1. 先搞清楚“测试”到底测什么从训练到部署的验证闭环看到这个标题很多刚接触 DeePMD-kit 和 DP-GEN 的朋友可能会有点懵。DP 模型训练好了然后呢这个“测试”到底在测什么是测模型精度还是测它在实际模拟中的稳定性或者是测它部署到 LAMMPS 等模拟器里能不能跑起来其实这才是从“会训练”到“能用起来”最关键的一步。训练出一个 DP 模型文件通常是*.pb或graph.pb只代表它学会了训练数据里的势能面。但这个模型在实际的分子动力学MD模拟中表现如何会不会在训练数据覆盖不到的区域给出离谱的力计算速度能不能接受内存占用是否合理——这些问题都需要通过系统性的“测试”来回答。我一般会把训练后的测试分成三个层次来理解这也是一个从模型验证到生产部署的完整闭环基础验证测试用训练时留出的验证集或测试集计算模型的能量、力与 DFT 参考值的误差如 RMSE。这一步在 DP-GEN 的迭代流程里其实已经包含了目的是看模型“学得好不好”。性能与稳定性测试把模型放到真实的 MD 模拟环境中比如用 LAMMPS deepmd-kit插件跑一段时间的 MD看模拟是否稳定原子会不会飞掉、能量是否守恒、以及计算耗时和内存占用。这一步是看模型“用起来稳不稳”。应用场景测试针对你的具体科研问题设计一些小的模拟场景。比如测试相变温度、弹性常数、扩散系数等性质并与实验或其他高精度方法的结果对比。这一步是看模型“解决实际问题行不行”。很多人卡在第一步和第二步之间觉得训练完就结束了或者一部署就报错。这篇文章我就以一个踩过坑的过来人身份带你走一遍用训练好的 DP 模型做完整测试的实操流程。重点不是重复训练步骤而是告诉你模型生成后如何高效、可靠地验证它并把它用起来。2. 测试前的环境与数据准备别让路径和版本坑了你在开始任何测试之前先把环境理清楚。很多“模型测试失败”的问题根源都不在模型本身而在混乱的环境里。2.1 确认你的模型文件与 DeePMD-kit 版本首先找到你训练最终生成的模型文件。通常它位于 DP-GEN 迭代任务的某个00.train子目录下或者你自己用 DeePMD-kit 训练输出的model.ckpt或冻结后的graph.pb文件。关键一步记录模型对应的 DeePMD-kit 版本。DeePMD-kit 的模型格式在不同大版本间可能有变动。用以下命令查看你训练环境的版本dp --version记下这个版本号例如2.2.6。在后续的测试环境尤其是部署到 LAMMPS 时强烈建议使用相同或兼容的主版本。否则可能会遇到模型无法加载或计算结果异常的问题。2.2 准备测试环境两种主流路径测试环境通常有两种选择在训练集群/环境直接测试优点是环境一致依赖齐全。适合做快速的基础验证和性能测试。在目标计算平台部署测试比如你计划在超算上用 LAMMPS 做大模拟那就在超算上部署一套deepmd-kit和lammps-deepmd插件进行测试。这能提前发现部署问题。对于第二种你需要在新环境安装deepmd-kit。如果只是测试模型不重新训练安装会简单很多通常不需要复杂的 TensorFlow 编译用 conda 或 pip 安装预编译包即可# 假设你的目标版本是 2.2.x conda create -n dp-test python3.10 conda activate dp-test conda install deepmd-kit2.2.6 lammps-dp -c conda-forge安装后同样用dp --version和lmp -h检查命令是否可用。2.3 准备测试数据从验证集到模拟输入文件测试数据分两类用于基础验证的数据就是你的训练/验证集数据格式是DeepMD/npy或raw。确保你知道这些数据文件的路径。用于 MD 模拟测试的数据你需要准备一个 LAMMPS 的输入脚本in.lammps和一个初始结构文件如POSCAR、.lmp或.xyz。这个结构应该在你训练数据的相空间范围内或者是你想探索的边界。我建议先从一个非常小的系统比如 32-128 个原子和很短的模拟步数比如 1000 步开始测试。这能快速反馈模型是否能被成功加载并运行。3. 执行三层测试从精度验证到模拟实战环境准备好后我们按顺序进行三层测试。3.1 第一层基础精度验证离线测试这步是检查模型的“基本功”。使用 DeePMD-kit 自带的dp test命令。假设你的模型文件是graph.pb测试数据集在./test_data目录下。dp test -m graph.pb -s ./test_data/system -n 1000这里解释一下关键参数-m: 指定模型文件路径。-s: 指定测试数据集路径到system目录该目录下应包含type.raw,set.xxx/等。-n: 从测试集中抽取多少帧数据进行测试。