AsterFire Go 论坛

一句话跑通 GeS 光学性质计算，ABACUS 原来可以这么用！

AsterFireGo — Mon, 12 Oct 2026 10:10:10 +0000

二维硫化亚锗（GeS）凭借独特褶皱晶体结构与优异光电特性，在光电器件领域备受关注，但 ABACUS+PyATB 的光学性质第一性原理计算流程繁琐，手动配置环境、串联自洽计算与后处理步骤门槛高。本文借助 AsterFire Go 平台 ABACUS 智算 Agent，仅用一句自然语言指令，自动完成全套 DFT 计算，高效解析单层 GeS 光学各向异性，清晰揭示其面内、面外光学响应差异，为二维半导体光电性能快速模拟提供全新对话式科研方案。

AsterFire Go 是一个用聊天就能做科学计算的平台。药物设计、蛋白模拟、分子动力学、量子化学、DFT 计算……打字告诉它你想算什么，最快速度给你结果。平台致力于让大家轻松调用各类算力，不用琢磨环境与集群配置、纠结方法、调试参数，把精力留给科研本身。现阶段封装了 SPONGE（对标 GROMACS）、ABACUS（对标 VASP）、ORCA（学术用途）、ProteinMPNN、DSDP（对标 Autodock Vina）、Bindcraft、RFdiffusion 等软件，同时还有文献检索总结、pdf 高保真翻译等百余种工具，均可通过自然语言调用或串入工作流。

AsterFire Go 用户交流群

产品内测期间加入官方用户群可得 1 个月专业版会员，含 4 个流动星币 + 50 GB 存储空间 + 百余种高级模型 + 全算力消费 9 折优惠。

AsterFire Go 工具 vs 传统 DFT 计算

对初次接触第一性原理计算的用户而言，操作难点不仅在于某一个参数的设置，更在于把各阶段正确衔接起来。对于光学计算，自洽算完还要把 HR / rR / SR 等矩阵元文件（H(R)：实空间哈密顿量；S(R)：交叠矩阵；r(R)：位置矩阵）正确交付 PyATB，才能获得最终结果。本例展示的重点，就是用简短的自然语言实现整个目标，让任务自动连续推进，直接展示核心指标与最终结果。

	传统 DFT 光学性质计算	AsterFire Go 平台
操作方式	手动准备结构、计算输入与后处理输入，命令行操作	以自然语言启动计算，自动规划，对话式操作
环境部署	手动部署 ABACUS 与 PyATB 环境：依赖、并行、求解器、后处理库等等	依托平台强大的科学计算综合能力，无需本地环境配置
文件准备	手动准备 STRU、INPUT、KPT、赝势与数值原子轨道文件，还要另写 PyATB 的输入	自动完成结构识别，以及输入文件的准备与校验
参数配置	自行测试收敛性，决定基组、截断能、K 点、占据带数、展宽 η 与能量步长等参数	Agent 自动完成可靠且精确的参数配置
任务调度	自洽计算与光学后处理之间手动搬运 HR / rR / SR 矩阵文件，手动串联各阶段	自动任务调度，由 Agent 组织任务、传递文件，衔接各阶段结果
结果整理	手动从输出文件提取 ε1、ε2，再换算出 α、n、k、R 等并绘图	自动完成结果整理
以本案例为例	需分步手动实施计算	一句话完成全套计算

ABACUS 智算 Agent：对话启动光学性质计算

ABACUS（Atomic-orbital Based Ab-initio Computation at USTC，中文名：原子算筹）是一款国产开源的以 DFT 计算为主的第一性原理软件，由中国科学技术大学何力新教授、中科院物理研究所任新国研究员和北京大学陈默涵研究员主导开发，拥有完全自主知识产权。其主要开发人员来自中国科学技术大学、中国科学院物理研究所、北京大学、北京科学智能研究院和合肥综合性国家科学中心人工智能研究院等单位。ABACUS 支持平面波和数值原子轨道两种基组，对各种体系与性质的计算支持良好。

星使智算结合 ABACUS 开发者的专家知识，以及官方手册，各领域知识，和大量用户的实践反馈，打造了 ABACUS 智能体。通过它，对话即可完成 ABACUS 计算，整个过程中用户无需手动输入关键参数。

第一步：描述任务

进入 ABACUS 智算 Agent，上传已经优化好的 GeS 结构文件，并输入本次使用的指令：

计算优化后的 GeS 四原子二维结构的光学性质

这条指令同时说明了研究对象（GeS 四原子二维结构）、前置状态（结构已经优化过）和预期输出（光学性质）。进行其他计算时，也应说清这几样。若对晶型、真空层厚度等已有明确、特殊的要求，应一并写入。

第二步：确认计划

Agent 识别、校验完结构后，会列出计算设置、平台资源探测结果、作业流水线规划等（此处为结构输入 → ABACUS 计算 → 后处理）。用户确认上述内容后，Agent 开始执行计算。本次任务的要点包括：不重复做结构弛豫；调用 ABACUS（LCAO 基组）+ PyATB，PBE 泛函（默认），非自旋极化、无 SOC；输出为光吸收系数谱（cm-1，0-30 eV）与介电函数实部 / 虚部，光谱展宽 η = 0.1 eV。用户审核 Agent 的计划时，若有其他计算要求，也可随时补充说明。

对于不熟 ABACUS 的用户，核对计划时，只需重点看「算什么」和「用什么结构算」，而不必逐项复述软件参数，智能体可以给出很好的计算设置。

图 1：描述 GeS 光学性质计算需求并确认任务计划。

第三步：执行计算

确认后，Agent 开始准备输入文件并调用平台资源执行计算。本次任务，Agent 选择使用 1 张 V100 GPU 和 cuSolver 求解器。Agent 会根据任务，选用合适的高性能 GPU 计算资源，以及相应的求解器，以高效完成计算。

在整个执行过程中，Agent 会自动进行电子步监测、节点状态核查、输出合理性等一系列必要检查。例如本例中，它通过平台的状态核查判定 abacus_optical 工具处于「计算步骤运行中」，并以真实的 Slurm 作业号作为启动证据；同时确认：等待输入的节点为空、没有失败节点。如遇电子步不收敛等情况，Agent 会自动调整参数并重新计算（失败节点按调试循环，最多重跑 3 轮）——在运维层面上，绝大多数问题同样不需要用户手动解决。与此同时，用户可以在平台上预览各文件，无需下载，随时查看计算真实的运行状态。

本例中，ABACUS 自洽计算 20 步收敛，随后的 PyATB 光学后处理扫描 8000 个 k 点。整个工作流共耗时 17 分 23 秒。

第四步：展示结果

任务结束后，平台返回「GeS 二维单层光学性质计算（ABACUS）· 执行报告」，内附吸收系数谱、介电函数实部 / 虚部、光学张量三分量图谱与汇总的原始数据。本次执行的关键指标为：光子能量采样区间 0-30 eV、共 3001 个采样点，吸收峰能量 6.85 eV，峰值吸收系数 1.02×106 cm-1，费米能级 -1.1187 eV，占据能带 20 条。同时，任务面板把本次执行的全部产物整理为 14 项关键文件，可一次下载。

图 2：执行计算、查看报告与结果。

二维 GES 单层计算结果解读

结构检查：能否直接用于光谱计算

自洽计算中，电子步 20 步收敛，总能为 -4453.3654 eV，费米能级为 -1.1187 eV；单点计算给出的最大残余力约 0.14 eV/Å、最大应力约 1.8 kbar（总压 1.14 kbar）。这说明，该二维单层构型合理，可以直接作为光学性质计算的起点。

光学性质对结构的敏感程度高于总能：如果用户误将未优化结构上传给智能体，吸收峰的位置与强度都会随之漂移，因此，在自洽结束后，Agent 额外核验了结构的可靠性（无用户提醒）。

图 3：GeS 单层的晶体结构、光吸收系数谱、介电函数实部，以及折射率与消光系数。

吸收系数：多方向吸收谱特征解析

吸收谱给出沿三个方向的吸收系数。最高的吸收峰位于 6.85 eV，峰值吸收系数约 1.02×106 cm-1，这个峰主要来自面外（zz）分量；面内两个分量的主峰则分别落在 5.21 eV（约 7.26×105 cm-1，xx）与 4.47 eV（约 6.58×105 cm-1，yy），三分量的平均吸收峰在 6.40 eV（约 7.35×105 cm-1）。整体来看，吸收主要集中在 2-8 eV 这一紫外 - 可见光区间，在这一波段，GeS 的透过性能较差。

介电函数：实部与虚部

吸收系数本身直接由介电函数计算得到，这两者是对于线性光学响应的两种不同方面的表述。介电函数实部 ε1 描述介质对电场的极化响应：低频极限则给出光学介电常数（ε∞）的三个分量，对于 GeS，ε∞ 分别为 3.43（xx）、3.55（yy）与 2.23（zz），面内方向明显大于面外方向。随光子能量升高，ε1 依次在 5.07 eV（xx）、4.47 eV（yy）与 6.73 eV（zz）附近越过零转为负值——这三个零点恰好落在各自的吸收峰上。介电函数虚部 ε2 描述能量的耗散，其振幅在 3.57 eV（xx）、2.88 eV（yy）与 6.30 eV（zz）附近出现极大值，与吸收峰一一呼应。折射率 n 与消光系数 k 同理：面内的 n 在 2.6–2.8 eV 之间取到最大值，面外分量则要到 6 eV 前后才取到峰值；k 的极大值出现在各自吸收峰附近——面内约 1.38（xx）与 1.45（yy），面外约 1.52（zz）。

另外，还需提及，此处光学性质仅包含电子贡献，因此不能给出正确的中、远红外光学性质。对于这一波段，须额外考虑声子对光学性质的修正（相关计算非常耗时）。

光学各向异性：面内与面外的分工

把三个分量放在一起对比，二维 GeS 的光学各向异性一目了然：面内的 xx 与 yy 分量在 3-5 eV 形成第一个吸收波段，面外的 zz 分量则在这一区间响应较弱（4 eV 处约为面内的七分之一），而在 6.5-7 eV 出现整条谱上最强的吸收峰。反射率 R 也有类似趋势——低能区面内两个方向明显高于面外，而到 8 eV 附近，面外方向升至 0.42，面内则落回至 0.2 以下。

这种「面内低能活跃、面外高能活跃」的差别，根源在于单层褶皱结构，面内与面外的成键方式不同，因此使跃迁矩阵元对偏振方向敏感。对器件应用而言，这意味着可以用入射光的偏振方向来选择性激发某一类跃迁。

图 4：GeS 单层的面内与面外吸收对比、平均吸收系数、介电函数虚部与反射率。

案例总结：自然语言完成的第一性原理光学性质计算

回看整个任务，我们仅用一句话完成了整套计算。在操作上，用户主要参与需求描述和计划确认；而输入文件的准备、自洽计算、后处理、两者的衔接、结果汇总等等，全部由 Agent 处理。对刚开始接触二维材料光学性质计算的研究者来说，这种方式有助于先建立对 ABACUS 与 PyATB 联合流程，整体的、系统的认识。之后若有兴趣，研究者可以再深入研究相关理论，逐步了解计算方法，与各种参数的具体影响。

（小提示：也可以与 ABACUS Agent 对话学习相关知识哦~密度泛函的相关理论，已经以知识库的形式封装在 Agent 中啦）

任务结束后，Agent 会推荐下一步的计算方向，如用 HSE 得到更准确的带隙与吸收边、计算激子效应（BSE）后的光学吸收谱、计算声子谱与电声耦合，等等。用户如有需要，可再用简单几个字开启更为深入、复杂的计算分析。

ABACUS 实战｜如何用提示词完成 Pd(111) 表面 CO 吸附结构优化

AsterFireGo — Tue, 29 Sep 2026 09:30:16 +0000

传统第一性原理表面吸附计算，需要手动建模、编写输入脚本并持续跟进任务，流程繁琐。借助 AsterFire Go 平台的 ABACUS Agent，仅用一句话描述吸附模型，系统就能自动完成 Pd (111) 表面 CO 吸附体系的全套结构优化，无需本地环境配置与人工干预，高效获取稳定吸附构型。

AsterFire Go 是一个用聊天就能做科学计算的平台。药物设计、蛋白模拟、分子动力学、量子化学、DFT 计算……打字告诉它你想算什么，最快速度给你结果。平台致力于让大家轻松调用各类算力，不用琢磨环境与集群配置、挑选方法、调试参数，把精力留给科研本身。现阶段封装了 SPONGE（对标 GROMACS）、ABACUS（对标 VASP）、ORCA（学术用途）、ProteinMPNN、DSDP（对标 Autodock Vina）、Bindcraft、RFdiffusion 等软件，同时还有文献检索总结、pdf 高保真翻译等百余种工具，均可通过自然语言调用或串入工作流。

AsterFire Go 用户交流群

产品内测期间加入官方用户群可得 1 个月专业版会员（含 4 个流动星币 + 50 GB 存储 + 百余种模型 + 算力消费 9 折优惠）

背景介绍：CO 吸附催化基础研究

钯（Pd）基催化剂在 CO 氧化、汽车尾气净化与电催化 CO₂ 还原等领域应用广泛，CO 分子在 Pd(111) 表面的吸附正是这些催化过程的起始步骤。吸附构型——包括吸附位点、分子取向与键长变化——直接影响后续反应路径与能垒，因此对 CO/Pd(111) 体系开展第一性原理结构优化，是表面催化机理研究的基础。

本例采用周期性平板模型描述 Pd(111) 表面：沿表面法向构建 4 层 Pd 原子层，并预留约 20 Å 真空层以消除层间相互作用；CO 以碳端朝下放置在表面 fcc hollow 位点上方，初始 C–Pd 距离约 2.5 Å，模型共含 34 个原子（Pd₃₂·CO）。

图 1：Pd(111) 吸附 CO 示意图

计算流程：一条工作流完成全部计算

在 AsterFire Go 中，用户只需一句话描述需求

（例如：「帮我搭一个 CO 吸附在 Pd(111) 面上的结构，表面取 4 层，扩胞 2×1，真空层 20 Å，CO 距表面 2.5 Å，然后用 ABACUS 做结构优化，力收敛限设为 0.05 eV/Å」），

