在实际分子动力学模拟和材料计算领域，传统的基于第一性原理（如密度泛函理论，DFT）的方法虽然精度高，但计算成本巨大，难以处理大体系或长时间尺度的模拟。机器学习势函数（Machine Learning Potential, MLP）的出现，为这一困境提供了高效的解决方案。其中，DeePMD-kit 框架及其配套的主动学习工作流 DP-GEN，构成了从数据生成、模型训练到模型验证的完整闭环，是当前材料科学和计算化学领域的热门工具链。
当你通过 DP-GEN 的迭代流程获得了收敛的模型，或者用 DeePMD-kit 训练好了一个深度势能（Deep Potential, DP）模型后，下一步至关重要：如何科学、全面地测试这个模型的有效性、可靠性和泛化能力？这不仅仅是运行几个简单的分子动力学（MD）模拟看看是否崩溃，而是需要一套系统的评估方法，涵盖能量、力、应力、结构、热力学性质乃至动力学行为的验证。本文将围绕“测试训练好的 DP 模型”这一核心任务，详细拆解测试流程、关键指标、常用工具以及如何解读结果。无论你是刚完成第一个 DP 模型训练的新手，还是需要将模型部署到生产计算环境的研究者，本文提供的测试框架和排查思路都能帮助你建立对模型质量的信心。
1. 理解 DP 模型测试的目标与核心指标
在开始具体操作前，必须明确测试的目的。测试一个 DP 模型，本质上是评估这个“代理模型”在多大程度上能够替代昂贵的第一性原理计算。因此，测试不是单一的，而是多维度的。
1.1 测试的四个核心维度
- 精度验证（Accuracy Validation）：这是最直接的测试。比较 DP 模型预测的原子能量、力和应力张量，与第一性原理计算（即训练和测试数据来源）的参考值之间的差异。常用指标包括均方根误差（RMSE）和平均绝对误差（MAE）。
- 泛化能力测试（Generalization Test）：模型在训练数据覆盖的构象空间（Configuration Space）内表现好是基本要求。真正的挑战在于，对于训练集中未出现过的、但物理上合理的原子结构（例如，更高的温度、更大的压强、不同的晶相），模型是否依然能给出合理的预测？这需要通过“外推测试”来评估。
- 稳定性与鲁棒性测试（Stability & Robustness Test）：在长时间的分子动力学模拟中，模型是否会因为累积误差而导致模拟崩溃（如原子飞散、能量爆炸）？模型对输入结构的微小扰动是否敏感？这需要通过运行一定时长的 MD 并监控能量、温度、压强等物理量的守恒性和合理性来判断。
- 物理性质重现测试（Physical Property Reproduction）：模型的终极目标是用于计算材料的宏观性质。因此，需要用 DP 模型驱动 MD 模拟，计算诸如晶格常数、弹性常数、声子谱、热膨胀系数、扩散系数等性质，并与实验值或第一性原理计算结果进行对比。这是最高层次的测试。
1.2 关键性能指标（KPI）与可接受范围
测试需要量化的指标。下表总结了在精度验证阶段需要关注的核心指标及其典型可接受范围（以常见金属/半导体体系为例）：
| 指标 | 计算对象 | 物理意义 | 可接受范围（经验值） | 说明 |
|---|---|---|---|---|
| 能量 RMSE | 系统总能量/原子 | 模型预测总能量的精度 | < 3 meV/atom | 对于结合能、形成能计算至关重要。 |
| 力 RMSE | 每个原子上的力分量 | 模型预测原子受力的精度 | < 100 meV/Å | 直接影响 MD 模拟的轨迹准确性。力误差过大会导致错误的原子运动。 |
| 力 MAE | 每个原子上的力分量 | 预测力的平均绝对偏差 | < 80 meV/Å | 对异常值不如 RMSE 敏感，反映整体偏差。 |
| 维里应力 RMSE | 系统应力张量 | 模型预测应力的精度 | < 0.1 GPa | 对于 NPT 系综模拟、弹性常数计算非常关键。 |
注意：上述“可接受范围”高度依赖于体系和研究目标。对于高精度要求的相变研究，可能需要更严格的标准；对于初步筛选，可以适当放宽。最重要的是与你的第一性原理参考数据的噪声水平进行比较。
2. 测试环境准备与数据检查
测试工作需要在准备好的计算环境中进行，并且始于对已有模型和数据的审视。
2.1 软件环境与依赖