先用一个较小的数如1000快速看下结果。命令执行后会输出一系列误差指标重点关注RMSE E: 能量均方根误差。RMSE F: 力均方根误差。RMSE V: 维里应力均方根误差如果训练时用了应力标签。怎么看结果将这些误差与训练日志中最后几轮迭代的验证误差对比。如果显著变大说明测试集分布可能与训练集有差异或者模型过拟合了。力的误差通常比能量误差大一个数量级是正常的但绝对数值需要结合你的体系来评估例如对于金属体系力的 RMSE 在 0.01 eV/Å 量级通常是可以接受的。这个测试很快是模型质量的“体检报告”。如果这里误差就很大后续模拟大概率会出问题。3.2 第二层MD 模拟性能与稳定性测试在线测试这是核心实操环节目的是看模型在动力学过程中的表现。我们使用 LAMMPS 搭配 DeePMD 插件。步骤 1准备 LAMMPS 输入脚本创建一个简单的in.test.lammps文件# 基本设置 units metal atom_style atomic timestep 0.001 # 读取初始结构 read_data your_init_structure.lmp # 定义 DP 势函数 pair_style deepmd graph.pb pair_coeff * * # 定义邻居列表 (对 DP 势很重要) neighbor 2.0 bin neigh_modify every 1 delay 0 check yes # 热力学信息输出 thermo 100 thermo_style custom step temp pe ke etotal press vol # 初始化速度 velocity all create 300.0 12345 # 系综设置 (例如 NVT) fix 1 all nvt temp 300.0 300.0 0.1 # 运行一个很短的模拟来测试 run 1000 # 如果需要可以接着跑更长的模拟 # run 10000关键点说明pair_style deepmd graph.pb: 这一行告诉 LAMMPS 使用 DeePMD 势并指定模型文件路径。确保路径正确。neighbor和neigh_modify: DP 势需要正确的邻居列表。截断半径2.0应大于等于你训练模型时使用的截断半径。every 1 delay 0 check yes是比较保守稳定的设置测试时先用这个。初始结构 (your_init_structure.lmp) 的原子类型必须与模型训练时使用的类型顺序完全一致。通常类型映射信息在训练集的type.raw文件里。我们先只跑 1000 步这是为了用最小成本验证“模型能跑通”。步骤 2运行测试并观察在终端运行lmp -in in.test.lammps -log log.test重点观察什么看log.test文件或屏幕输出启动阶段有没有报错常见错误有模型文件找不到、模型版本不兼容、原子类型不匹配、邻居列表参数问题。如果出现ERROR或Invalid字样根据提示排查。运行阶段能量守恒在 NVE 系综下总能量 (etotal) 应该近似守恒波动很小。在 NVT/NPT 下看势能 (pe) 是否在合理范围内平稳波动没有持续飙升或骤降。温度稳定性在 NVT 下温度是否在目标值附近波动。原子是否“飞掉”如果势能变得极大如1e10以上通常意味着有原子受力异常位置爆炸了。这可能是模型在当前位置给出了错误的力。性能指标LAMMPS 日志最后会输出性能信息如Performance: 1234.567 tau/day, 987.654 timesteps/s。记录下这个速度。同时用htop或nvidia-smi观察 CPU/GPU 利用率和内存占用是否正常。如果这个短测试能稳定跑完且能量温度正常恭喜你模型通过了最基本的稳定性测试。3.3 第三层面向应用的场景测试这一层没有固定命令完全取决于你的科研目标。但思路是相通的设计一个最小化的、可验证的模拟实验。举例 1测试晶格常数用你的 DP 模型对晶体结构进行能量最小化或有限温度下的弛豫计算平衡晶格常数与 DFT 结果或实验值对比。举例 2测试弹性常数构造一个稍大的超胞使用 LAMMPS 的compute pressure/atom或相关命令或者用专门计算弹性常数的工具如elastic命令来评估模型的力学性质。举例 3测试熔化温度用两相法或固-液共存体系逐步升温观察结构随温度的变化粗略估计熔点。在做这些测试时的经验从小体系、短时间开始先确保原理上可行再扩大规模。设置检查点对于长时模拟使用 LAMMPS 的restart功能定期保存状态防止中途出错全丢。与参考数据对比始终有一个 DFT 计算结果或实验数据作为“锚点”来评判你的 DP 模型在这个具体任务上的表现。4. 常见问题排查当测试不如预期时测试过程很少一帆风顺。