对称梯度域机器学习(sgdml)
要求：Python2.7/3.7
纽比(>；=1.13.0)
scipy
Pythorch(可选)
开始
稳定释放
大多数系统都预装了pythonpip的默认包管理器。只需调用：即可安装sgdml
pip install sgdml
命令行界面和相应的python api现在可以从系统的任何地方使用。
开发版本
(1)克隆存储库
git clone https://github.com/stefanch/sGDML.git
cd sGDML
或用更新现有的本地副本
git pull origin master
(2)安装
pip install -e .
使用标志--user，我们可以告诉pip将包安装到当前用户的主目录，而不是系统范围。此选项可能要求您相应地更新系统的PATH变量。
…支持GPU
对于gpu支持，需要安装可选的pytorch依赖项。
pip install -e .[torch]
重建第一个力场
下载其中一个示例数据集：
sgdml-get dataset ethanol_dft
训练力场模型：
sgdml all ethanol_dft.npz 200 1000 5000
查询力字段importnumpyasnpfromsgdml.predictimportGDMLPredictfromsgdml.utilsimportior,_=io.read_xyz('examples/geometries/ethanol.xyz')# 9 atomsprintr.shape# (1,27)model=np.load('models/ethanol.npz')gdml=GDMLPredict(model)e,f=gdml.predict(r)printe.shape# (1,)printf.shape# (1,27)
…支持GPU
在实例化预测器时设置use_torch=True会将所有计算重定向到pytorch。gdml=GDMLPredict(model,use_torch=True)
注意：Pythorch必须安装有GPU支持，否则将使用CPU。但是，我们建议在不使用pytorch的情况下执行cpu计算以获得最佳性能。
参考文献[1]希米拉，S.，特卡钦科，A.，苏塞达，H.E.，波尔塔夫斯基，I.，舒特，K.T.，米勒，K.-R.，
精确节能分子力场的机器学习。
科学进步，3(5)，E1603015(2017)
10.1126/sciadv.1603015
[2]Chmiela，S.，Sauceda，H.E.，Müller，K.-R.，和Tkatchenko，A.，
使用机器学习力场进行精确的分子动力学模拟。
自然通讯，9(1)，3887(2018)
10.1038/s41467-018-06169-2
[3]希米拉，S.，索塞达，H.E.，波尔塔夫斯基，I.，穆勒，K.-R.，&T卡钦科，A.，
sgdml:使用机器学习构造精确且数据有效的分子力场。
计算机物理通信，240，38-45(2019)
10.1016/j.cpc.2019.02.007
[4]苏塞达，H.E.，希米拉，S.，波尔塔夫斯基，I.，穆勒，K.-R.，&T卡钦科，A.，
具有梯度域机器学习的分子力场：具有耦合簇力的小分子动力学的构造与应用。
《化学物理杂志》，150114102(2019)
10.1063/1.5078687