确保你的测试环境安装了必要的软件，并且版本与训练环境兼容。
- DeePMD-kit：必须安装，用于加载模型并进行单点能量、力、应力预测，或驱动 LAMMPS/PWmat 进行 MD 模拟。通过
dp -h检查命令是否可用。 - DP-GEN：主要用于分析
fp（第一性原理）任务和model_devi（模型偏差）任务的结果，对于分析迭代过程中的模型表现很有用。通过dpgen -h检查。 - LAMMPS（带 DeePMD 插件）：如果你计划进行分子动力学测试，这是最常用的工具。确认 LAMMPS 的
make yes-user-deepmd已启用，并且能正确链接到 DeePMD-kit 的库。 - 分析工具：
- Python 环境：需要
numpy,scipy,matplotlib,pandas等基础科学计算库。 - dpdata：一个极有用的库，用于在不同分子动力学数据格式（如 DeePMD 的
npy、VASP 的OUTCAR、LAMMPS 的dump等）之间进行转换和操作。pip install dpdata - 其他可视化工具：如
ovito用于查看原子轨迹。
- Python 环境：需要
可以通过一个简单的脚本来检查核心环境：
#!/bin/bash echo “检查 DeePMD-kit...” dp — version echo “检查 DP-GEN...” dpgen — version echo “检查 dpdata...” python -c “import dpdata; print(f’dpdata version: {dpdata.__version__}’)” echo “检查 LAMMPS 与 DeePMD 插件...” # 假设 lmp 是 LAMMPS 可执行文件，此处尝试运行一个简单的测试命令 lmp -log none -screen none -in /dev/null 2>&1 | grep -i “deepmd” || echo “请检查 LAMMPS 编译时是否包含了 DeePMD 支持。”2.2 模型文件与测试数据集
在开始测试前，整理好你的资产：
- 模型文件：DP-GEN 或 DeePMD-kit 训练最终会产出模型文件，通常名为
graph.pb（冻结图模型）。确认你拥有这个文件。 - 测试数据集：一个高质量的、未被用于训练的测试集是精度验证的基石。这个数据集应该：
- 包含一定数量（例如数百到数千个）的原子构型。
- 涵盖你感兴趣的温度、压强、成分范围。
- 拥有由第一性原理计算精确得到的能量、力和应力标签。
- 数据格式通常为 DeePMD-kit 支持的
npy格式（type.raw,coord.npy,box.npy,energy.npy,force.npy,virial.npy）。
关键检查：使用
dpdata快速检查测试集是否完整且维度匹配。import dpdata # 加载测试集 test_system = dpdata.System(‘your_test_set’, fmt=‘deepmd/npy’) print(f”构型数量: {test_system.get_nframes()}“) print(f”原子总数/构型: {test_system.get_natoms()}“) print(f”是否有能量标签: {test_system.has(‘energies’)}“) print(f”是否有力标签: {test_system.has(‘forces’)}“) # 检查第一个构型的数据 print(test_system[0].data.keys())
3. 执行基础精度验证（单点预测测试）
这是最直接、最快速的测试，用于评估模型在“静态”构型上的预测能力。
3.1 使用dp命令进行批量预测与误差计算
DeePMD-kit 提供了dp命令行工具，可以方便地计算模型在数据集上的预测误差。