平台即可自动编排并依次推进以下 8 个节点：

材料库搜索（stru_worker_mp_searcher）：在 Materials Project 搜索 Pd 的体相结构；
提取 material_id：自动解析搜索结果，获取 mp-2；
下载体相结构（stru_worker_mp_downloader）：下载 Pd 的常规晶胞 CIF 文件；
构建表面（stru_worker_slab）：基于体相切出 Pd(111) 表面，设置 4 层原子、2×1 扩胞、20 Å 真空层；
添加吸附质（stru_worker_add_adsorbate）：在 fcc hollow 位点上方放置 CO，C 端朝下，初始高度 2.5 Å；
ABACUS 输入准备（abacus_worker_input_prepare）：自动生成 ABACUS 输入文件，采用 PBE 泛函、LCAO 基组、100 Ry 截断能；
设置收敛标准（abacus_worker_inputs_modifier）：将力收敛限设为 0.05 eV/Å；
结构优化（abacus_worker_relax）：GPU 加速完成晶格与原子位置的全弛豫。

图 2：一站式自动化流程

所有步骤的作业提交、参数配置、收敛判断与结果解析均由 ABACUS Agent 自动完成，全程无需编写脚本或干预集群。

结果解读：吸附体系成功收敛

图 3：弛豫收敛能量

从图 3 的能量收敛曲线可以看出，体系总能量随优化步数逐步下降并趋于平稳，表明结构优化顺利收敛，最终构型位于势能面的能量极小点附近。

图 4：最终吸附状态

结构优化顺利收敛

弛豫在第 32 步收敛，最终最大原子受力梯度 0.0348 eV/Å，低于设定的 0.05 eV/Å 收敛阈值，得到能量为 −110,924.78 eV 的稳定吸附构型。体系共含 34 个原子（Pd₃₂·CO），采用 PBE 泛函与 LCAO 基组，平面波截断能 100 Ry，k 点采样 [1, 5, 3]，Gaussian 展宽 0.004 Ry。

优化后的吸附构型显示：CO 以碳端朝下吸附在表面 fcc hollow 位点上方，C 原子与最近邻表面 Pd 原子的距离经优化后重新分布，C–O 键长约为 1.15 Å。与气相自由 CO 分子相比，吸附后 C–O 键略有伸长，符合 CO 在过渡金属表面发生化学吸附并伴随电荷转移的典型特征；该稳定构型为后续研究 CO 氧化等表面反应提供了可靠的初始结构。

ABACUS 实战——聊天完成 GaN 电子结构计算

AsterFireGo — Mon, 21 Sep 2026 08:44:00 +0000

这次计算解决什么问题

GaN 是一种宽禁带半导体，具备高击穿电压、高热导率、高电子饱和漂移速度等优良特性，因而在射频通信、光伏等领域中发挥着重要作用。常规 GaN 为六方晶格，原胞内含 2 个 Ga 原子与 2 个 N 原子。本例采用 PBE 泛函与 LCAO（原子轨道线性组合）基组，先优化晶格和原子位置，再基于优化结构分析电子性质，将结构与电子态联系起来。

AsterFire Go 用户交流群

产品内测期间加入官方用户群可得 1 个月专业版会员（含 4 个流动星币 + 50 GB 存储 + 百余种模型 + 算力消费 9 折优惠）

AsterFire Go 工具 vs 传统 DFT 计算

对初次接触第一性原理计算的用户而言，操作难点不仅在于某一个参数的设置，更在于把各阶段正确衔接起来。本例展示的重点，就是用简短的自然语言实现整个目标，让任务自动连续推进，直接展示核心指标与最终结果供用户查看。

对比项	传统 DFT 计算	AsterFire Go 平台
操作方式	手动准备结构、编写输入文件、跨任务传递数据	对话式操作，以自然语言启动计算，自动规划
环境部署	手动部署计算环境：依赖，并行，软件本身，后处理等等	依托平台强大的科学计算综合能力，无需本地环境配置
文件准备	手动准备结构文件、赝势文件、k 点设置文件、参数设置文件等等	自动完成建模与输入文件准备
参数配置	手动配置、调试计算参数	自动完成可靠且精确的参数配置
任务调度	结构优化、能带、态密度任务之间手动传递文件，手动串联各阶段	自动任务调度，由 Agent 组织任务、传递文件，衔接各阶段结果
结果整理	手动整理输出文件与计算数据	自动完成结果整理
以本案例为例	需分步骤手动完成全部计算	一句话自动完成优化、能带与态密度全套计算

ABACUS 智算 Agent：对话启动全套计算

ABACUS（Atomic-orbital Based Ab-initio Computation at USTC，中文名：原子算筹）是一款国产开源的以 DFT 计算为主的第一性原理软件，由中国科学技术大学何力新教授、中科院物理研究所任新国研究员和北京大学陈默涵研究员主导开发，拥有完全自主知识产权。其主要开发人员来自中国科学技术大学、中国科学院物理研究所、北京大学、北京科学智能研究院和合肥综合性国家科学中心人工智能研究院等单位。ABACUS 支持平面波和数值原子轨道两种基组，对各种体系与性质的计算支持良好。

第一步：描述任务

进入 ABACUS 智算 Agent，输入本次使用的指令：

构建一个 GaN 原胞，准备 ABACUS 计算输入并做晶格结构优化，然后计算优化后结构的能带和态密度。

这条指令同时说明了研究对象、任务顺序和预期输出。进行其他项目时，也应说清这几样。若对晶型等性质已有明确、特殊的要求，应一并写入。

第二步：确认计划

Agent 构建好原胞后，会列出计算设置、平台资源探测结果、作业流水线规划（此处为晶体优化→能带→态密度）。用户确认上述内容后，Agent 才会开始执行。本次任务采用 PBE 与 LCAO，力和应力的收敛阈值分别为 0.01 eV/Å、0.5 kbar。用户审核 Agent 的计划时，若有其他计算要求，也可随时补充说明。

对于不熟 ABACUS 的用户，核对计划时，只需重点看"算什么"和"用什么结构算"，而不必逐项复述软件参数，智能体可以给出很好的计算设置。此处还要注意的一点是：是仅调整原子位置，还是同时优化晶格。这在 ABACUS 中对应两种不同运行模式。

图 1：描述 GaN 计算需求并确认任务计划。

第三步：执行计算

确认后，Agent 开始准备输入文件并调用平台资源执行计算。本次任务使用 1 张 V100 GPU 和 cuSolver 求解器。Agent 会根据任务，选用合适的高性能 GPU 计算资源，以及相应的求解器，以高效完成计算。

在整个执行过程中，Agent 会自动进行电子步监测，优化结构合理性检测等一系列必要检查，如遇电子步不收敛等情况，Agent 自动调整参数重新计算——在运维层面上，绝大多数问题同样不需要用户手动解决。与此同时，用户可以在平台上预览各文件，无需下载，随时查看计算真实的运行状态。在确认优化完成后，能带与态密度任务会直接调用优化的结果，无需用户手动搬运中间文件。

第四步：展示结果

任务结束后，平台返回"GaN 第一性原理计算报告"，内附优化结构、曲线和主要结论，同时提供结构优化中的能量、力、应力变化图，以及能带与态密度的图与对应数据。

图 2：执行计算、查看报告与结果

计算结果解读

结构优化：检查是否合理

本次初始晶胞较为贴近平衡态，仅经过 7 步离子步即收敛，这也展现出智算本身构建结构的合理性。优化后，总能量约为 −4705.5102 eV，最大力为 0.0042 eV/Å，最大应力为 0.2051 kbar。结合图 3 可见，力和应力变化正常，最终均低于设定阈值，且与此同时，优化后晶格常数与优化前变化不大，因此该优化结构可靠，可供后续性质计算使用。

图 3：平台上预览的优化后 GaN 结构及能量、力和应力曲线

能带：先看带隙

能带报告给出的带隙为 1.7982 eV，价带顶与导带底均位于 Γ 点，在本次高对称路径上表现为直接带隙。

（图中能量以费米能级为零点）

态密度：观察轨道贡献

DOS 在费米能级附近近似为 0，与能带结果相呼应，表明 GaN 不具有导电性。PDOS 显示，所展示的价带区域中 N-p 轨道贡献较突出，导带底附近可见 Ga-s 轨道贡献，更高能量处还有 Ga-p 等轨道参与——价带顶与导带底之间的跃迁通常决定材料的光学性质，因此 GaN 的光学性质也主要由这些轨道所决定。

分析能带与态密度时，可先在态密度图上分析轨道投影贡献，定位关心的能量区间，再结合能带与晶体结构分析其动力学或拓扑性质。

图 4：GaN 能带、总态密度（DOS）与投影态密度（PDOS）

案例总结：自然语言完成的第一性原理计算

回看整个任务，我们仅用一句话完成了整套计算。在操作上，用户主要参与需求描述和计划确认；而输入文件的准备、计算之间的衔接以及结果汇总，全部由 Agent 处理。对刚开始使用 ABACUS 的研究者来说，这种方式有助于先建立对 ABACUS 以及第一性原理计算，整体的、系统的认识。之后若有兴趣，研究者可以再结合 Kohn-Sham 方程等知识，逐步了解参数与具体的方法。

（小提示：也可以与 ABACUS Agent 对话学习相关知识哦~密度泛函的相关理论，已经以知识库的形式封装在 Agent 中啦）

任务结束后，Agent 会推荐下一步的计算方向，如 HSE 计算准确能带、计算光学性质、计算声子谱，等等。用户如有需要，可再用简单几个字开启更为深入、复杂的计算分析。

一键搞定药物蛋白复合物分子动力学模拟（附 1FKJ 实战案例）

AsterFireGo — Fri, 11 Sep 2026 08:51:15 +0000

做药物靶点研究、小分子药物筛选的小伙伴，大概率都遇到过同一个难题：辛辛苦苦做完分子对接，拿到看似完美的蛋白 - 配体结合构象，一深入研究就发现静态对接结果根本经不起推敲。真实生理环境中，蛋白会动态波动、配体可能脱落、复合物稳定性随时变化，仅凭静态结构根本无法判断药物结合的有效性。而能解决这一问题的分子动力学模拟，却因配置繁琐、命令行复杂、参数调试难度大、分析流程冗杂，让无数科研人员望而却步，白白耗费大量时间精力。

今天我们就以经典免疫药物靶点体系——FKBP12–他克莫司复合物（PDB：1FKJ）为实战案例，带大家零门槛上手完整的分子动力学模拟流程，轻松搞定蛋白 - 药物复合物稳定性分析、动态相互作用探究，让药物机理研究更高效、更省心。

AsterFire Go 是一个用聊天就能做科学计算的平台。分子对接、蛋白设计、动力学模拟、量子化学、DFT 计算……打字告诉它你想算什么，30 分钟内给你结果。平台致力于让科研伙伴可以轻松调用各类计算能力，不用琢磨配置集群、挑选方法、调试参数这些事，把精力留给科研本身。现阶段封装了 SPONGE（对标 GROMACS）、ABACUS（对标 VASP）、ORCA（学术用途）、ProteinMPNN、Vina、Bindcraft、RFdiffusion、文献检索总结、pdf 保真翻译等百种基础工具及其环境，均可通过自然语言调用或构建工作流。

AsterFire Go 用户交流群

产品内测期间加入官方用户群可得 1 个月专业版会员，含 4 个流动星币 + 50 GB 存储空间 + 百余种高级模型 + 全算力消费 9 折优惠。

分子对接之后，为什么还要做分子动力学？

分子对接可以预测候选小分子在蛋白结合区域中的可能构象，但对接结果本质上是一张静态结构，不能直接说明该构象在水溶液、温度和压力条件下是否能够保持，也不能反映蛋白和配体随时间发生的构象变化。

对于一个已经获得的蛋白–小分子对接复合物，我们通常还需要回答两个问题：

该复合物在设定的溶剂、温度和压力条件下能否正常完成模拟并保持合理结构？
配体在所采样的时间内是否持续位于原结合区域，蛋白–配体相互作用如何变化？

分子动力学模拟（molecular dynamics, MD）是进一步研究这些问题的常用方法。它通过连续计算体系中原子的运动，获得随时间变化的轨迹，并结合 RMSD、RMSF、回转半径、SASA、氢键和相互作用能等指标，对复合物的动态行为进行分析。MD 的作用是对候选结合构象进行动态检查和比较，而不是仅凭一条短轨迹直接证明高亲和力或实验活性。

本教程选用经典免疫抑制药案例 FKBP12–他克莫司。PDB 1FKJ 是人源 FKBP12 与 FK506（Tacrolimus，他克莫司；结构中配体编号为 FK5）的 1.70 Å 晶体结构。原始 PDB 非对称单元中包含一条 FKBP12 蛋白链 A（1–107）和一个 FK5 配体（A 108）。本教程保留链 A 和 FK5 108，仅删除结晶水。结构来源：https://www.rcsb.org/structure/1FKJ

MD 到底在模拟什么？分子动力学基本原理

经典分子动力学使用力场描述原子之间的键合和非键相互作用，根据势能函数计算原子受力，再以飞秒量级时间步长积分运动方程，从而得到体系随时间变化的构象轨迹。显式水和离子用于近似溶液环境，周期性边界条件用于减小有限模拟盒带来的表面效应。

一个常规蛋白–小分子 MD 流程通常包括结构准备、蛋白和配体参数化、建盒、加水和离子、能量最小化、平衡模拟、生产期模拟以及轨迹分析。力场和配体电荷决定相互作用的近似方式，模拟时长决定有限时间内能够采样到的状态。

用 GROMACS 跑通一次蛋白–小分子模拟

本教程使用的平台工具名称为“GROMACS 2023.2_蛋白和小分子复合物体系”。该 Kit 面向由标准氨基酸组成的单蛋白或多链蛋白与单一小分子配体复合物，可自动完成结构处理、配体参数化、体系构建、GROMACS 模拟和标准化分析。

蛋白部分固定采用 amber14SB_ROC_lipid17 力场和 TIP3P 水模型；小分子通过 ACPYPE/AmberTools 生成 GAFF2 参数，并使用 AM1-BCC 电荷。支持同时上传含正确键级的原始配体 mol2 或 PDB 文件，Kit 会将其作为参考修复对接文件中的配体连接信息。

图 1：GROMACS 2023.2_蛋白和小分子复合物体系使用教程

任务完成后，用户可以直接查看 report.md、综合分析图、末态结构和处理后轨迹，同时下载 RMSD、RMSF、SASA、回转半径、温度、压力、总能量、氢键、短程 LJ/Coulomb 相互作用、RMSD–Rg 自由能形貌、MM/GBSA 结果及量化统计表。

图 2：GROMACS 传统模拟流程

在传统操作流程下，GROMACS 分子动力学模拟需要配置相应的软件环境，并准备力场、水模型及相关参数文件。完成蛋白–配体复合物的结构预处理后，需要进行拓扑生成、溶剂盒构建、离子添加和能量最小化，并通过命令行设置温度、压力、模拟步长及模拟时间等参数。计算完成后，还需要对轨迹、能量和结构变化等数据分别进行整理，并借助可视化软件开展进一步分析。对于不熟悉分子动力学理论、参数设置和命令行操作的用户，整个流程具有一定的使用门槛。

