nep框架搭建

config/machine.yaml

@@ -0,0 +1,53 @@
+# config/machine.yaml
+
+# 当前使用的计算系统配置名
+current_system: "interactive_gpu"
+
+systems:
+  # --- 配置 1: 交互式 GPU 环境 (当前使用) ---
+  # 场景: 你已经用 srun/tmux 申请到了资源，直接运行命令即可
+  interactive_gpu:
+    type: "local"  # local 表示直接运行 subprocess，不提交 sbatch
+
+    # 路径配置
+    gpumdkit_root: "/cluster/home/koko125/tool/GPUMDkit"
+
+    tools:
+      # 1. GPUMD 配置
+      gpumd:
+        command: "gpumd"
+        # 运行前需要 source 的环境脚本
+        env_setup: ""
+        gpu_id: 0
+
+      # 2. NEP 配置 (同上)
+      nep:
+        command: "nep"
+        env_setup: ""
+        gpu_id: 0
+
+      # 3. VASP (GPU 版) 配置
+      vasp:
+        # 假设是 GPU 版本，可能不需要 mpirun 或者只需要少量核
+        command: "mpirun -np 1 vasp_std"
+        env_setup: ""
+        # 即使是 local 模式，有时也需要指定并行度
+        n_procs: 1
+
+  # --- 配置 2: VASP CPU 集群模式 (预留，未来使用) ---
+  # 场景: 需要生成 submit.slurm 并 sbatch 提交
+  slurm_cpu_cluster:
+    type: "slurm"
+
+    gpumdkit_root: "/cluster/home/koko125/tool/GPUMDkit"
+
+    tools:
+      vasp:
+        command: "mpirun -np 4 vasp_std"
+        env_setup: "module load vasp/6.3-cpu"
+
+        # Slurm 头部参数
+        slurm_header:
+          partition: "cpu_long"
+          ntasks_per_node: 64
+          time: "24:00:00"

config/param.yaml

@@ -1,70 +1,46 @@
 # config/param.yaml
 
-# --- 1. 环境与路径配置 ---
-env:
-  # 可执行文件绝对路径
-  vasp_std: "mpirun -np 1 /cluster/home/koko125/vasp/bin_gpu/vasp_std"
-  gpumd: "/cluster/home/koko125/tool/GPUMD/src/gpumd"
-  nep: "/cluster/home/koko125/tool/GPUMD/src/nep"
-
-  # GPUMDKit 脚本库根目录
-  gpumdkit_root: "/cluster/home/koko125/tool/GPUMDkit"
-
-  # 【修改点】HPC 作业提交配置 (用于填充 submit.slurm 模板)
-  # 这些变量会被自动替换到 .sh 脚本头部
-#  slurm_config:
-#    partition: "v100"      # 队列分区名
-#    account: "def-user"    # 账户名 (如果有)
-#    gpu_per_node: 1        # 每节点 GPU 数
-#    ntasks_per_node: 32    # 每节点 CPU 核数
-#    time_limit: "24:00:00" # 墙钟时间限制
-
-# --- 2. 流程控制 ---
-# 阶段代号定义 (对应 modules 下的 Python 文件)
+# --- 1. 流程控制 ---
 stages_def:
-  p: "preheat"   # 00.md/preheat
-  m: "md"        # 00.md/md
-  s: "select"    # 01.select
-  d: "scf"       # 02.scf
-  t: "train"     # 03.train
-  pr: "predict"  # 04.predict (新增：用于性质预测)
-  o: "output"    # 05.output  (始终默认执行：整理报告)
+  p: "preheat"
+  m: "md"
+  s: "select"
+  d: "scf"
+  t: "train"
+  pr: "predict"
+  o: "output"
 
-# 自定义流程调度
-# 注意：'o' (output) 不需要显式写在这里，代码逻辑会强制每轮最后执行它
-schedule:
-  # 第1轮: 跑完训练，不做预测，看一眼结果
-  1: ["p", "m", "s", "d", "t"]
-
-  # 第2轮: 跑完训练，加入预测步骤 (计算电导/扩散等)
-  2: ["p", "m", "s", "d", "t", "pr"]
-
-# 默认流程 (如果没有定义轮次)
+# 默认流程
 default_workflow: ["p", "m", "s", "d", "t", "pr"]
 
-# --- 3. 容错与通知 ---
+# 自定义调度
+schedule:
+  1: ["p", "m", "s", "d", "t", "o"]
+
+# --- 2. 容错与通知 ---
 control:
-  max_retries: 3           # 任务失败自动重启次数
-  check_interval: 60       # 状态检查间隔 (秒)
+  max_retries: 3
+  check_interval: 60
 
 notification:
   enable_log: true
   log_file: "./logs/sys_runtime.log"
-
   enable_hook: true
   hook_script: "python ./hooks/send_alert.py"
   alert_events: ["fail", "finish"]
 
-# --- 4. 模块参数 ---
+# --- 3. 各模块具体的物理/算法参数 ---
 params:
   preheat:
     temp: 300
     steps: 10000
+    # 这里不需要指定 gpumd 路径，只需要指定物理量
+
   select:
     target_min: 60
     target_max: 120
     init_threshold: 0.01
-  predict:
-    # 预测阶段需要的参数，比如计算电导率的温度范围
-    temperatures: [300, 400, 500]
-    script_path: "scripts/calc_conductivity.py" # 具体的计算脚本
+
+  scf:
+    # 比如指定用 machine.yaml 里的哪个 tool 配置
+    tool_key: "vasp"