【VASP】VASP 机器学习力场（MLFF）实战

用 VASP 训练液态硅的机器学习力场 | 全流程速通笔记

原文链接：VASP 官网例子：机器学习势的生成与应用
作者：VASP 官方教程 & 知乎搬运
CSDN 整理发布：@YourName
日期：2025-07-21

---

1. 背景速览

• 目标：为液态硅（Liquid Si）训练一个即时机器学习力场（on-the-fly MLFF）。
• 套路：
  1. 先做短时间 AIMD 把晶体硅熔化，同时边跑边训 ML 势；
  2. 用训好的 ML 势跑纯机器学习 MD；
  3. 与“纯 AIMD”轨迹对比验证精度。

---

2. 实操

AIMD 熔硅 + 即时训练

1. 初始结构
   64-atom 晶体硅超胞 → 2000 K 熔化（30 ps，10 000 步）。

2. 关键 INCAR

# 基础
ISMEAR = 0 ; SIGMA = 0.1 ; LREAL = Auto
ISYM = -1 ; NELM = 100 ; EDIFF = 1E-4
LWAVE = .FALSE. ; LCHARG = .FALSE.# 并行
NCORE = 2# MD
IBRION = 0 ; MDALGO = 2 ; ISIF = 2
SMASS = 1.0 ; TEBEG = 2000 ; POTIM = 3.0
NSW = 10000
RANDOM_SEED = 88951986 0 0# 机器学习开关
ML_LMLFF = .TRUE.
ML_ISTART = 0

输出文件与结果验证

机器学习运行后生成的关键文件

文件名	作用说明	后续用法
ML_ABN	训练数据集，含结构-能量-力-应力等第一性原理结果	cp ML_ABN ML_AB
ML_FFN	机器学习势参数（权重、截断半径、基函数系数等）	cp ML_FFN ML_FF
ML_LOGFILE	训练日志，可查看每一步新增结构数、力/能量误差、训练耗时等	用 grep 或文本编辑器查阅

提示
如果想继续迭代提高精度，可把 ML_ABN 重命名为 ML_AB，在下一次计算中作为初始数据集，再配合 ML_ISTART = 1 继续训练。

---

结果验证：径向分布函数

处理轨迹

无论采用纯 ML-MD 还是纯 AIMD，都会得到 XDATCAR 轨迹文件。