没有 GPU 和命令行，也能完成 MD 模拟吗？

以上介绍的 GROMACS 2023.2_蛋白和小分子复合物体系，AsterFire Go 平台已将上述流程整合到工具百宝箱（Kit）模式中，用户只需上传蛋白和配体文件，填写关键模拟参数（如模拟温度、模拟时间等），即可提交计算并获取可视化结果。相比传统方式，Kit 模式省去了软件安装、环境配置和命令行操作，但仍需用户自行准备结构文件并确认计算参数。

在此基础上，平台进一步提供智算智能体（Agent）模式，将文件准备和参数配置环节也纳入自动化流程。该模式采用对话式交互，用户只需用自然语言描述模拟任务（如“对 FKBP12–他克莫司复合物进行模拟”），平台即可根据需求自动准备结构文件、配置计算参数、调用相应工具执行模拟，并返回结果。整个过程中用户无需上传任何文件，也无需填写任何参数。

图 3：智算 Agent 实现分子动力学模拟

本案例总结：从“跑出轨迹”到“读懂结果”

蛋白质–小分子分子动力学模拟是研究复合物构象稳定性、动态相互作用和结构变化的常用计算方法。以 FKBP12–他克莫司复合物（PDB ID：1FKJ）为例，GROMACS 可在显式溶剂环境中模拟蛋白质与药物分子随时间的运动，并通过 RMSD、RMSF、回转半径、SASA、氢键和最小距离等指标，评估复合物的整体稳定性及关键相互作用，为结合模式分析和后续研究提供参考。

传统分子动力学模拟通常涉及软件安装、运行环境配置、复合物结构清理、配体参数化、溶剂盒构建、离子添加、能量最小化、平衡模拟、生产期模拟以及轨迹分析等多个环节，对用户的计算环境和专业经验具有较高要求。AsterFire Go 将 GROMACS 2023.2 蛋白质–小分子模拟流程封装为统一的计算 Kit：在 Kit 模式下，用户可自主上传 FKBP12–他克莫司复合物和配体结构，并控制模拟时间、温度、压力、配体电荷等关键参数；在智算 Agent 模式下，平台自研 Agent 可围绕 1FKJ 进行结构调研和输入核对，辅助完成文件准备、参数配置、Kit 调用及结果整理，从而降低分子动力学模拟的使用门槛。

通过本教程的 FKBP12–他克莫司案例，可以看到 Kit 与智算 Agent 能够协同完成从结构确认、体系构建和模拟执行到轨迹分析与结果解读的完整流程。需要注意的是，本教程采用的短时间模拟主要用于验证流程是否能够正确运行，并初步观察复合物的结构稳定性，不能直接证明他克莫司的结合亲和力、药理活性或作用机制，也不能代表体系已经得到充分采样。更可靠的结论仍需结合更长时间的重复模拟、实验结构数据及生化实验进一步验证。

分子对接怎么做？基于 SARS‑CoV‑2 Mpro 与候选抑制剂的结合模式

AsterFireGo — Thu, 03 Sep 2026 09:06:10 +0000

一个新的 Mpro 抑制剂，通常要先回答两个问题：它能不能进入活性口袋？如果能，究竟以什么构象结合、形成哪些关键相互作用？

本教程以 Ebselen 为例，使用 AutoDock Vina 和 DSDP 跑通从结构准备、盲对接到结果分析的完整流程，并演示如何借助 AsterFire Go 简化环境配置和计算操作。

如果你没有 GPU，也不想花时间配置 CUDA、PyTorch 和命令行环境，可以直接在 AsterFire Go 上完成同一流程。

无论你是第一次接触分子对接，还是想提高候选化合物的初筛效率，读完本文都能知道这套流程怎么跑、结果怎么读，以及哪些判断仍需要分子动力学模拟或生化实验进一步验证。

AsterFire Go 是一个用聊天就能做科学计算的平台。分子对接、蛋白设计、动力学模拟、量子化学、DFT 计算……打字告诉它你想算什么，30 分钟内给你结果。平台致力于让科研伙伴可以轻松调用各类计算能力，不用琢磨配置集群、挑选方法、调试参数这些事，把精力留给科研本身。现阶段封装了 SPONGE（对标 GROMACS）、ABACUS（对标 VASP），ORCA（学术用途）、ProteinMPNN、Vina、Bindcraft、RFdiffusion、文献检索总结、pdf 保真翻译等百种基础工具及其环境，均可通过自然语言调用或构建工作流。

产品内测期间加入官方用户群可得 1 个月专业版会员，含 4 个流动星币 + 50 GB 存储空间 + 百余种高级模型 + 全算力消费 9 折优惠。

AsterFire Go 用户交流群

一、研究背景：为何 Mpro 对接是抗病毒研发核心环节？

SARS-CoV-2 主蛋白酶（main protease, Mpro）作为病毒多聚蛋白加工和复制过程中不可或缺的关键酶，一直是抗病毒药物研发的重要靶点。围绕 Mpro，已有大量研究开展了小分子和多肽类抑制剂的开发，多种共价和非共价抑制剂已被报道。

对于一个新的候选抑制剂，我们通常首先需要回答两个问题：

它能否进入 Mpro 的活性口袋并形成合理的结合？

如果能够结合，其具体的结合构象和关键相互作用是什么？

分子对接（molecular docking）正是解决这一问题的常用计算方法。通过对候选分子在蛋白结合位点中的可能构象进行搜索和打分，可以在实验验证之前快速筛除结合可能性较低的候选物，并进一步分析其潜在的结合模式。因此，docking 通常被用于药物研发早期的虚拟筛选和结合模式预测，其目的并不是替代 X 射线晶体学或冷冻电镜等实验结构解析，而是以较低的计算成本缩小候选范围，为后续分子动力学模拟和实验验证提供依据。

不同分子对接工具在采样策略、打分函数和适用的配体类型等方面存在差异，因此针对不同类型的候选抑制剂，可以采用不同的工具进行预测和交叉验证。

对于小分子抑制剂，本教程采用两种策略：

AutoDock Vina:作为快速初筛工具，获得候选小分子的结合构象并进行初步排序；

DSDP：采用不同的深度学习对接策略进行独立预测，用于对结合模式进行交叉验证。

在本教程的 Mpro 候选抑制剂筛选案例中，以 Ebselen（一种已知具有 Mpro 抑制活性的小分子）为例，使用 AutoDock Vina 和 DSDP 进行盲对接构象搜索，展示从结构准备到结果分析的完整流程。

二、核心原理：一文读懂分子对接底层逻辑

分子对接模拟两个分子之间的结合过程，核心包含两个环节：构象搜索（探索配体在受体结合位点的各种可能姿态）和能量评分（评估各构象的稳定程度）。不同软件的差异在于搜索算法和评分函数。

本文介绍的两种工具均遵循这一基本框架，但在采样策略、打分函数和适用配体类型上各有侧重。

三、工具详解：两款主流对接工具功能与差异

分子对接工具 1：AutoDock Vina

AutoDock Vina 由 The Scripps Research Institute 的 Olson 科研小组开发，是应用最广泛的开源对接软件。它采用基于梯度的优化算法进行构象搜索，经验打分函数综合考虑范德华力、氢键和疏水作用。相比早期版本，Vina 运行速度显著提升，支持多核并行计算。

在本教程的 Mpro 候选抑制剂筛选案例中，使用 AutoDock Vina 进行盲对接构象搜索。将候选小分子对接到 Mpro 的整个表面区域，由程序自动搜索可能的结合位点和结合构象，根据预测的结合构象和打分（docking score）对结果进行初步排序，为后续的候选分子筛选和结合模式分析提供依据。

图 1：AutoDock Vina 工具使用教程

AsterFire Go 平台提供 AutoDock Vina 工具，支持盲对接，重配体对接和批量分子对接等模式，用户只需上传蛋白 PDB 文件和配体 mol2 文件，平台自动完成去水、加氢、格式转换等预处理步骤，设置搜索精度等参数后提交至后台运行对接计算。完成后将会直接返回分子对接结果报告，包括结合构象可视化图，以及各结合模型的亲和力打分值，用户可根据打分排序筛选最优结合构象。整个操作无需命令行或手动预处理，上传文件并提交任务即可获取结果。

图 2：AutoDock Vina 分子对接传统操作流程

而在传统操作流程下，则需要手动完成蛋白和配体的 PDBQT 格式转换，涉及去水、加氢等多个预处理步骤，通过命令行调整搜索精度、盒子位置和尺寸来定义结合口袋，最后在可视化软件中查看对接构象。文件格式或路径的细微错误都可能导致运行失败。虽然 Vina 支持批量对接，但面对大规模候选分子时，配体准备、参数配置、任务管理及结果汇总仍需较多操作，流程较为繁琐。

分子对接工具 2：DSDP

DSDP（Deep Site and Docking Pose）由北京大学化学与分子工程学院开发，是一款基于 GPU 加速的盲对接工具。与传统盲对接方法需要在较大的规则搜索空间内进行搜索不同，DSDP 首先利用三维卷积神经网络预测蛋白质潜在结合位点，并将预测结果用于构建更符合口袋形状的采样空间；随后采用基于 Vina 的构象采样和打分方法，对配体可能的结合构象进行搜索和评价。

在本教程的 Mpro 候选抑制剂筛选案例中，使用 DSDP 对 Mpro 与候选配体进行盲对接，在未知结合位点的情况下预测配体可能的结合区域及结合构象。计算完成后，可根据对接构象和打分结果筛选候选结合模式。

图 3：DSDP 工具使用教程

AsterFire Go 平台也提供 DSDP 工具，支持 GPU 加速的盲对接计算。在 KIT 模式下，用户上传选择对接类型后，上传 Mpro 蛋白和配体结构文件即可提交计算。平台完成后续的位点预测和对接计算。计算结束后，平台返回对接结果，并对预测的结合位点区域和配体结合构象进行可视化展示，便于用户直接查看预测的结合位置及结合模式。

图 4：DSDP 分子对接传统操作流程

在传统操作流程下，DSDP 需要配置 NVIDIA GPU、CUDA 和 PyTorch 等运行环境，采用源码安装时，还需要完成相关 C++/CUDA 程序的编译，并配置相应的输入文件和运行参数。完成蛋白和配体的结构预处理后，需要按照程序要求组织输入文件和目录，并通过命令行设置搜索精度、搜索深度等参数。计算完成后，结合位点预测结果和对接构象通常需要分别查看和整理，再通过可视化软件进一步分析。对于不熟悉 GPU 环境配置和命令行操作的用户，整个过程具有一定的使用门槛。

需要注意的是，这两种分子对接工具的预测结果并不完全一致，这与工具采用的搜索空间、构象采样策略和评分函数差异有关。以盲对接任务为例，AutoDock Vina 需要在用户指定的整个搜索空间内进行网格计算和构象采样，其预测结果受初始盒子位置和尺寸的影响较大；而 DSDP 则先通过三维卷积神经网络预测蛋白表面的潜在结合位点，再在预测区域内完成构象采样和打分。该策略减少了盲目搜索带来的计算成本，同时也降低了对结合位点先验信息的依赖。因此，在结合位点未知的情况下，DSDP 的预测结果具有更高的定位精度和计算效率。

对于同一候选分子，建议结合不同方法的预测结果进行综合分析，但当多种工具的预测存在分歧时，DSDP 在结合位点预测和构象采样方面的结果可提供更可靠的参考依据。

四、全新升级：智算 Agent 赋能分子对接

以上介绍的两款分子对接工具，AsterFire Go 平台已将上述流程整合到工具百宝箱（KIT）模式中，用户只需上传蛋白和配体文件，填写关键对接参数（如搜索精度、输出构象数量等），即可提交计算并获取可视化结果。相比传统方式，KIT 模式省去了软件安装、环境配置和命令行操作，但仍需用户自行准备结构文件并确认计算参数。

在此基础上，平台进一步提供智算智能体（Agent）模式，将文件准备和参数配置环节也纳入自动化流程。该模式采用对话式交互，用户只需用自然语言描述对接任务（如"用 DSDP 对接 Mpro 和 Ebselen"），平台即可根据需求自动准备结构文件、配置计算参数、调用相应工具执行对接，并返回结果。整个过程中用户无需上传任何文件，也无需填写任何参数。

图 5：智算 Agent 实现分子对接

例如，在 Agent 模式下，用户只需输入：

“用 DSDP 对接 Mpro 和 Ebselen，返回打分最高的结合构象。”

平台即可根据任务描述完成相应的结构准备、参数配置和对接计算，并将最终结果返回给用户。

KIT 模式侧重于用户对输入文件和计算参数的自主控制，而 Agent 模式则侧重于减少任务准备和命令配置等操作。用户可以根据自身需求选择相应的使用方式。

五、实操总结：高效完成 Mpro 分子对接的核心要点

分子对接是候选药物早期筛选和结合模式研究中常用的计算方法。以 SARS-CoV-2 Mpro 为例，AutoDock Vina 和 DSDP 均可用于未知结合位点条件下的盲对接，通过构象搜索和打分获得候选分子的结合构象，为后续的候选筛选和相互作用分析提供参考。其中，AutoDock Vina 操作成熟、计算效率高，适用于快速开展小分子对接；DSDP 则结合结合位点预测与 GPU 加速对接，在盲对接任务中可减少无效搜索空间，提高计算效率。

传统分子对接通常涉及软件安装、运行环境配置、结构预处理、参数设置、命令行执行以及结果整理等多个环节，对用户的计算环境和软件使用经验具有一定要求。AsterFire Go 将上述工具集成到统一的计算平台中，通过 KIT 模式保留用户对结构文件和关键参数的控制，同时提供智算 Agent 模式，进一步减少文件准备和参数配置等操作。用户可根据任务需求选择相应的使用方式，从而更便捷地完成从结构准备、对接计算到结果查看的完整流程。

通过本教程的 Mpro 案例，可以看到分子对接不仅可用于候选抑制剂的初步筛选，也可用于预测潜在结合位置和分析蛋白质 - 配体结合模式。需要注意的是，对接结果主要用于提供计算层面的结构预测和筛选依据，最终的结合能力和作用机制仍需结合分子动力学模拟、实验结构解析或生化实验等进一步验证。

