跳至主要内容

OVITO技巧+MS 旋转 redefine 格式化元素序号与力场一致,vasp文件格式元素替换

 问题:ovito读取数据后默认将最小的边长设置成align X轴(因为Restricted triclinic simulation cell format),但是碰到一些情况我们需要将其余两个晶格align X/Y/Z 目的为了沿着这个晶格矢量做变形,这时候需要用到affine transformation这个模块中的transform to target cell,这个矩阵的信息可以由MS很方便获得,MS可以随意旋转或者格式化标准取向 然后在properties里的Lattice 3D可以读取VectorA/B/C即可 很方便,输入到ovtio后输出data文件的时候 不要勾选Restricted triclinic simulation cell format,不然的话又回到标准格式了。

而且一切结构都可以正交化 但是会牺牲掉另外两个不align坐标轴晶格方向的周期性最后用P S S边界条件,在ovito里面通过slice切出矩形的柱就行了,通过G(r)观察最终结构矩形柱的腰围略大一点点避免原子靠近。

问题:自己构建的或者研究的结构元素序号与力场不一致,需要手动修改结构文件里的元素序号么?

文件:需要POSCAR(.vasp)文件里的元素名称,所以整个过程需要POSCAR格式文件(vesta可以保留元素名称)。

步骤:

1.将需要格式化的文件转成POSCAR

2.复制一个副本POSCAR,并且直接文件编辑里面的元素名称一行,到准确的顺序,这个只是作为模板用,不用考虑结构合理性问题。

3.将这个副本文件拖入OVITO,记得是完全从新导入,可以看到particle types 内容是正确的顺序。

4.最后将需要格式化的文件全部转换成POSCAR,然后拖入OVITO选择保留现在的设置(即覆盖原结构文件即可)。元素就自动格式化成想要的顺序了.

快速实现元素替换和修改,采用OVITO转存为vasp格式,直接修改元素即可,后续再保存为data格式


ovito解决位移随时间变化曲线,难点是时间函数,采用Generate trajectory lines+Scatter plot 可以解决.

OVITO-Displacement vectors 无法识别unwarp结果,导致位移MSD统计有误,建议用trajectory lines给出绝对坐标重新计算或者后续用 lammps输出xu yu zu等坐标值

Data Table Text File(需要上面的技巧Scatter plot画出所需要的数据 再后续python脚本简单处理即可): 最后Data Table部分特指画图部分的数据可以单独输出每一帧。

Table of value(最常见直接):中间Global Attributes里的值与时间的关系

Data Plot File: 图片格式pdf或者png


评论

此博客中的热门博文

dpgen数据收集分类续算

dpgen 推荐安装升级方法:删除之前工作目录的dpgen文件夹 Install from source code:  git clone https://github.com/deepmodeling/dpgen && pip install ./dpgen 想收集TL的数据集且按化学成分分类:/work/qan/kluo/NaSPO/run/TransL dpgen collect ./ ./collect -p simplify.json -m 不起作用,只能用 param.json格式 所以单独新建文件夹,构造虚拟的 param.json其中初始数据集地址,直接复制最后一个train的input.json.再用 dpgen collect ./ ./collect -p param.json -m就可以收集初始的数据了,但是这时候没有分类,尽管dpgen collect -m 有这个功能但没有作用。 所以,构建虚拟的simplify任务,记住是精简过程,所以       "labeled" : true ,       "init_pick_number" : 0 ,       "iter_pick_number" : 0 , .....       "training_init_model" : false , 运行之后,第一步就得到了 所有的分类数据集。 Q: /work/qan/kluo/NaSPO/run 最近几轮的准确率上不去,猜测是数据集太大 232334 batch ,而每一代的学习步长 step 只有 50 万,以及不够了。所以出现了:一些模型的准确率一直上不去,就算修改上下限也没有改观。或者一些模型学好了,另一些模型就被遗忘了,很明显是学习步长不够了。 A: 解决办法如下:将现有数据收集分类,分拣出确实学习率低的重写单独重点学习。其次,以后用 dpgen 自动采样产生数据集的时候,时刻关注准确率的变化,一旦上不去了赶紧分家。 D: 1.        收集数据 a.       ...

dpgen simplify 数据精简二次处理

问题: 1.        Carbon 的势能文件无法准确描述石墨层间距 共有 204,200 bch 2.        NaSPO 的势能文件无法压缩 共有 242,423 bch 都可能是 data 太臃肿导致的,所以决定精简用 simplify 命令试试(感觉是重新采样的过程,只是节省了 lammps 的时间用 dp test 代替了,还是需要 fp 过程(也可以注释掉,如果需要新的 VASP 参数可以启用),更适合需要换 fp 参数的计算)。第一次取样是随机的, dp 采样过程有点慢 压缩的 pb 需要 6 小时。 还可以重新 fp 改善数据集 https://tutorials.deepmodeling.com/en/latest/CaseStudies/Transfer-learning/Transfer-learning.html https://docs.deepmodeling.com/projects/dpgen/en/latest/simplify/simplify-jdata.html https://zhuanlan.zhihu.com/p/456504860 http://bohrium-doc.dp.tech/docs/software/DP-GEN_simplify Simplify — DP-GEN documentation 先做,动起来在看 1.        收集所有数据 https://hikunluo.blogspot.com/2022/12/dpgen.html 2.        准备 simplify 的两个 json 文件。      nohup dpgen simplify simplify.json machine.json 1 > log 2 > err &      (base) [kluo@condo2017 SimCarbon]$ cat simplify.json { ...

python相关

 在IDLE中运行pip install pandas是不行的。你需要在命令提示符(Command Prompt)或终端(Terminal)中运行该命令。下面是详细步骤: 使用命令提示符安装 pandas 打开命令提示符: 按 Win + R 键打开运行窗口,输入 cmd,然后按回车键。 或者你可以在开始菜单中搜索“命令提示符”并打开它。 而且运行python脚本的一般步骤: 1. 打开IDLE shell这是个交互窗口 不能直接将脚本内容直接复制到这里,但是应该可以用python +脚本路径运行 2. File -new file-粘贴脚本内容 3.这个窗口上有run