# 基本命令格式 dp test -m graph.pb -s your_test_set -n 1000 — detail-file detail.out — atomic-m graph.pb: 指定训练好的模型文件。-s your_test_set: 指定测试数据集的路径（包含type.raw,coord.npy等文件的目录）。-n 1000: 指定测试集中前 1000 个构型。如果不指定，则测试所有构型。— detail-file detail.out: 将每个构型、每个原子的详细预测结果和误差输出到detail.out文件，便于后续深度分析。— atomic: 输出每个原子的能量和力的误差统计（而不仅仅是系统总误差）。这对于识别模型在特定原子类型或局部环境上的弱点非常有用。
命令执行后，终端会输出汇总的 RMSE 和 MAE，类似于：
# 示例输出 RMSE of energy: 0.002345 eV/atom RMSE of force: 0.087654 eV/A RMSE of virial: 0.045678 GPa ...3.2 误差结果分析与可视化
仅仅看汇总的 RMSE 不够，我们需要深入分析误差的分布。
误差分布直方图：从
detail.out文件或通过编程提取数据，绘制力误差的分布直方图。一个理想的模型，其误差应该近似服从均值为零的正态分布。import numpy as np import matplotlib.pyplot as plt # 假设已经从 detail.out 中读取了所有力的误差，存储为数组 force_errors force_errors = np.loadtxt(‘force_errors_all.txt’) # 需要自己解析 detail.out plt.figure(figsize=(10, 6)) plt.hist(force_errors.flatten(), bins=100, density=True, alpha=0.7, label=‘Force Error’) plt.xlabel(‘Force Error (eV/Å)’) plt.ylabel(‘Probability Density’) plt.title(‘Distribution of Force Prediction Errors’) plt.legend() plt.grid(True, alpha=0.3) plt.savefig(‘force_error_dist.png’, dpi=300) plt.show()如果分布严重偏离正态（如双峰、长尾），说明模型在某些特定情况下预测很差，需要检查对应的构型。
误差与结构描述符关联：分析误差是否与某些结构特征相关，例如：
- 原子类型：模型对某一种元素的预测是否更差？
- 局部原子环境：误差大的原子是否具有不常见的配位数、键长或键角？（这需要计算每个原子的描述符，如径向分布函数峰值位置）。
- 系统规模：误差是否随系统大小变化？（理论上，DP 模型是规模可扩展的，但值得验证）。
识别“坏样本”：找出预测误差最大的几个构型（例如，能量误差最高的前 10 个）。用可视化工具（如 OVITO）观察这些构型。它们可能是：
- 训练数据中非常罕见或缺失的构型。
- 第一性原理计算本身可能不收敛或有问题的构型。
- 相变点附近难以描述的过渡结构。
4. 进行分子动力学模拟测试
通过单点测试后，模型需要在动态模拟中接受考验。这是检验模型稳定性和能否重现动力学性质的关键。
4.1 准备 LAMMPS 输入脚本
使用 LAMMPS 进行 MD 模拟，需要编写in.lammps脚本。以下是一个在 NVT 系综下加热金属铝的示例：
# 基本设置 units metal atom_style atomic timestep 0.001 neighbor 2.0 bin neigh_modify every 1 delay 0 check yes # 读取初始结构（data.文件需提前准备） read_data Al.lmp.data # 定义原子类型（必须与 DP 模型中的类型顺序一致） mass 1 26.98 # 加载 DeePMD 模型势函数 pair_style deepmd graph.pb pair_coeff * * # 定义计算输出 compute pe all pe/atom compute ke all ke/atom compute stress all stress/atom NULL virial thermo_style custom step temp press etotal ke pe vol lx ly lz thermo 100 dump 1 all atom 1000 dump.Al.lammpstrj # 初始化速度 velocity all create 300.0 12345 rot yes dist gaussian # 弛豫（能量最小化） minimize 1.0e-6 1.0e-8 1000 10000 # 运行 NVT MD fix 1 all nvt temp 300.0 300.0 0.1 run 10000关键参数解释与检查点：
timestep 0.001：对于金属体系，1 fs 是常用步长。