AsterFire Go 先锋计划启动！让你的真实课题，推动下一代科研智算工具持续迭代

AsterFireGo — Wed, 26 Aug 2026 06:49:53 +0000

配环境、装软件、调参数、盯日志……

对于许多科研人员来说，一项计算任务真正开始运行之前，往往已经耗费了大量时间。即使计算顺利完成，接下来还要面对结果整理、异常排查和流程复现等问题。

如果科研计算可以更简单呢？

如果只需要用自然语言描述自己的科学问题，平台就能帮助你完成计算配置、任务调度和运行流程，那么科研人员就可以把更多精力留给真正重要的事情——设计课题、理解结果，以及作出下一步判断。

现在，AsterFire Go 正式发起「先锋计划」，面向生物 / 医药、材料 / 物理 / 化学等方向，招募首批科研计算体验官。

我们希望邀请你带着真实课题参与测试。完成有效测试并提交反馈，即有机会获得 100～600 元现金奖励。

用自然语言，驱动科学计算

AsterFire Go 是由北京大学高毅勤教授团队孵化的 AI 科研智算平台。

它希望解决的，是科研计算中大量复杂、重复，却又无法绕开的准备工作。

过去，科研人员想要完成一项计算任务，通常需要先准备计算资源、搭建运行环境、安装专业软件、处理依赖关系，再根据不同体系配置参数。任何一个环节出现问题，都可能让任务停在正式计算之前。

AsterFire Go 尝试用自然语言重新组织这一过程。

你不需要从配置环境开始，只需要像与科研助手交流一样，描述自己想做什么。例如，你可以告诉平台：“我想对这个蛋白进行分子动力学模拟。”平台会根据你的需求，帮助你推进后续的任务配置、资源调度和计算流程。

目前，AsterFire Go 重点支持蛋白质设计、药物设计与药物模拟、生物分子动力学模拟、DFT 计算以及机器学习势计算等方向。

我们希望通过这种方式，把科研人员从“配环境、调参数、盯日志”的重复工作中解放出来，让计算回归工具本身的位置，让科研人员重新把注意力放在科学问题上。

为什么要发起先锋计划？

科研工具是否真正好用，不能只看它能否完成预设案例，更要看它能否应对真实、具体且多样的科研需求。

实验室中的计算任务很少完全相同。不同的研究对象、数据条件、计算方法和预期结果，都会带来新的使用场景。只有让产品进入真实科研工作流，才能发现哪些功能真正有帮助，哪些步骤仍然复杂，以及哪些需求还没有被覆盖。

因此，我们发起了 AsterFire Go 先锋计划。这不是一次简单的功能试用，也不是让参与者按照固定步骤完成演示任务。我们希望你带着自己的真实科研问题参与，用实际课题检验平台的功能、体验和场景覆盖能力。

你在使用过程中遇到的每一个问题、产生的每一次困惑，以及提出的每一条建议，都会成为产品迭代的重要依据。平台团队也会根据参与者的测试结果，持续优化产品流程和功能设计。

换句话说，这不仅是一次众测，也是一次围绕真实科研需求展开的产品共创。

我们正在寻找怎样的用户？

本期先锋计划主要面向生物 / 医药、材料 / 物理 / 化学等相关方向的科研用户。

如果你的研究涉及蛋白质设计、药物设计、生物分子动力学模拟、DFT 计算或机器学习势计算，并且手头正好有一个希望尝试解决的真实问题，欢迎报名参与。

无论你是本科生、研究生、博士后、高校教师、科研院所人员，还是相关企业的研发人员，都可以报名参与。项目组将结合研究方向、科研计算经验、测试需求和任务可执行性进行筛选。

我们尤其期待两类参与者：一类是已经具备相关计算经验，希望尝试更高效科研工作方式的用户；另一类是拥有明确计算需求，却受限于环境部署、软件配置、算力资源或操作门槛的用户。

报名阶段无需公开未发表研究的核心内容，如果课题涉及敏感信息，建议换一个 toy system 作为输入，提交需求。

参与测试需要做什么？

入选后，你可以带着自己的真实科研问题体验 AsterFire Go，检验平台能否理解任务需求、推进科研计算流程，并提供具有参考价值的结果。测试期间，项目组将提供必要的操作说明和答疑支持。

每位参与者最多可以提交 3 个测试项目，单个项目的基础体验时间约为 20～30 分钟。完成体验后，你需要结合实际使用过程提交反馈，告诉我们哪些环节足够顺畅、哪些功能没有满足需求，以及你希望平台进一步解决什么问题。

本次测试不要求每个科研问题都必须获得理想结果。

对于产品团队而言，一个未成功完成但过程完整、原因清晰的真实任务，同样具有重要价值。我们关心的不只是“任务有没有跑通”，也包括平台在哪个环节没有满足用户需求，以及未来应该如何改进。

参与先锋计划，你将获得什么？

参与先锋计划，也是一次让真实科研需求被产品团队直接看见的机会。

完成有效测试并提交反馈后，你将根据任务完成情况和反馈质量获得 100～600 元现金奖励。如果你的测试场景具有代表性，或提出的问题对产品改进具有较高参考价值，还可能受邀参加后续深度访谈，与产品团队直接交流自己的科研工作流和实际需求。

作为首批先锋体验官，你也将更早接触 AsterFire Go 的平台能力，并有机会持续参与后续功能验证和产品共创，与我们一起探索 AI 科研智算工具在真实课题中的更多可能。

写在最后

科研工具的进步，最终要服务于科研本身。

AsterFire Go 想做的，并不是替代科研人员作出科学判断，而是让复杂的计算过程变得更容易使用，让科研人员能够把更多时间放在提出问题、理解结果和验证假设上。

而一款科研工具真正走向成熟，也离不开真实课题和真实用户的检验。

如果你手头正好有一个想要尝试的科研问题，欢迎加入 AsterFire Go 先锋计划，用你的真实课题，让你的真实课题，推动下一代科研智算工具持续迭代。

大家来交朋友把

2023160218 — Sun, 23 Aug 2026 20:49:14 +0000

来介绍自己

纳米苹果与香橙酶：一个听起来很酷的概念，究竟错在哪？

AsterFireGo — Mon, 17 Aug 2026 08:35:35 +0000

假设你合成了一种纳米材料：它能催化过氧化氢反应，检测信号很漂亮，于是论文里写下“过氧化物酶样活性”。这时，一个看似无害的问题会突然变得尖锐：它催化了与酶相同的反应，就已经是“酶”了吗？

2020 年，ACS Catalysis 的一篇编辑社论把这个问题直接抛向了“纳米酶”领域。文章标题很不客气，叫《Nano-Apples and Orange-Zymes》：别把苹果和橙子硬说成同一种东西。它批评的并不是纳米材料不能催化，更不是否认它们在传感、治疗和材料化学中的潜力；它瞄准的是一种更常见、也更隐蔽的滑坡：只因一个材料做了与酶相似的反应，就把它包装成“酶”。

这场争论真正值得读的地方，不在于给“纳米酶”判死刑，而在于它逼着我们回到一个科研中永不过时的问题：一个漂亮的名字，究竟替我们解释了什么？又掩盖了什么？

争议在“凭什么叫酶”？

天然酶并不是“反应很快”这么简单。它通常拥有明确的活性中心、可追溯的底物识别方式、特定的微环境，以及能被讨论的结构 - 功能关系。许多催化纳米材料当然可以提高某些反应的速率，但“能催化同一个底物”并不自动等于“在模拟同一种酶学机制”。

这正是社论的核心主张：如果一种材料要被称为酶模拟物，至少应当在结构和 / 或功能上，与所比较的酶有可检验的相似性。仅仅把 CeO₂、Fe₃O₄、金纳米颗粒、MOF 或其他材料放进过氧化氢体系里，观察到反应发生，就把它们统称为“纳米酶”，这类比太宽松了。

为什么“会分解 H₂O₂”还不够？

同一反应，不代表同一条机制

过氧化氢的歧化并不是天然过氧化氢酶的专利。无机材料催化这一反应早已有之，而且不少体系会伴随羟基自由基等活性氧物种的生成；这与过氧化氢酶在生物体系中避免有害副反应的方式并不相同。换言之，反应式相同，途径、选择性和生物学后果却可能完全不同。

没有活性位点数，很难比较“谁更强”

社论提出的第二个问题更像一记统计学提醒：酶的活性通常可以按活性位点归一化，讨论周转频率；许多纳米材料的真实活性位点数量却未知或高度异质。在这种情况下，直接宣称“它比天然酶活性更高”，往往是在拿不可比的分母作比较。材料质量、比表面积、颗粒尺寸、表面缺陷和局部环境都可能改变表观速率。

概念如果太大，构效关系反而会消失

催化研究的价值之一，是找到“为什么它有效”的规律。如果“纳米酶”可以指几乎任何表现出某种催化活性的纳米材料，名称就容易盖过机制：到底是金属价态、表面氧空位、单原子位点、配体微环境，还是底物富集在起作用？没有这些问题的答案，名称再时髦，也难以转化为可设计、可复现的催化学知识。

纳米酶，需要更高门槛

如果把这篇社论理解为“所有纳米酶研究都不成立”，那就走得太远了。此后仍有大量研究者尝试为该领域收紧定义、建立活性评价标准，并探索具有明确结构、选择性或生物相关功能的材料体系。支持者的观点也很清楚：纳米材料未必复制天然酶的全部结构，却可能提供天然酶不具备的稳定性、可工程化性和多功能性。

因此，真正值得保留的不是一个非黑即白的结论，而是一条命名原则：当你使用“酶样”“仿生”或“纳米酶”时，最好同时回答三个问题——它像哪一种酶？像在什么层面？证据又是什么？如果只能回答“它也能催化这个反应”，那么“催化纳米材料”往往是更诚实、也更有信息量的说法。

我们可以试试从计算开始

某种 Fe-N-C 或 CeO₂ 体系为什么会表现出“过氧化物酶样”信号？是 H₂O₂ 在表面如何吸附与活化？关键中间体是什么？不同缺陷、掺杂或溶液条件会怎样改变能垒与自由基路径？这些问题不必停留在命名层面，它们可以被拆成可计算、可比对的模型。

AsterFire Go 是由北京大学高毅勤教授团队孵化的科学智算平台，主张“I think, AI compute”。对于这类问题，研究者可以直接描述希望比较的材料、表面与反应路径，借助平台调用 DFT、量子化学、分子动力学、文献检索等能力，把“它像不像酶”的争论推进到“它究竟如何催化”的证据层面。平台仍在持续开发中；把它当作降低计算门槛、帮助提出与验证假设的科研伙伴，会比把它当作自动生成结论的黑箱更有价值。目前平台内测期，注册即可领取 1 个月专业版会员，含 4 枚流动星币 + 50GB 存储空间 + 百余种高级模型 + 全算力消费 9 折优惠。

别让标签替代一个好问题

“纳米酶”是否是好概念，答案并不取决于它传播得有多广，而取决于它是否帮助我们提出更清楚的问题、设计更严格的对照、获得更可迁移的结论。苹果不是橙子，纳米材料也不因为碰巧催化了一次反应就自动成为酶。真正重要的从来不是标签，而是标签背后的机制、尺度与证据。

【阻断级 Bug】Agent 节点无法派发：数据库缺少 `steps.remote_work_dir` 列

chaocosmos — Fri, 14 Aug 2026 18:04:31 +0000

以下内容使用 ai 辅助整理：提交工作流时，Agent 节点在运行前统一失败：

asyncpg.exceptions.UndefinedColumnError:
column steps.remote_work_dir does not exist

问题发生在 Pilot 派发阶段，尚未进入 Slurm 或 ABACUS 计算，因此没有产生 GPU 费用。

影响

该错误已在两个不同 Plan、两类节点复现：

Plan 11355:kpt_writer
Plan 11356 / Execution 12442：官方 abacus_worker_input_prepare

上传节点正常，但后续 Agent 节点无法启动。新建 Plan、修改 DAG 或重新上传文件均不能解决。

初步判断

后端代码已经开始查询 steps.remote_work_dir，但当前数据库 steps 表中没有该列。可能原因包括：

后端代码已升级，数据库 migration 未执行；
worker 连接到了旧数据库或错误 schema；
平台处于混合版本部署状态。

希望平台协助

请核对：

Step.remote_work_dir 的 ORM 定义；
Alembic/database migration 版本；
worker 实际连接的 database、schema 及search_path；
executor/worker是否版本一致。

建议按正式 migration 修复或回滚不匹配的应用版本，不建议直接按猜测手工增加字段。

修复后请先用一个无计费的最小 Agent 节点验证 Pilot 派发，再通知用户重试原 Plan。

补充：plane_grpc、cluster_route、online_master 及文件上传均正常；结构、输入参数、KPT 和赝势核验也已通过，因此可以排除用户输入和计算资源占用问题。

标签：后端Bug 数据库Migration Pilot派发 ABACUS

集群 CPU-MISC 大作业独占导致 11 任务长时间排队

tq10 — Sun, 02 Aug 2026 15:32:27 +0000

集群 CPU-MISC 分区有一个 56 核大作业长时间运行，导致包括我的 job 747134（PDBFixer，只需几分钟）在内的 11 个任务一直 Pending，已排队超过 1 小时。请协助查看大作业预计何时结束，或能否将短任务优先调度。谢谢。

如何更好的使用工具

XTCah — Mon, 27 Jul 2026 11:18:42 +0000

test

# PDB、PDBQT、PQR 与 mmCIF 文件格式入门教程

admin — Mon, 13 Jul 2026 16:09:19 +0000

PDB、PDBQT、PQR 与 mmCIF 文件格式入门教程

本教程用于快速理解常见生物分子结构文件格式：PDB、PDBQT、PQR 和 mmCIF。重点放在文件内容、字段含义、典型用途和示例，不涉及编程解析实现。

0. 四种格式先对比

格式	主要用途	核心特点	常见场景
PDB	通用三维结构坐标	固定列宽，人眼可读	蛋白、核酸、配体、水、离子结构
PDBQT	分子对接	PDB + partial charge + AutoDock atom type	AutoDock, AutoDock Vina
PQR	静电势计算	PDB + charge + radius	APBS、PDB2PQR
mmCIF	现代 PDB 数据库格式	标签化字段，适合大结构	RCSB PDB 下载、结构数据库、复杂体系

一句话记忆：

PDB 看坐标，PDBQT 看对接，PQR 看电荷半径，mmCIF 看结构化字段。

1. PDB 文件格式

PDB 是最经典的生物大分子结构格式。它用文本保存原子坐标、残基信息、链信息、晶胞信息、实验注释等内容。

PDB 的核心特点是：固定列宽。也就是说，每一行中某个字段的位置由列号决定，而不是简单按空格分隔。

2. PDB 文件整体结构

一个典型 PDB 文件可能包含这些记录：

记录	含义
`HEADER`	文件头，包含分类、日期、PDB ID
`TITLE`	结构标题
`COMPND`	分子组成信息
`SOURCE`	来源物种或表达系统
`KEYWDS`	关键词
`EXPDTA`	实验方法，如 X-ray、NMR、EM
`REMARK`	注释信息
`SEQRES`	序列信息
`CRYST1`	晶胞参数
`ATOM`	标准残基中的原子坐标
`HETATM`	非标准残基、配体、水、离子等坐标
`TER`	一条链结束
`MODEL` / `ENDMDL`	多模型结构
`CONECT`	原子连接关系
`END`	文件结束

