72 lines
1.9 KiB
Markdown
72 lines
1.9 KiB
Markdown
# 高通量筛选
|
||
|
||
## 版本
|
||
calc
|
||
|
||
## 配置需求
|
||
|
||
需要两个conda环境，名字分别为**screen**,**zeo**
|
||
|
||
### zeo
|
||
|
||
#### 运行库需求
|
||
|
||
``` 2018.12.12
|
||
python == 2
|
||
pymatgen == 2018.12.12
|
||
Numpy = 1.16.6
|
||
os
|
||
argparse = 1.4.0
|
||
PrettyTable = 1.01
|
||
monty = 1.0.0
|
||
future = 1.0.0
|
||
```
|
||
|
||
#### zeo++软件需求
|
||
|
||
需要编译后放入python库中
|
||
|
||
### screen
|
||
|
||
```
|
||
python == 3.11.4
|
||
pymatgen == 2024.11.13
|
||
```
|
||
|
||
## 使用说明
|
||
|
||
如果配置的conda环境同名，运行**main.sh**即可
|
||
|
||
当数据来源为MP时，需要将数据放在input_pre中
|
||
|
||
如果数据来源为ICSD，仅需将数据放在input中即可
|
||
|
||
|
||
|
||
# 扩胞
|
||
## 以下为每一步的分解
|
||
### Step1
|
||
读取cif文件
|
||
### Step2
|
||
统计Occupation情况，将具有相同Occupation值的记为一类，用Occupation值作为Key创建字典，该字典的一个项为atom_serial,是一个列表，记录相同Ocupation值的原子序号
|
||
将上述字典输入一个列表Occupation_list，字典预留分子与分母两个参数
|
||
需要函数为
|
||
```angular2html
|
||
def process_cif_file(struct)
|
||
return Occupation_list
|
||
```
|
||
### step3
|
||
根据Occupation_list来计算扩大倍数\\
|
||
首先逐一计算每个字典的分子与分母，根据key来计算，例如第一个key值为0.5,此时其对应分子为1，分母为2
|
||
合并没一个字典，探索每一个分数的情况并求出公约数与对应的分子，更新每一个字典的值
|
||
### step4
|
||
根据分子与分母情况，生成structure_list，其中Occupation_list中的元素的number处的和为分子，总共个数为分母
|
||
### step5
|
||
根据材料结构决定对称性，对不同对称性得到不同等效情况
|
||
根据对称性与最终扩胞生成三个方向扩胞列表，其中每个元素是字典，遵循格式为{["x":1,"y":2,"z":1]}
|
||
### step5
|
||
根据structure_list与Occupation_list生成新的cif并保存
|
||
### 一些假设
|
||
只考虑两个原子在同一位置上，暂不考虑三个原子以上的情况
|
||
不考虑Li原子的共占位情况，对Li原子不做处理
|