如果模型较“硬”（描述键很强），可能需要更小的步长（如 0.0005）。pair_style deepmd graph.pb：确保graph.pb路径正确。LAMMPS 必须编译了 DeePMD 插件。mass：原子质量必须正确定义，否则温度计算会出错。- 初始结构：
Al.lmp.data文件需要正确包含盒子和原子坐标。可以使用dpdata从其他格式转换。 - 弛豫：在开始正式 MD 前进行能量最小化 (
minimize) 是个好习惯，可以消除初始结构的不合理应力。
4.2 监控模拟稳定性与物理合理性
运行 MD 后，重点观察 LAMMPS 屏幕输出和日志文件：
- 能量守恒（NVE 系综）：如果在 NVE（微正则）系综下运行，总能量（
etotal）应该在长时间内波动很小。漂移过大表明模型或积分器有问题。 - 温度与压强控制（NVT/NPT 系综）：在 NVT 下，温度应围绕设定值波动；在 NPT 下，压强和盒子尺寸应达到平衡。观察
thermo输出的相关列。 - 检查崩溃信号：
- 原子飞散：在
dump轨迹中观察是否有原子异常远离体系。 - 能量/温度爆炸：
etotal或temp出现nan或异常大的值（如 > 10000 K）。 - LAMMPS 报错：如 “Lost atoms”， “Bond/angle/dihedral extent”， “Non-numeric pressure” 等。
- 原子飞散：在
4.3 计算并对比物理性质
这是测试的“高阶”部分。选择 1-2 个关键物理性质进行计算：
- 径向分布函数（RDF）：反映液体或无定形结构的短程有序性。与实验或第一性原理 MD 结果对比。
- 均方位移（MSD）：用于计算扩散系数。对于液体或高温固体，MSD 应随时间线性增长。
- 晶格常数：对晶体进行 NPT 弛豫，平衡后的盒子尺寸除以晶胞重复数即为预测的晶格常数。
- 弹性常数：通过施加小应变并计算应力响应来获得。这需要更精细的脚本和计算。
可以使用 LAMMPS 内建命令或后处理工具（如python的mdanalysis,pymatgen）从dump文件中提取数据并计算这些性质。
5. 常见问题排查与模型诊断
在测试过程中，你可能会遇到以下典型问题。下表提供了排查思路：
| 问题现象 | 可能原因 | 检查与诊断方法 | 解决方案 |
|---|---|---|---|
| 单点测试误差巨大（RMSE 远超预期） | 1. 模型与数据不匹配（原子类型顺序错误）。 2. 测试数据格式错误或单位不对。 3. 模型未训练收敛或严重过拟合。 | 1. 检查type.raw文件，确认原子类型索引（如 0,1,2…）与模型定义一致。2. 用 dpdata重新验证数据格式，检查坐标、盒子、能量的单位（通常是 Å, eV）。3. 回顾训练日志，检查损失函数曲线是否已平稳。 | 1. 统一类型映射。 2. 转换并标准化数据。 3. 使用更早的模型快照（如 model.ckpt），或重新调整训练参数。 |
| MD 模拟能量爆炸/原子飞散 | 1. LAMMPS 时间步长 (timestep) 太大。2. DP 模型在极端构型（如原子非常接近）下给出极大斥力。 3. 初始结构不合理（如原子重叠）。 | 1. 将timestep减半（如改为 0.0005）重试。2. 分析爆炸前的轨迹，看是否有原子距离异常近。 3. 检查初始结构，并进行充分的能量最小化 ( minimize)。 | 1. 减小时间步长。 2. 在训练数据中增加短距离、高能构型样本。 3. 确保初始结构合理。 |