最常用、最重要的是 ATOM 和 HETATM。

3. PDB 示例

HEADER    OXYGEN TRANSPORT                         07-MAR-84   4HHB
TITLE     THE CRYSTAL STRUCTURE OF DEOXY HUMAN HEMOGLOBIN
EXPDTA    X-RAY DIFFRACTION
CRYST1   63.150   83.590   53.800  90.00  99.34  90.00 P 1 21 1      4
ATOM      1  N   VAL A   1      18.715  24.840   4.621  1.00 33.80           N
ATOM      2  CA  VAL A   1      17.647  23.823   4.529  1.00 33.22           C
ATOM      3  C   VAL A   1      16.307  24.438   4.965  1.00 32.66           C
ATOM      4  O   VAL A   1      16.167  25.650   5.138  1.00 33.14           O
HETATM 1001 FE   HEM A 142      12.323  18.441   7.552  1.00 21.30          FE
HETATM 2001  O   HOH A 301      25.113  17.892  10.442  1.00 40.10           O
TER
END

4. PDB 的 ATOM/HETATM 字段

PDB 的坐标行有固定字段。下面以 ATOM 行为例：

ATOM      1  N   VAL A   1      18.715  24.840   4.621  1.00 33.80           N

字段	示例	含义
record	`ATOM`	记录类型
serial	`1`	原子编号
atom name	`N`	原子名
altLoc	空	替代构象标记
resName	`VAL`	残基名
chainID	`A`	链 ID
resSeq	`1`	残基编号
iCode	空	插入码
x, y, z	`18.715 24.840 4.621`	三维坐标，单位通常是 Å
occupancy	`1.00`	占有率
B-factor	`33.80`	温度因子
element	`N`	元素符号

5. ATOM 与 HETATM 的区别

记录	常见对象
`ATOM`	标准蛋白氨基酸、标准核酸残基
`HETATM`	配体、金属离子、水、辅因子、非标准残基

例子：

ATOM      1  CA  ALA A   1      10.000  12.000   8.000  1.00 20.00           C
HETATM  501  C1  LIG A 101      15.200  10.400   5.600  1.00 18.00           C
HETATM  601  O   HOH A 201      20.100  15.300   9.200  1.00 35.00           O
HETATM  701 NA    NA A 301      22.000  13.000   7.500  1.00 25.00          NA

这里：

ALA 是标准氨基酸，所以通常是 ATOM。
LIG 是小分子配体，所以通常是 HETATM。
HOH 是水。
NA 是钠离子。

6. PDB 里几个容易混淆的字段

6.1 chainID

chainID 是链 ID，通常为一个字符：

ATOM      1  N   MET A   1      ...
ATOM    500  N   GLY B   1      ...

这里 A 和 B 是两条链。

注意：PDB 的 chain ID 很短，复杂体系中可能不够用，这也是 mmCIF 更适合大结构的原因之一。

6.2 resName

resName 是残基名：

ALA  GLY  VAL  LYS  ARG
DA   DT   DG   DC
HOH  WAT  SOL
LIG  ATP  HEM

写 GROMACS selection 或做结构筛选时，残基名非常重要。例如：

resname LIG
resname HOH
resname ATP

6.3 resSeq 与 iCode

resSeq 是残基编号，iCode 是插入码。有些结构中会出现：

42
42A
42B

这表示残基编号相同，但插入码不同。做精确残基定位时，不应只看编号。

6.4 altLoc

altLoc 表示替代构象，常见为 A、B：

ATOM     32  CA AARG A  10      11.281  86.699  94.383  0.50 35.88           C
ATOM     33  CA BARG A  10      11.296  86.721  94.521  0.50 35.60           C

这通常表示同一个原子有两个可能位置，每个位置 occupancy 为 0.50。

7. PDB 的优点和限制

优点：

人眼可读。
生态成熟，几乎所有分子软件都支持。
小型蛋白、配体、水、离子结构表达很直观。

限制：

固定列宽，字段容量有限。
原子编号、链 ID、坐标范围都有格式限制。
不适合超大复合物和复杂元数据。
很多注释在 REMARK 中，不够结构化。

因此，现代结构数据库更推荐使用 mmCIF。

8. PDBQT 文件格式

PDBQT 常用于分子对接，尤其是 AutoDock 和 AutoDock Vina。

可以把 PDBQT 理解为：

PDB + Q + T

其中：

Q = partial charge，部分电荷
T = AutoDock atom type，AutoDock 原子类型

9. PDBQT 示例

ROOT
HETATM    1  C1  LIG A   1      12.345  10.234   5.678  1.00  0.00     0.120 C
HETATM    2  N1  LIG A   1      13.210  11.002   5.112  1.00  0.00    -0.350 NA
HETATM    3  O1  LIG A   1      11.800   9.100   5.000  1.00  0.00    -0.420 OA
ENDROOT
TORSDOF 3

和 PDB 相比，PDBQT 行尾多了两类信息：

字段	示例	含义
partial charge	`0.120`、`-0.350`	对接程序使用的部分电荷
AutoDock atom type	`C`、`NA`、`OA`	AutoDock 原子类型

常见 AutoDock atom type：

类型	大致含义
`C`	碳
`A`	芳香碳
`N`	氮
`NA`	氢键受体氮
`O`	氧
`OA`	氢键受体氧
`S`	硫
`HD`	极性氢

10. PDBQT 中的柔性配体记录

配体 PDBQT 里可能出现：

ROOT
ENDROOT
BRANCH
ENDBRANCH
TORSDOF

它们用于描述配体可旋转键。

记录	含义
`ROOT` / `ENDROOT`	配体的刚性核心
`BRANCH` / `ENDBRANCH`	可旋转分支
`TORSDOF`	可旋转自由度数量

示意：

ROOT
HETATM    1  C1  LIG A   1      ...
HETATM    2  C2  LIG A   1      ...
ENDROOT
BRANCH   2   3
HETATM    3  C3  LIG A   1      ...
HETATM    4  O1  LIG A   1      ...
ENDBRANCH 2   3
TORSDOF 1

如果只是查看坐标，可以关注 ATOM/HETATM 行。
如果要用于对接，不要随意删除 ROOT/BRANCH/TORSDOF 这些记录。

11. PDBQT 的用途和注意事项

PDBQT 常用于：

对接受体文件：receptor.pdbqt
对接配体文件：ligand.pdbqt
Vina docking 输入

注意事项：

PDBQT 不是普通 PDB 改后缀。
必须正确处理氢原子。
必须正确赋 partial charge。
必须正确识别 AutoDock atom type。
配体 PDBQT 还需要合理的可旋转键定义。

12. PQR 文件格式

PQR 常用于静电势计算，例如 APBS、PDB2PQR。

可以把 PQR 理解为：

PDB + charge + radius

它通常把 PDB 中 occupancy 和 B-factor 的位置换成：

partial charge，部分电荷
atomic radius，原子半径

13. PQR 示例

ATOM      1  N   MET A   1      38.428  13.947  27.214 -0.3000 1.8500
ATOM      2  CA  MET A   1      37.319  14.801  27.701  0.2100 2.2750
ATOM      3  C   MET A   1      36.008  14.042  27.457  0.5100 2.0000
ATOM      4  O   MET A   1      35.900  12.820  27.300 -0.5100 1.7000

这里末尾的两个数字不是 occupancy 和 B-factor，而是：

字段	示例	含义
charge	`-0.3000`	部分电荷
radius	`1.8500`	原子半径

14. PQR 与 PDB 的区别

问题	PDB	PQR
主要用途	通用结构坐标	静电势计算
坐标	有	有
occupancy	有	通常没有
B-factor	有	通常没有
charge	通常没有	有
radius	没有	有

因此，不要把 PQR 直接当普通 PDB 用，否则软件可能把 charge/radius 错读成 occupancy/B-factor。

15. PQR 常见用途

PQR 常用于：

APBS 静电势计算
分子表面电势可视化
蛋白质电荷分布分析
pH 相关质子化状态分析后的结构表达

PQR 的质量高度依赖：

力场参数
pH 设置
质子化状态
原子半径集合
缺失原子和氢原子处理

16. mmCIF 文件格式

mmCIF，也常写作 PDBx/mmCIF，是现代 PDB 数据库推荐使用的结构格式。

PDB 是固定列格式，而 mmCIF 是标签化、表格化格式。

mmCIF 的基本单位是：

概念	示例	含义
data block	`data_4HHB`	一个数据块
data item	`_entry.id 4HHB`	单个键值
category	`_atom_site`	一类相关数据
attribute	`Cartn_x`	category 下的具体字段
loop	`loop_`	表格数据开始

17. mmCIF 示例

data_4HHB
#
_entry.id 4HHB
#
_cell.length_a 63.150
_cell.length_b 83.590
_cell.length_c 53.800
_cell.angle_alpha 90.00
_cell.angle_beta 99.34
_cell.angle_gamma 90.00
#
loop_
_atom_site.group_PDB
_atom_site.id
_atom_site.type_symbol
_atom_site.label_atom_id
_atom_site.label_comp_id
_atom_site.label_asym_id
_atom_site.label_seq_id
_atom_site.Cartn_x
_atom_site.Cartn_y
_atom_site.Cartn_z
_atom_site.occupancy
_atom_site.B_iso_or_equiv
ATOM 1 N N VAL A 1 18.715 24.840 4.621 1.00 33.80
ATOM 2 C CA VAL A 1 17.647 23.823 4.529 1.00 33.22
ATOM 3 C C VAL A 1 16.307 24.438 4.965 1.00 32.66
#

18. mmCIF 的 `_atom_site` 表

mmCIF 中，原子坐标通常位于 _atom_site category。

常见字段：

mmCIF 字段	对应 PDB 概念	含义
`_atom_site.group_PDB`	`ATOM/HETATM`	记录类型
`_atom_site.id`	serial	原子编号
`_atom_site.type_symbol`	element	元素
`_atom_site.label_atom_id`	atom name	原子名
`_atom_site.label_comp_id`	resName	残基名
`_atom_site.label_asym_id`	chainID	链或不对称单元 ID
`_atom_site.label_seq_id`	resSeq	残基编号
`_atom_site.Cartn_x`	x	x 坐标
`_atom_site.Cartn_y`	y	y 坐标
`_atom_site.Cartn_z`	z	z 坐标
`_atom_site.occupancy`	occupancy	占有率
`_atom_site.B_iso_or_equiv`	B-factor	B 因子

19. label 与 auth 的区别

mmCIF 中经常有两套字段：

label_asym_id
auth_asym_id
label_seq_id
auth_seq_id
label_atom_id
auth_atom_id

它们的区别：

前缀	含义
`label_*`	数据库规范化后的标识
`auth_*`	作者提交结构时使用的原始标识

例如：

_atom_site.label_asym_id  A
_atom_site.auth_asym_id   H

这可能表示数据库内部把链标为 A，但作者原始链名是 H。

实际使用建议：

想和论文、PDB 显示、可视化软件对应：优先看 auth_*。
想做数据库规范化处理：优先看 label_*。

20. mmCIF 的优点

相比 PDB，mmCIF 的优点是：

不受 80 列限制。
支持更大的结构和更多链。
字段含义清楚。
元数据更完整。
更适合程序读取和数据库存储。
是现代 PDB 数据库推荐格式。

缺点是：

不如 PDB 直观。
人眼快速浏览坐标时稍微麻烦。
初学者需要理解 loop_ 和字段名。

21. 四种格式使用建议

需求	推荐格式
查看普通蛋白结构	PDB 或 mmCIF
从 RCSB 下载复杂结构	mmCIF
准备 GROMACS 初始结构	PDB/GRO，必要时从 mmCIF 转换
分子对接输入	PDBQT
静电势计算	PQR
长期保存结构数据库信息	mmCIF
人工快速查看坐标	PDB

22. 我们平台推荐的转换和清理流程

实际项目中，不建议手动改后缀来转换格式。推荐使用我们平台中的：

Open Babel：用于常见结构格式转换、小分子格式处理、加氢、简单标准化。
PDBFixer：用于蛋白结构清理，例如补缺失原子、补氢、处理缺失残基、移除不需要的异质分子。

推荐流程：

蛋白 mmCIF/PDB -> PDBFixer 清理和补全 -> 检查链、残基、水、离子 -> 导出目标格式

小分子 SDF/MOL2/PDB -> Open Babel 转换和加氢 -> 检查键级、电荷、质子化状态 -> 导出目标格式

对接任务：
蛋白结构 -> 清理 -> 加氢/赋电荷 -> receptor.pdbqt
配体结构 -> 转换 -> 加氢/赋电荷/设置可旋转键 -> ligand.pdbqt

静电势任务：
PDB -> 修复结构 -> 赋电荷和半径 -> PQR -> APBS/静电分析

转换后建议检查：

链 ID 是否保留。
残基名是否改变。
配体是否完整。
水和离子是否按预期保留或删除。
氢原子是否合理。
PDBQT 是否有 partial charge 和 AutoDock atom type。
PQR 是否有 charge 和 radius。
大结构转 PDB 时是否发生编号或链名截断。

23. 最后总结

PDB    = 经典结构坐标格式，适合查看和通用交换
PDBQT  = 对接格式，在 PDB 基础上加入电荷和 AutoDock 原子类型
PQR    = 静电势格式，在 PDB 基础上加入电荷和原子半径
mmCIF  = 现代结构数据库格式，字段结构更完整，适合复杂体系

实践上：

普通查看：PDB 最直观。
数据库下载：mmCIF 更推荐。
分子对接：用 PDBQT。
静电势计算：用 PQR。
格式转换和结构清理：优先使用平台里的 Open Babel 和 PDBFixer。

GROMACS Selection 选区语法

admin — Mon, 13 Jul 2026 15:49:58 +0000

GROMACS Selection 选区语法教程：从入门到常用写法

整理来源：Jerkwin《GROMACS 选区 (selection) 语法及用法》
原文：https://jerkwin.github.io/GMX/GMXsel/
参考校对：GROMACS 2026.3 官方文档 Selection syntax and usage
https://manual.gromacs.org/current/onlinehelp/selections.html

