 1.0 1.0
timestep     0.0005

thermo_style custom step pe ke etotal temp press vol density
thermo       1000
dump         1 all custom 1000 water.dump id type x y z

run          200000

常温常圧の計算です。

結果

まず平衡状態になるまでしばらく計算します。そしてその続きから結果の一部を1step毎に書き出して再計算し、アニメーションにしたものがこちらです。

分子の形は大丈夫そうです。
また平均密度は0.9612 g/cm³です。いい感じです。

これだけでは物足りないので、二体相関関数、自己拡散係数、動粘度、振動スペクトルなどをあとで計算して追記したいと思います。

まとめ

前回のPartでQEの第一原理MDを2回計算し、それをDeePMD-kitで学習させてLAMMPSの計算に使用できました。結果がまだ出そろっていませんが、とりあえずそこまでおかしい結果にはなっていないと思います。