| NPT 模拟盒子崩溃或无限膨胀 | 1. 模型预测的维里应力（virial）不准确。2. 压强控制参数 ( pdamp) 不合适。3. 体系太小，涨落太大。 | 1. 用dp test单独测试模型在平衡结构附近的应力预测精度。2. 尝试调整 pdamp参数（通常为 100-1000倍 timestep）。3. 增大体系规模（更多原子）。 | 1. 在训练集中加入更多不同应力状态的数据。 2. 调整 NPT 参数，或改用 NVT 系综。 3. 使用更大的超胞进行模拟。 |
| 模型预测速度慢 | 1. 模型网络过大（如neuron参数过多）。2. 使用了非优化版本的 DeePMD-kit 或 LAMMPS。 3. 未启用 GPU 推理（如果可用）。 | 1. 检查模型graph.pb的大小。过大的模型（>100MB）可能影响速度。2. 确认安装的是 DeePMD-kit 的 CUDA版本，且 LAMMPS 编译时启用了 GPU 包 (-D PKG_GPU=on)。 | 1. 考虑使用更小的网络结构重新训练，或在精度和速度间权衡。 2. 重新编译优化版本，并确保在 in.lammps中通过pair_style deepmd … out_freq 10等参数控制输出频率。 |
DP-GEN 迭代中模型偏差 (model_devi) 始终很高 | 1. 初始训练集代表性不足，未覆盖重要的构象空间。 2. 第一性原理计算 ( fp) 任务失败或精度不够。3. 探索步长（如 trust_lo/hi）设置不合理。 | 1. 检查model_devi高的构型，看它们属于哪类结构。2. 检查 fp任务日志，确认计算正常结束且能量/力合理。3. 分析迭代历史，看探索范围是否收敛。 | 1. 手动添加一批代表性构型到初始训练集。 2. 检查并修正 fp的输入参数（如 KPOINTS, ENCUT）。3. 调整 trust_lo和trust_hi阈值，或修改探索策略。 |
6. 最佳实践与生产环境建议
当模型通过基本测试，准备用于实际科研或工程计算时，以下建议有助于确保其可靠性和结果的可重复性。
6.1 建立模型测试清单
在交付或发表使用 DP 模型的工作前，完成以下清单：
- [ ]精度验证：在独立的测试集上，能量 RMSE < X meV/atom，力 RMSE < Y meV/Å（根据研究目标设定 X, Y）。
- [ ]MD 稳定性：在目标温度/压强下，成功运行至少 100 ps 的 MD 模拟，无能量爆炸、原子丢失等现象。
- [ ]性质重现：至少成功复现一个关键物理性质（如晶格常数、RDF），与参考值的偏差在可接受范围内（例如 < 2%）。
- [ ]外推测试：在略高于训练数据范围的条件下（如更高温度）进行短时间测试，模型行为应保持物理合理（不崩溃，性质变化趋势合理）。
- [ ]文档记录：记录模型训练参数、最终测试结果、使用的软件版本（DeePMD-kit, DP-GEN, LAMMPS 的精确版本号）以及运行测试的脚本。这对于可重复性至关重要。
6.2 生产环境考量
- 版本固化：将整个软件栈（包括 DeePMD-kit, LAMMPS, 甚至 Python 库）的版本号固定下来。使用 Conda 环境或 Docker 容器是很好的选择。
- 批量测试与自动化：编写脚本自动化执行单点测试、启动不同条件的 MD 模拟、并提取关键结果进行汇总。这有助于系统性地评估模型族（如 DP-GEN 产生的多个模型）。
- 不确定性量化：对于关键结论，考虑使用 DP-GEN 产生的多个模型（委员会模型）来估计预测的不确定性。
model_devi指标可以作为一个简单的 uncertainty 度量。 - 模型监控：在长时间的大规模模拟中，可以定期（例如每 10 ps）计算一次模型在当前轨迹构型上的预测力，并与一个简单的经验势或之前稳定模拟的力分布进行对比，作为健康检查。
测试一个 DP 模型不是训练流程结束后的一个孤立步骤，而是连接模型开发与实际应用的桥梁。一个未经充分测试的模型，其模拟结果可能充满未知风险。通过本文介绍的系统性方法——从基础精度验证到动态模拟测试，再到物理性质对比和问题深度排查——你可以建立起对模型性能的全面认知。记住，没有“完美”的模型，只有“足够好”且其局限性被清晰了解的模型。明确你的研究问题对模型的要求，并据此设计你的测试方案，才能让机器学习势函数真正成为你探索材料世界的可靠工具。