0. 最简单的案例

这一节先给最常用、最容易复制的 selection。初学时可以先不管完整语法，把这些例子当作模板改名字、改链 ID、改残基名即可。

目标	selection 写法	说明
选择 A 链	`chain A`	常用于 PDB/mmCIF 中有链 ID 的体系
选择 B 链	`chain B`	把 `B` 换成自己的链 ID
选择残基名为 LIG 的小分子	`resname LIG`	`LIG` 要换成实际配体残基名
选择所有蛋白	`group "Protein"`	依赖 GROMACS/index 中已有 `Protein` 组
选择所有蛋白原子	`protein`	如果当前工具/版本支持该内置选择，可直接用
选择所有 RNA	`group "RNA"`	如果 index 中已有 `RNA` 组，推荐这样写
按常见 RNA 残基名选择 RNA	`resname A U G C RA RU RG RC`	不同力场/文件命名可能不同
选择所有 DNA/RNA 核酸	`group "DNA"` 或 `group "RNA"`	取决于 index 组是否存在
选择蛋白骨架	`group "Backbone"`	依赖已有 `Backbone` 组
不依赖 index 选择蛋白骨架	`group "Protein" and name N CA C O`	常用骨架原子；必要时可加 `OXT`
选择蛋白 A 链骨架	`chain A and group "Protein" and name N CA C O`	链、蛋白、原子名三重条件
选择水	`resname SOL`	GROMACS 常见水名是 `SOL`
选择其他常见水命名	`resname SOL WAT HOH TIP3`	根据体系实际命名选择
选择离子	`group "Ion"`	如果 index 中已有 `Ion` 组，最方便
选择常见钠钾氯离子	`resname NA K CL`	命名可能是 `NA+`、`CLA`、`CL-` 等，需看结构文件
选择水和离子	`group "Water_and_ions"`	如果 index 中已有该组，推荐
不依赖 index 选择水和常见离子	`resname SOL WAT HOH TIP3 NA K CL`	实际残基名按体系调整
排除水和离子	`not group "Water_and_ions"`	常用于只分析溶质
选择 C-alpha 原子	`group "Protein" and name CA`	常用于蛋白结构分析
选择蛋白重原子	`group "Protein" and not name H*`	按原子名排除氢，命名规则需确认
选择配体附近 0.5 nm 内的蛋白原子	`group "Protein" and within 0.5 of resname LIG`	动态邻近选择
选择配体附近 0.5 nm 内的完整蛋白残基	`group "Protein" and same residue as within 0.5 of resname LIG`	比只选邻近原子更适合看结合口袋

几个小提醒：

resname LIG 里的 LIG 是残基名，不是文件名。可以先用可视化软件或 .gro/.pdb 文件确认真实残基名。
group "Protein"、group "Backbone"、group "Water_and_ions" 依赖 index 组是否存在；如果报错，就用 gmx make_ndx 生成，或改用不依赖 index 的写法。
水和离子的命名差异很大，最稳妥的方法是先看结构文件中的 residue name。

1. Selection 是什么？

在 GROMACS 里，selection 用来选择原子、残基、分子或它们的几何位置，以便后续分析工具使用。

它和传统的 index 文件不完全一样：

方式	特点	适合场景
index group	通常是静态分组	简单、固定的原子集合
selection	可以按表达式动态选择	距离、坐标、残基、质心等复杂条件

selection 最后会被求值为一组位置。这些位置可以是：

原子坐标
残基质心
残基几何中心
分子质心
自定义常量位置

很多分析命令，例如 gmx distance、gmx select、gmx gangle，都可以使用 selection。

2. 先看一个完整例子

假设你想选择所有距离蛋白 0.5 nm 以内的配体 LIG 原子，可以写：

gmx select -s topol.tpr -f traj.xtc -select '"Close to protein" resname LIG and within 0.5 of group "Protein"'

这个 selection 可以拆成四部分：

"Close to protein"  resname LIG  and  within 0.5 of group "Protein"

部分	作用
`"Close to protein"`	给这个选区起名字
`resname LIG`	选择残基名为 `LIG` 的原子
`and`	逻辑与
`within 0.5 of group "Protein"`	限制这些原子必须距离 Protein 组 0.5 nm 以内

这就是 selection 的核心思想：用一条可读的表达式，把“我要选什么”直接写出来。

3. Selection 的工作流程

flowchart LR
    A["输入结构/轨迹"] --> B["读取 selection 表达式"]
    B --> C["解析 atom / position / numeric 表达式"]
    C --> D["逐帧求值"]
    D --> E["得到一组位置"]
    E --> F["交给分析工具"]

如果表达式依赖坐标，例如 within、distance、x < 2，它可以在轨迹每一帧重新计算，因此结果可能随时间变化。

4. 在命令行中传入 selection

4.1 直接写在命令行

多数工具会有类似 -select 的参数。不同工具的参数名可能不同，具体要看命令帮助：

gmx help select
gmx help distance
gmx help gangle

一个命令里可以传入一个或多个 selection。多个 selection 可以用分号分隔：

gmx select -s topol.tpr -f traj.xtc -select 'resname SOL and name OW; resname LIG'

注意：selection 通常要加引号，避免 shell 把括号、星号、空格等字符提前解释掉。

4.2 从文件读取

如果 selection 很长，建议写进文件，例如 selection.dat：

"Water oxygens" resname SOL and name OW;
"Ligand near protein" resname LIG and within 0.5 of group "Protein";

然后运行：

gmx select -s topol.tpr -f traj.xtc -select -sf selection.dat

4.3 使用 index 文件

如果你已经有传统 index 文件，可以用 -n 传入：

gmx select -s topol.tpr -f traj.xtc -n index.ndx -select 'group "Protein"'

index 组可以通过两种方式引用：

group 1
group "Protein"

如果整个 selection 就是一个 index 组，group 关键词在某些交互场景下可以省略。

5. Selection 的三类表达式

GROMACS selection 里最重要的是理解三种表达式：

类型	含义	例子
`ATOM_EXPR`	选出一组原子	`resname SOL and name OW`
`POS_EXPR`	得到一组位置	`com of group "Protein"`
`NUM_EXPR`	得到数值	`x of cog of resname LIG`

一般来说，一个完整 selection 应该是 ATOM_EXPR 或 POS_EXPR。如果写的是原子表达式，GROMACS 会按默认位置类型把它转换成位置。

6. 常用选择条件

6.1 按残基和原子名称选择

选择所有水氧：

resname SOL and name OW

选择所有蛋白 C-alpha 原子：

group "Protein" and name CA

选择残基名为 LIG 的配体：

resname LIG

常用关键词：

关键词	含义
`name` / `atomname`	按 GROMACS 原子名选择
`pdbname` / `pdbatomname`	按 PDB 文件中的原始原子名选择
`resname`	按残基名选择
`atomtype` / `type`	按原子类型选择
`chain`	按链 ID 选择

注意：如果输入是 PDB 文件，GROMACS 可能会转换以数字开头的 4 字符原子名。例如 PDB 中的 3HG2 可能需要用 name HG23 匹配。如果想按 PDB 原始名字匹配，使用 pdbname。

6.2 按编号选择

选择原子编号 1 到 5，以及 7 和 9：

atomnr 1 to 5 7 9

选择残基编号 1 到 5 和 10：

resnr 1 to 5 10

常用整数关键词：

关键词	含义
`atomnr`	原子编号
`resnr` / `resid`	残基编号
`resindex` / `residue`	残基索引
`molindex` / `mol` / `molecule`	分子索引

7. 逻辑运算：and、or、not

selection 可以用逻辑运算组合：

resname SOL and name OW

resname LIG or resname ATP

not resname SOL

复杂表达式建议加括号：

(resname LIG or resname ATP) and within 0.5 of group "Protein"

逻辑表达式会从左到右求值，并有短路行为。因此，把便宜、严格的条件放前面通常更高效：

resname LIG and within 0.5 of group "Protein"

比先做全体系距离判断再筛 LIG 更直观，也往往更快。

8. 字符串匹配：普通字符串、通配符、正则

按名称选择时，可以使用普通字符串：

name CA

也可以使用通配符：

name "C*"

还可以使用正则表达式：

resname "R[AB]"

GROMACS 会根据字符串内容自动猜测匹配类型。如果想强制某种匹配方式，可以用：

写法	含义
`name = "C*"`	按字面量匹配 `C*`
`name ? "C*"`	强制通配符匹配
`name ~ "C[0-9]+"`	强制正则匹配

包含特殊字符、空格或可能和关键词冲突的字符串，建议始终加双引号。

9. 按距离选择

9.1 within：最常用的距离选择

选择距离蛋白 0.5 nm 以内的配体原子：

resname LIG and within 0.5 of group "Protein"

选择距离固定坐标 [1.2, 3.1, 2.4] 超过 1 nm 的所有原子：

not within 1 of [1.2, 3.1, 2.4]

9.2 distance 与 mindistance

distance from POS 计算到单个位置的距离：

distance from com of group "Protein"

mindistance from POS_EXPR 计算到一组位置中最近一个位置的距离：

mindistance from group "Protein"

如果要提高计算效率，可以给距离关键词加 cutoff：

distance from com of group "Protein" cutoff 2.0

距离超过 cutoff 的结果会被截断为 cutoff，适合只关心某个范围内的判断。

10. 位置：atom、com、cog 与残基/分子中心

selection 不一定只选原子，也可以选“位置”。

10.1 常量位置

[1.2, 3.1, 2.4]

表示一个固定三维坐标。

10.2 质心和几何中心

蛋白质质心：

com of group "Protein"

配体几何中心：

cog of resname LIG

如果分子跨周期性边界，可以加 pbc：

com of group "Protein" pbc

10.3 常见位置类型

写法	含义
`atom`	原子位置
`res_com`	每个残基的质心
`res_cog`	每个残基的几何中心
`mol_com`	每个分子的质心
`mol_cog`	每个分子的几何中心

例如，残基 1 到 5 和残基 10 的质心：

res_com of resnr 1 to 5 10

11. whole、part、dyn 的区别

位置类型可以加前缀：

前缀	含义	适合场景
`whole_`	用整个残基/分子计算中心	想按完整残基或完整分子理解
`part_`	用选中的固定原子集合计算中心	默认折衷，速度和直觉较平衡
`dyn_`	每帧只用真正满足条件的原子计算中心	严格动态选择，但可能更慢

例子：选择每个残基中 C1 C2 C3 任意一个满足 x < 2 的残基，并计算这些原子的质心：

part_res_com of name C1 C2 C3 and x < 2

如果要用整个残基计算质心：

whole_res_com of name C1 C2 C3 and x < 2

如果只用当前帧严格满足 x < 2 的那些原子计算质心：

dyn_res_com of name C1 C2 C3 and x < 2

12. 给 selection 起名字

可以在 selection 前面加一个字符串作为名字：

"Close to protein" resname LIG and within 0.5 of group "Protein"

这个名字可能出现在输出文件、图例或日志中。建议给复杂 selection 起一个短名字，后续排查会轻松很多。

13. 使用变量复用表达式

复杂 selection 中，变量非常有用。变量定义语法：

VARNAME = EXPR ;

例子：计算每个 RES 残基质心到所有 RES 质心的距离，并筛选 2 到 4 nm 范围内的残基：

rdist = res_com distance from com of resname RES;
resname RES and rdist >= 2 and rdist <= 4

使用变量有两个好处：

表达式更易读
公共子表达式在一帧内只需要求值一次

14. merge、plus 和 permute

14.1 plus：把多个位置拼起来

两个 index 组的质心：

com of group 1 plus com of group 2

这可以用于 gmx distance 计算两个质心之间的距离。

固定 x 方向向量：

[0, 0, 0] plus [1, 0, 0]

这可以在 gmx gangle 里作为参考向量。

14.2 merge：交错合并位置

生成类似 C1 C2 C2 C3 C3 C4 ... C8 C9 的重复原子序列：

name "C[1-8]" merge name "C[2-9]"

这可用于 gmx distance 计算 C1-C2、C2-C3 等连续距离。

14.3 permute：改变最终顺序

默认 selection 返回结果通常按原子索引递增排序。如果想把 C1 C2 变成 C2 C1：

name C1 C2 permute 2 1

这在 gmx gangle 中很有用，例如想得到 C2 -> C1 而不是 C1 -> C2 的向量。

15. same：把局部条件扩展到整个残基/分子

选择至少有一个原子距离配体 LIG 0.5 nm 以内的所有蛋白残基：

group "Protein" and same residue as within 0.5 of resname LIG

这里的关键是：

same residue as ...

