补充了通知模块

config/param.yaml

@@ -1,13 +1,13 @@
 # param.yaml
 
-project: "LGPS"
+project: "LYC_model1"
 
 # 1. 初始文件定义 (对应 data/ 目录)
 files:
-  poscar: "POSCAR"
+  poscar: "model1.vasp"
   potcar: "POTCAR"
   initial_pot: "nep89.txt" # 第一轮 MD 用的势函数
-  label: "Li Ge P S"
+  label: "Li Y Cl"
 
 # 2. 迭代流程控制
 iterations:
@@ -37,9 +37,33 @@ iterations:
       # 逻辑：cp template/03.train/nep.in
       - name: "03.train"
         executor: "nep_local"
-
-  # --- 第二轮 ---
   - id: 1
+    steps:
+      # Step 1: MD (预热 + 采样)
+      # 逻辑：会把 nep.txt (来自 initial_pot) 和 model.xyz 准备好
+      - name: "00.md"
+        sub_tasks:
+          # 你提到可能有预热，也可能有加工，这里支持串行执行
+          - template_sub: "preheat"     # 使用 template/00.md/preheat/run.in
+          - template_sub: "production"  # 使用 template/00.md/production/run.in
+        executor: "gpumd" # 对应 machine.yaml
+
+      # Step 2: 筛选
+      - name: "01.select"
+        method: "distance"
+        params: [90, 120]
+
+      # Step 3: SCF (VASP)
+      # 逻辑：cp template/02.scf/INCAR; check KPOINTS; cp data/POTCAR
+      - name: "02.scf"
+        executor: "vasp_std" # 对应 machine.yaml (可能调用 vasp_std.sh)
+
+      # Step 4: 训练
+      # 逻辑：cp template/03.train/nep.in
+      - name: "03.train"
+        executor: "nep_local"
+  # --- 第二轮 ---
+  - id: 2
     steps:
       - name: "00.md"
         sub_tasks:
@@ -57,11 +81,20 @@ iterations:
       - name: "03.train"
         executor: "nep_local"
       - name: "04.predict"
-        # 定义温度和时间列表
+        # [新增] 自定义模型文件 (位于 data/ 目录下)，不填则使用当前训练结果
+#        custom_nep: "nep_final_best.txt"
+
+        # [新增] 自定义预测结构 (位于 data/ 目录下)，不填则使用 00.md 的结果
+        # 注意：这里填写 .vasp 文件，程序会自动转化为 model.xyz
+        custom_poscar: "model1_supercell.vasp"
+
         conditions:
-          - {T: 500, time: "1ns"}
-          - {T: 600, time: "1ns"} # 支持不同温度不同时长
-          - {T: 700, time: "1ns"}
-          - {T: 800, time: "1ns"}
-          - {T: 900, time: "1ns"} # 支持不同温度不同时长
-          - {T: 1000, time: "1ns"}
+          - {T: 375, time: "15ns"}
+          - { T: 400, time: "5ns" }
+          - { T: 425, time: "2ns" }
+          - { T: 450, time: "1ns" }
+          - { T: 500, time: "1ns" }
+          - { T: 600, time: "1ns" }
+          - { T: 700, time: "1ns" }
+          - { T: 800, time: "1ns" }
+          - { T: 900, time: "1ns" }