下面是我遇到典型问题时会遵循的排查顺序。4.1 模型加载失败现象LAMMPS 启动时报错提示与 DeePMD 势或模型文件相关。排查链路径问题graph.pb的路径在in.lammps中是绝对路径还是相对路径确保 LAMMPS 进程能访问到。版本不兼容确认测试环境的deepmd-kit和lammps-deepmd插件版本与训练环境兼容。最稳妥的是版本一致。模型文件损坏用dp -h命令试试能否读取模型信息dp freeze -h或dp model -h取决于版本。如果命令也报错可能是模型文件本身有问题。编译问题如果是在新机器上自己编译的 LAMMPS确保make yes-user-deepmd已执行且链接了正确版本的deepmd-kit库。4.2 MD 模拟不稳定原子飞掉、能量爆炸现象模拟跑了几步或几百步后势能突然变得极大系统崩溃。排查链首要怀疑输入结构超出训练域。这是最常见原因。用dp model工具或早期版本的dp -s检查当前原子构型的描述符descriptor是否在训练数据的范围内。如果超出模型是在“外推”结果不可信。检查邻居列表参数neighbor截断半径是否大于等于模型训练时的截断半径DP 势需要完整的邻居信息。可以尝试适当增大截断半径如设为训练截断半径0.5 Å。检查温度/步长初始温度是否过高timestep是否太大对于金属体系0.001 ps 是常用值。可以先尝试降低温度或步长。回顾训练数据你的训练数据是否覆盖了当前测试的相空间DP-GEN 迭代是否充分可能需要回到 DP-GEN在出问题的构型附近增加采样。4.3 计算性能不达预期现象模拟速度很慢或者 GPU 利用率不高。排查链看日志LAMMPS 日志会明确告诉你哪部分耗时最多。如果Pair deepmd耗时占比不高那瓶颈可能在其他地方如邻居列表构建、通信。GPU 相关确保 LAMMPS 是以 GPU 支持编译的make yes-gpu。在输入脚本中使用package gpu 1等命令启用 GPU 加速。检查nvidia-smi看 GPU 是否真的被调用以及利用率如何。系统规模对于小体系几百原子GPU 加速优势可能不明显甚至因为数据传输开销而更慢。此时用纯 CPU 可能更快。测试时可以用不同原子数来评估性能拐点。邻居列表更新频率neigh_modify every设置得太小如every 1会频繁重建邻居列表增加开销。在确保稳定的前提下可以尝试调整为every 10或更大。4.4 性质预测与参考值偏差大现象模型预测的晶格常数、弹性模量等与 DFT 结果有较大差距。排查链验证集误差本身是否就大回到第一层测试确认模型在静态测试集上的误差是否已经偏大。训练数据是否足够且有代表性对于目标性质训练数据中需要包含能反映该性质的变形模式。例如预测弹性常数训练数据里最好有施加了不同应变的结构。模拟设置是否正确计算弹性常数时应变幅度、弛豫算法等设置是否与 DFT 计算时保持一致统计是否充分有限温度下的性质如扩散系数需要足够长的模拟时间来收敛。短时间的测试可能只是统计噪声大。5. 从测试到生产模型部署与迭代建议通过上述三层测试你对这个 DP 模型的性能、稳定性和适用范围就有了扎实的了解。最后分享几点从测试走向实际科研生产的经验。关于模型部署固化环境一旦测试通过记录下所有软件包的确切版本号deepmd-kit, lammps, CUDA, driver等。在生产计算环境如超算中尽量复现相同的环境避免版本波动带来意外。参数模板化将测试成功的 LAMMPS 输入脚本特别是pair_style,neighbor,thermo等设置保存为模板。以后类似体系的计算直接修改结构文件和运行参数即可。资源预估通过小规模测试你可以估算出大规模模拟所需的计算资源核时、内存、显存。例如测试 1000 个原子跑 1 ns 的耗时可以大致推算出 10000 个原子跑 10 ns 的需求。关于模型迭代测试驱动迭代如果在应用场景测试中发现模型在某个特定区域如高应变、高温表现不佳不要只调模拟参数。这很可能意味着训练数据在该区域不足。将这些测试中产生的新构型特别是导致不稳定的构型作为候选样本反馈给 DP-GEN启动新一轮的迭代训练。建立测试用例集为你关心的每个重要性质如晶格常数、弹性常数、空位形成能、表面能等建立一个标准化的、小型的测试脚本。每次训练出新模型都跑一遍这个测试集快速评估模型质量的变动趋势。训练 DP 模型不是终点用测试验证其可靠性和实用性才是它真正产生价值的开始。这个过程可能会遇到各种报错和意外但按照从基础验证到模拟稳定再到应用测试的层次逐步推进大部分问题都能被定位和解决。最忌讳的就是拿到一个graph.pb文件直接扔进一个巨大的、长时间的模拟中然后等待几天才发现模型根本不可用。先花一两个小时做好文中的这些测试能为你后续的科研计算节省大量时间和计算资源。