它不是只选中靠近配体的那些原子，而是把满足条件的原子扩展为整个 residue。

类似思路也可用于按分子、残基编号、字符串属性扩展选择。

16. insolidangle：按立体角选择

语法：

insolidangle center POS span POS_EXPR [cutoff REAL]

它的含义是：从中心位置 POS 看过去，选择落在由 POS_EXPR 中各位置张成的小圆锥范围内的原子。cutoff 控制圆锥宽度，默认单位是角度。

这个关键词相对少用，适合处理“从某个观察点看，处在某方向区域内的原子”这一类几何问题。

17. 常用例子速查

目标	selection
所有水氧	`resname SOL and name OW`
残基 1-5 和 10 的质心	`res_com of resnr 1 to 5 10`
距固定点超过 1 nm 的原子	`not within 1 of [1.2, 3.1, 2.4]`
距蛋白 0.5 nm 内的配体	`"Close to protein" resname LIG and within 0.5 of group "Protein"`
至少一个原子靠近配体的蛋白残基	`group "Protein" and same residue as within 0.5 of resname LIG`
两个 index 组的质心	`com of group 1 plus com of group 2`
C1-C2、C2-C3 连续距离	`name "C[1-8]" merge name "C[2-9]"`
把 C1 C2 改成 C2 C1	`name C1 C2 permute 2 1`

18. 常见坑

18.1 selection 要加引号

命令行里建议始终给 selection 加引号：

gmx select -select 'resname SOL and name OW'

如果 selection 本身需要双引号，外层可以用单引号：

gmx select -select '"Close to protein" resname LIG and within 0.5 of group "Protein"'

18.2 结构文件和轨迹文件的信息来源不同

如果工具同时使用 -s 和 -f，通常：

坐标来自轨迹 -f
原子名、残基名等拓扑/结构信息来自 -s

如果轨迹里的原子名和结构文件里的不同，GROMACS 可能不会警告你；通常只检查原子数量。

18.3 负数范围可能需要花括号

有些情况下，表达式第一个值是负数会触发语法问题：

charge -1 to -0.7

可以改写为：

charge {-1 to -0.7}

18.4 默认顺序不是你写的顺序

很多关键词会按原子索引递增返回结果，所以这些写法可能得到同样顺序：

resname RA RB RC
resname RB RC RA

如果分析工具依赖顺序，考虑使用：

permute
merge
plus
外部 index 文件

19. 推荐学习路线

先熟悉 resname、name、group、and、or、not。
再掌握 within，这是最常见的动态选择。
接着学习 com of、cog of、res_com of。
当 selection 变长时，用变量拆开。
遇到顺序敏感的分析，再学习 merge、plus、permute。

20. 一句话总结

GROMACS selection 的核心是：用类似自然语言的表达式，把“选择哪些原子”和“如何把它们变成位置”写清楚。

最常用的模板可以记成：

条件1 and 条件2 and within 距离 of 参考对象

例如：

resname LIG and within 0.5 of group "Protein"

掌握这个模板后，大多数日常轨迹分析的选区问题都可以逐步扩展出来。

IUPAC-Condensed 糖链表示法中文教程

admin — Mon, 13 Jul 2026 15:20:26 +0000

IUPAC-Condensed 糖链表示法中文教程，糖基化怎么描述，

本教程整理自 glyrepr 文档中的“IUPAC-Condensed Glycan Notation”文章，并按中文学习顺序重新组织。原文链接：https://glycoverse.github.io/glyrepr/articles/iupac.html

1. IUPAC-Condensed 是什么？

IUPAC-condensed 是一种用紧凑文本描述糖链结构的写法。它把糖链中的单糖、糖苷键、分支和还原端信息写进一个字符串里，适合人工阅读，也适合软件解析。

例如，一个糖链可以写成：

Neu5Ac(a2-3)Gal(b1-4)GlcNAc(b1-2)Man(a1-3)[Neu5Ac(a2-3)Gal(b1-4)GlcNAc(b1-2)Man(a1-6)]Man(b1-4)GlcNAc(b1-4)[Fuc(a1-6)]GlcNAc(b1-

这串文本看起来长，但它其实按固定规则表达了：

每个单糖是什么
单糖之间如何连接
哪些部分是主链
哪些部分是分支
还原端的异头构型信息

下面这张图对应一个复杂 N-glycan 示例：

2. 常见单糖缩写

IUPAC-condensed 先用简短符号表示单糖。常见例子如下：

中文名称	英文名称	IUPAC-condensed 符号
半乳糖	Galactose	`Gal`
葡萄糖	Glucose	`Glc`
甘露糖	Mannose	`Man`
N-乙酰氨基葡萄糖	N-Acetylglucosamine	`GlcNAc`
岩藻糖	Fucose	`Fuc`
N-乙酰神经氨酸	N-Acetylneuraminic acid	`Neu5Ac`

读糖链字符串时，先把每个单糖符号识别出来，再看括号里的连接信息。

3. 取代基怎么写？

糖链中的单糖有时带有额外化学修饰，IUPAC-condensed 通常把修饰直接写在单糖名称后面。

基本格式：

单糖名 + 位置数字 + 修饰类型

例子：

写法	含义
`Neu5Ac9Ac`	`Neu5Ac` 的 9 位带乙酰基
`Glc3Me`	`Glc` 的 3 位带甲基
`GlcNAc6Ac`	`GlcNAc` 的 6 位带乙酰基

其中 6Ac 可以读作“6 位乙酰化”。

4. 糖苷键信息怎么读？

糖苷键写在两个单糖之间的括号里。

通用结构：

MonosaccharideA(anomeric_config + donor_position - acceptor_position)MonosaccharideB

简化理解：

供体单糖(异头构型 + 供体位置 - 受体位置)受体单糖

例如：

Neu5Ac(a2-3)Gal

可以读作：

Neu5Ac 连接到 Gal
a 表示 Neu5Ac 的异头构型是 alpha
2 表示从 Neu5Ac 的 2 位出发
3 表示连接到 Gal 的 3 位

所以 Neu5Ac(a2-3)Gal 的意思是：Neu5Ac 通过 alpha 2 到 3 的糖苷键连接到 Gal。

未知键位

如果连接信息不完整，可以用 ? 表示未知。

写法	含义
`a2-?`	异头构型和供体位置已知，受体位置未知
`??-3`	受体位置已知，但异头构型和供体位置未知

5. 分支结构怎么写？

糖链本质上是一棵树，但 IUPAC-condensed 要把它写成一行文本。核心规则是：

先找主链，通常选最长路径。
不在主链上的部分作为分支。
分支放在方括号 [] 里。
分支写在它所连接的那个单糖前面。
如果分支内部还有分支，递归使用同样规则。

也就是说，方括号不是“装饰”，它告诉你这段糖链不是线性主链，而是接在后面某个单糖上的支链。

6. 例子一：简单 O-glycan

先看主链：

Gal -> GlcNAc -> GalNAc

加上连接信息后：

Gal(b1-4)GlcNAc(b1-6)GalNAc(a1-

图中还有一个 Gal 分支，它连接到 GalNAc。因为分支要写在它连接的单糖之前，所以完整写法是：

Gal(b1-4)GlcNAc(b1-6)[Gal(b1-3)]GalNAc(a1-

这里的 [Gal(b1-3)] 表示：有一个 Gal 分支通过 b1-3 连接到后面的 GalNAc。

7. 例子二：N-glycan 核心结构

这个结构中有两条长度相同的候选主链。遇到这种情况，需要使用 tie-breaker 规则：

如果候选主链长度相同，选择能让分支位置数字更小的写法。

这里有两个选择：

选择	分支位置
把 `Man(a1-3)` 放在主链上	分支是 `Man(a1-6)`，位置为 6
把 `Man(a1-6)` 放在主链上	分支是 `Man(a1-3)`，位置为 3

因为 3 小于 6，所以选择让 Man(a1-3) 成为分支的写法。

最终结果：

Man(a1-3)[Man(a1-6)]Man(b1-4)GlcNAc(b1-4)GlcNAc(b1-

注意：分支 [Man(a1-6)] 写在它连接的 Man 前面。

8. 例子三：更复杂的多分支结构

这个结构有多个同长度分支。判断主链时，从还原端往非还原端看，先找到第一个分叉点。在这个例子里，关键分叉发生在 Man(b1-4) 附近，有一条 a1-3 链和一条 a1-6 链。

按 tie-breaker 规则，优先选择较小位置数字对应的路径作为主链。因此先写主链：

Man(a1-2)Man(a1-2)Man(a1-3)[BRANCH]Man(b1-4)GlcNAc(b1-4)GlcNAc(b1-

其中 [BRANCH] 本身也是一个带分支的结构：

这个分支可以写成：

Man(a1-2)Man(a1-3)[Man(a1-2)Man(a1-6)]Man(a1-6)

把分支放回主链，就得到完整写法：

Man(a1-2)Man(a1-2)Man(a1-3)[Man(a1-2)Man(a1-3)[Man(a1-2)Man(a1-6)]Man(a1-6)]Man(b1-4)GlcNAc(b1-4)GlcNAc(b1-

这个例子最重要的点是：分支内部也可以继续有方括号，因此 IUPAC-condensed 是递归结构。

9. 为什么最后会以 `(b1-` 结尾？

你可能会注意到，有些糖链最后不是完整的 (b1-4)，而是类似：

GlcNAc(b1-

这是因为最右侧的单糖是还原端，它的异头碳没有继续连接到下一个糖残基。这里的 (b1- 用来保留还原端的异头构型和位置，而不是表示一个完整糖苷键。

10. 阅读一个 IUPAC-condensed 字符串的建议流程

拿到一个字符串时，可以按下面顺序读：

从右往左找还原端，也就是最右边的单糖。
识别每个单糖符号，例如 Gal、Man、GlcNAc。
查看每个括号里的糖苷键信息，例如 (b1-4)。
遇到 [] 时，把里面当作分支。
分支连接到方括号后面的那个单糖。
如果分支里还有 []，继续按同样规则解析。

11. 小练习

试着阅读下面这个结构：

Gal(b1-4)GlcNAc(b1-6)[Gal(b1-3)]GalNAc(a1-

问题：

主链包含哪些单糖？
分支是什么？
分支连接到哪个单糖？
Gal(b1-3) 中的 b1-3 表示什么？

参考答案：

主链是 Gal -> GlcNAc -> GalNAc。
分支是 [Gal(b1-3)]。
分支连接到后面的 GalNAc。
Gal 以 beta 构型从 1 位连接到 GalNAc 的 3 位。

12. 速查表

符号/结构	含义
`Gal`	半乳糖
`GlcNAc`	N-乙酰氨基葡萄糖
`Man`	甘露糖
`Fuc`	岩藻糖
`(a2-3)`	alpha 构型，供体 2 位连接到受体 3 位
`(b1-4)`	beta 构型，供体 1 位连接到受体 4 位
`[]`	分支
`?`	未知信息
`(b1-`	还原端异头信息，不是完整连接

13. 一句话总结

IUPAC-condensed 的关键是：主链直接写，分支放方括号，括号记录连接方式，最右端通常是还原端。

世界第一！国产 DPA4 凭什么吊打国外大原子模型——参数少 10.9 倍，训练快 42.9 倍

QuantumMisaka — Wed, 03 Jun 2026 11:01:08 +0000

做高精度机器学习分子模拟的你，是不是也被训练成本逼疯了？

高精度模型往往带来高参数量和高计算消耗、训练算力动辄几百 GPU-days——

更别说很多高精度模型也就打榜厉害，工程化做得很差，一到实际场景，用起来就磕磕绊绊。

近日，由北京科学智能研究院 OpenLAM 团队等机构的研究者最新放出的 DPA4，直接把这些老规矩掀翻了桌子。

三条关键数据，先帮你快速建立认知：

🔸 准确率世界第一： DPA4-Pro 在 Matbench Discovery 合规榜单上取得 CPS = 0.833，是目前所有合规模型的最高分。

🔸 小参数量打大参数量： 仅 2.76M 参数的 DPA4-Air 就能在精度上超越 30.1M 参数的 eSEN-30M-MP——参数少了 10.9 倍，训练算力仅需对方的 1/42.9。

🔸 开箱即用： DPA4 由 DeePMD-kit (https://github.com/deepmodeling/deepmd-kit\) 原生支持，代码开源在 DeepModeling 科学智能社区 (https://deepmodeling.com/)。星使智算\ AsterFire Go 科学智算平台 (https://sidereus-ai.com/\) 已内置预训练模型和 DeePMD 智能体工具，上传结构即可运行。

DPA4 绝不仅仅是跑分强。它的架构设计思路，值得每一个做机器学习分子模拟的人认真看一看。

图 1：Matbench Discovery 官方截图，DPA4 在综合指标 CPS 位列第一，其中 K_SRME 指标断层式领先。数据截至 2026 年 6 月 1 日。

零、什么是"等变"？为什么它重要？

机器学习势（Machine Learning Interatomic Potentials, MLIPs）在做的事情就是用机器学习的方法拟合高精度（如第一性原理方法）势能面，以构建高精度的力场。这一力场建立三维化学结构到其能量（包括原子能量贡献和分子总能量）以及原子受力等物理属性的映射，是分子模拟中必不可少的基座。

用于分子模拟的这些力场需要满足最基础的物理约束——“不变”（invariant）性和*“保守” (conservative) *性。这两个概念都很好理解：

不变性：分子的能量需要与分子平移、旋转、以及同元素原子置换无关。
保守性：分子中各原子的受力需要直接来自原子势能对坐标的梯度。

一般来说，满足不变性和保守性的模型，其原子受力自然是等变的，物理约束已经足够。但实践证明，引入“等变”性质会使模型精度和数据利用率明显上升。

我们可以先看看上一代 DPA 大原子模型的实现。DPA3 以线图级联的模型架构达到了很高的分辨率，在不变模型上达到了等变模型的高精度。DPA3 是怎么描述一个原子周围的化学环境的？它通过图结构看到距离和角度——邻居有多远（r）、三个原子之间夹角多大（cosθ）。

图 2：DPA3 模型架构，其中 (a) 图和 (b) 图很好地说明了其"线图级联"的模式：将图表示级联起来，一阶图的节点表示体系原子，边表示原子间距离（化学键），这一信息同时被二阶图的节点表达，二阶图的边则表示原子键角。依此类推。

这一不变模型的分子图表示结构很清晰，并自然满足基础的物理约束，但代价是什么？网络内部的所有特征都是标量。比如说，它知道"有个碳原子在 1.5Å 外"，也知道"碳 - 氧-氢之间的夹角是 104°"，但它不知道这个碳到底在左边还是右边、上面还是下面。方向信息在输入阶段就被消掉了。

而"等变"（equivariant）这一概念，则是不变的升级进化版。这里用一个不严谨但好懂的比喻：

不变模型（如上一代 DPA3）： 好比把 3D 分子拍成一张二维照片，然后在照片上做分析。旋转分子，照片上的像素值不变——能量自然旋转不变。代价是：你丧失了"这个原子到底在左边还是右边"的方向信息。
等变模型（如 DPA4）： 好比保留了一个完整的 3D 方向感知场。旋转分子，这个感知场也跟着旋转，但最终提取的能量仍然不变。中间过程保留了方向信息，所以模型表达能力更强，数据效率更高。

从不变到等变的演进，背后暗含了高精度分子表示问题的一个认识趋势：只靠原子间距离来预测能量和力，已经不够了。DPA4 相比 DPA3 的核心变化，就是不让网络在消息传递的中途丢掉方向信息。

实际上，对于简单的体系或者是标量性质预测而言，传统的不变表征空间的预测就是把保留了方向性的等变空间特征通过求范数等操作不可逆地压缩方向性，从而降低计算成本和物理约束，这种方案极大地降低了模型的容量和表达能力，又没有引入其他机制和先验，导致不变模型需要大得多的训练步数和数据量才能达到与等变模型相同的精度。

而近年来的高精度机器学习势模型——NequIP、MACE、eSEN、Equiformer——几乎都在做同一件事：通过等变性，让网络"看到方向"。——不是把方向信息抹掉、只保留距离，而是让每个原子的特征天然携带"哪个方向有什么邻居"的信息。标量和矢量的信息被放进不同的通道分别处理，而不是强行把矢量压扁成标量，或者指望靠堆数据来弥补模型本身的方向感缺失。

等变结构确保了每一层的表示都遵守正确的对称变换规则，这极大增强了模型的平滑性和外推稳定性。实测中，等变模型在势能面的偏远区域（如高能构型）通常给出更合理的力预测，这在动态模拟中至关重要。同时，等变网络可以直接在同一个等变特征空间上挂载不同阶数的输出头，对于矢量性质（如偶极矩），张量性质（如极化率）等高阶物理信息学习和预测自然适配。

等变网络是让深度学习模型更“懂”三维空间的工程实现，它在样本效率、泛化能力和多属性建模上带来了质的飞跃。然而，天下没有免费的午餐。通过等变性保留方向信息是有代价的：张量积耦合的计算量随角动量阶数增长极快。

DPA4 的核心贡献，就是用"边局部坐标系"这个技巧，把保留方向信息的成本大幅降了下来。 理解了这一点，后面的技术细节就好懂了。

一、DPA4 如何用"边局部坐标系"把等变模型变便宜

DPA4（又称 SeZM: Smooth Equivariant Zone-bridging Model）是 DeePMD 团队在等变机器学习势方向上的正式回应。它作为 DeepModeling 社区的最新一代 DPA 大原子模型，在采用球谐等变架构的基础上，并没有照着 MACE/NequIP 的图纸再画一遍，而是选择了一条更适合工程落地的路线。

图 3：DPA4 模型架构图（原论文 Figure 2）。(a) 整体数据流，(b) 共享边缓存与几何注入嵌入（GIE），(c) EMFA SO(2) 卷积——四项核心创新 A1–A4 的所在位置。下文 1.1–1.4 依次拆解。

1.1 最核心的创新：为什么要在"边的方向上"做文章？

这是理解 DPA4 最关键的一节。

问题：等变为什么这么贵？

一般来说，通过等变保留方向信息时，会采用球谐等变的模式。假设每个原子的特征包含 16 个方向系数（对应 l=0,1,2,3 四个角量子数，每个阶有 2l+1 个分量）。如果你要在全局坐标系中让两个带方向的原子互相传消息，你需要把发送原子的 16 个分量和接收原子的 16 个分量两两耦合——这在数学上叫"张量积"，全局 SO(3) Clebsch-Gordan 张量积的计算量随 lmax 呈四次方增长（O(L⁴)），而且要对每条边、每一层都做。更关键的是，这个成本随角动量阶数的增长方式非常陡——阶数每加一档，耦合的组合数不是翻倍，而是平方甚至更高次地增长。

这就是为什么 MACE/NequIP 这类模型虽然精度高，但通常只能停在l=2 或 l=3。它们并非不想用更高阶的方向分辨率来区分 d 轨道和 f 轨道的细微角度差异，只是每加一阶的代价递增太快，无法接受。

DPA4 的做法：把问题从"全局耦合"变成"旋转→局部计算→旋转回"。

DPA4 注意到，两个原子之间传递消息时，唯一真正重要的方向是两个原子连线的方向。垂直于这条连线的方向分量，在消息聚合到目标原子之前都是冗余的自由度。

于是它把每条边上的计算拆成三步：

旋转：把发送原子的"方向感知场"旋转一下，让新坐标系的 z 轴对齐两个原子之间的连线方向。这步只涉及一个固定的旋转矩阵乘法。
局部计算：在新的坐标系里做消息混合。此时 z 轴已经对齐了边方向，绕边轴的旋转变成了一个更容易处理的问题——不同|m| 阶之间天然解耦，不需要昂贵的交叉耦合项。计算量随角动量阶数的增长从"超线性暴增"变成了"温和的二次增长"。
旋转回：把混合后的消息再转回全局坐标系。

第 1 步和第 3 步的旋转矩阵，每条边在整个前向传播中只算一次，然后所有交互层共用。真正反复执行的是第 2 步——而这正是 DPA4 省钱的地方：把昂贵的全局 SO(3) 耦合，搬到每条边的局部坐标系里，变成便宜的 SO(2) 块对角计算。

为什么第 2 步便宜？一个直观的数字对比：

在全局坐标系里耦合方向信息，需要处理任意两个 (l₁,m₁) 和 (l₂,m₂) 之间的相互作用。以 lmax=3 为例，单是枚举所有可能的耦合组合就是一个很大的矩阵乘法，而且这个矩阵的规模随lmax 的增长是四次方级别的。

而在 DPA4 的边局部坐标系里，z 轴对齐之后，不同 |m| 阶之间不再需要互相耦合。权重矩阵变成了块对角结构——|m|=0 是一块，|m|=1 是另一块，各块之间独立计算。不仅计算量降了，而且每一块内部的约束也更简单：|m|>0 的块只需要保持绕 z 轴旋转下的正确性，约束条件是 2×2 的矩阵形式，不需要全局张量积那么复杂的耦合系数。

SO2 最核心的一个优势：lmax 可以开更大。

正因为局部计算不再受全局耦合的 scaling 制约，DPA4 敢于使用比同类等变模型大得多的 lmax。lmax 每大一级，能分辨的角度细节就更丰富一层——直接意味着实际精度的提升。论文中的 DPA4-Pro 使用了更大的 lmax 设置，这是其精度领先的重要原因之一。这种 lmax scaling 的下降可以允许增大 lmax 到 4 甚至 5，大幅度提升模型的容量和表达能力。而同类模型受限于全局耦合的成本，往往只能在 lmax=2 或 3 止步。

1.3 两个独立的控制参数

DPA4 控制方向精细度的参数有两个：l_schedule 控制的是球面上的角分辨率（能区分多细的立体角），mmax 控制的是绕边轴的旋转分辨率（能区分绕键旋转多细的角度变化）。它们各自管不同的事，理解它们的区别，调参时才知道该动哪个。

l_schedule：控制"能看多高的角动量"

在 SO(3) 表示中，原子特征按角量子数 l 组织。l=0 是标量（没有任何方向信息），l=1 能编码矢量方向（3 个分量，类 p 轨道），l=2 能编码张量角分布（5 个分量，类 d 轨道），l=3 能编码八极（7 个分量，类 f 轨道）。每个 l 贡献 2l+1 个系数。

DPA4 不强制所有交互层用相同的 l。靠前的层需要高 l 来捕捉局域几何的细节（键角分布、配位多面体的形状），靠后的层感受野已经覆盖了更大的空间范围，精细角向信息的边际收益递减。l_schedule=[3, 3, 2] 意味着前两层保留完整 l≤3，最后一层降到l≤2——前面精细编码，后面粗粒度汇总，和 CNN 里"浅层高分辨率、深层低分辨率"是一个思路。

mmax：DPA4 独有的"绕键轴分辨率"旋钮

mmax 是边局部坐标系带来的额外自由度。在边对齐的局部坐标系中，方向系数按磁量子数 |m| 分组。DPA4 允许你在局部计算中截断 |m| > mmax 的分量。以 lmax=3 为例：全局 SO(3) 有 16 个系数；转到边局部坐标按 |m| 分组后，|m|=0 有 4 个，|m|=1 有 6 个，|m|=2 有 4 个，|m|=3 有 2 个；mmax=1时只保留前 10 个，省掉 6 个——减少了约三分之一的局部计算量。

关键是，这些被截断的分量并不是被丢弃了。在旋转回全局坐标系时，通过 rescale 因子补偿了这些分量的统计贡献，只是不做显式的逐分量耦合。丢失的交叉信息可以通过增加网络层数来间接恢复——深层传播让被截断的角向信息通过多层积累得到近似的表达。

在 DPA4 当前的预训练模型中，mmax 均设为 1。对于大多数应用场景，保持默认值即可获得良好的精度 - 效率平衡。

1.4 为什么训练能快几个数量级？

DPA4 通过编译优化实现最高约 3 倍的单步训练加速（论文对照实验数据）。但实际体验中，因为模型本身参数更少且收敛更快，端到端达到同等精度所需的总训练时间可以缩短一个数量级以上。只是"开了 torch.compile"可达不到这个效果。加速来自多个层面的叠加，每一层解决的是不同性质的问题。

第一层：消除 Python 的调度开销

PyTorch 默认的执行方式叫 eager 模式——每写一行操作，Python 就向 GPU 发起一次调用。GPU 做一次矩阵乘法可能只要几十微秒，但 Python 发起调用→等结果→返回的调度开销本身就有好几微秒。当成千上万次小操作串联起来，调度开销累积到占了总时间的 60-80%，GPU 大部分时间在等 Python 派活。

DPA4 用 torch.fx 的符号追踪把从坐标输入到能量和力输出的整个前向过程记录为一张完整的计算图，然后交给 torch.compile（Inductor 编译器）生成一个独立的 GPU 程序。训练时 Python 只触发一次，GPU 在里面把所有事情做完才返回。几千次 kernel 调度缩减为几十次，Python 不再是瓶颈。

第二层：让二阶导数也能进编译图

这是最难的一步，也是 DPA4 编译管线最精妙的一步：把嵌套自动微分"展开"成扁平计算图，让力损失训练也能被编译器完整优化。

力损失训练需要计算∂²E/(∂x ∂θ)：能量 E 先对坐标 x 求导得到力 F，力 F 再对模型参数 θ 求导。两层嵌套的自动微分。标准 `torch.compile` 的流程是：AOT Autograd 先编译前向图，然后自动生成反向图用于 loss.backward()。但力是通过 autograd.grad(E, x, create_graph=True) 在前向图内部计算的——AOT Autograd 发现图里还嵌着另一个 autograd 调用，就直接拒绝编译，回退到 eager 模式。这就是为什么大多数等变模型虽然也宣称"用了 compile"，但力损失训练环节实际上还是 Python 一步步调度的原因。

DPA4 的解法：在编译之前，先用 make_fx 把内层 autograd.grad 展开。autograd.grad 本质上就是链式法则——把能量对各层输出的偏导一层层乘回去。make_fx 把这个展开过程记录成一张普通的、不包含 nested autograd 调用的 FX 图。展开之后，编译器看到的就是一个扁平的计算图，可以正常走完 AOT Autograd → Inductor → 生成 GPU 程序的完整流程。二阶导数变成了编译器的自然 backward pass。

这个设计让力损失训练——MLIP 最核心、最昂贵的训练模式——也能享受全编译。没有这一步，前一层的努力只在推理阶段有效，训练时该慢还是慢。

第三层：对最频繁的操作写底层 GPU 代码

编译能消除调度开销和融合相邻操作，但不知道某些特定计算模式有更高效的硬件实现。DPA4 对最耗时的操作——Wigner-D 旋转、边几何信息计算——用 Triton 直接写了定制 GPU kernel。

以 Wigner-D 旋转为例：不同 lmax 下旋转矩阵的大小和稀疏模式完全不同。DPA4 根据 lmax 走不同内核路径——l≤1 时矩阵极小，直接常驻 GPU 寄存器；l=2 走专用展开；l=3 走寄存器分块；l>3 走通用循环分块。而 eager 模式只能用 torch.bmm 一把梭，无法感知矩阵尺寸做针对性优化。

另一个例子是边几何计算：eager 模式下坐标差→距离→截断包络→径向基函数需要 6 个独立 kernel，每个 kernel 把中间结果写回显存、下一个再读出来。DPA4 用一个 Triton kernel 完成全部 6 步，中间结果留在寄存器里。

第四层：几何信息全网复用

每条边的方向矢量、旋转矩阵、径向基函数、截断包络——完全由原子坐标和截断半径决定，与网络权重无关。DPA4 在每次前向开始时只算一次，所有交互层共用。不需要每层重新算一遍。

四个层面的叠加方式如何？

四个层面不是"各加速一块然后加起来"。消除调度开销省下最大一块（第一层），展开二阶导数让加速覆盖力损失训练而不只是推理（第二层），定制 kernel 在编译后的图上进一步压榨硬件（第三层），几何缓存让前面所有层都少了一个重复步骤（第四层）。每一层在前一层基础上放大收益——这就是最终加速能达到"一个数量级以上"的原因。

1.5 MACE vs DPA4：两条技术路线的分叉口

要理解 DPA4 的选择，最好的参照物是 MACE——当前最广泛使用的等变势架构之一。两者目标相同（SE(3) 等变消息传递），但实现路径截然不同。

维度	MACE 路线	DPA4 路线
等变计算核心	全局 SO(3) 不可约表示 + Clebsch-Gordan 张量积	边局部 SO(2) 等变卷积（EMFA）
主要成本来源	高阶角动量下的 CG 耦合（O(L⁴)）	边局部块对角矩阵乘（O(L²)）
lmax 扩展性	受 CG 成本制约，通常停在 l=2 或 l=3	SO(2) 解耦后敢于使用更高 lmax
边信息利用	主要以不变标量通道引入径向信息	边等变特征直接参与 SO(2) 乘积（低秩 edge-node product）
聚合机制	张量积消息 + 可学习加权线性组合	envelope-gated attention（自适应邻居加权）
何时更适合	已适配 MACE Torch 生态、训练成本不敏感、重视轻量级自定义开发	已适配 DeePMD 生态，追求更低训练成本/更小模型、重视工程可部署性

两者的源码对比也很说明问题。MACE 的核心操作：Linear → TensorProduct（通过 instructions 显式指定哪些 l₁,l₂ 耦合到 l₃，内部用 CG 系数计算，O(L⁴) 级别）→ 径向 MLP 生成张量积权重 → SymmetricContraction 做多体展开。依赖 e3nn 的 o3.Irreps 管理不可约表示的直和。

DPA4 的核心操作：_build_so2_weight() 直接构建块对角矩阵 W = diag[W_m0, B_m1, B_m2, ...]。W_m0 无约束，B_m 是 2×2 的[W_u^T, -W_v^T; W_v^T, W_u^T] 块——复数乘法的实矩阵形式，天然保证 SO(2) 等变性。不需要 CG 系数，不需要 instructions，权重矩阵结构本身就携带了等变约束。

两者的径向调制思路相似（都用径向函数生成混合权重），但 DPA4 多了旋转到边局部坐标系这一步——就这一步，把后面的混合从 O(L⁴) 的 CG 张量积变成了 O(L²) 的块对角 matmul。

为什么 MACE 做不到 mmax 截断？ MACE 在全局坐标系里用 Clebsch-Gordan 系数直接耦合不可约表示。CG 耦合的数学定义要求参与耦合的每个 l 的完整 2l+1 个 m 分量都出现，截断任意一个 m 都会破坏耦合的完备性，导致等变性不严格。DPA4 因为把混合操作搬到了边局部坐标系，|m| 组之间天然解耦，截断才变得安全。

DPA4 源码开头的设计声明也很说明问题（见sezm.py）：

"two non-negotiables: 1) Conservative forces. 2) Speed-first inference — edge geometry and Wigner-D computed exactly once per forward and reused by all blocks."

保守性和推理效率——两条不可妥协的原则需要得兼。边局部 SO(2)、几何缓存、块对角权重，都是这两条的产物。

总的来说，MACE 更像是"数学上很强很直接的表达"，DPA4 更像是"把强表达工程化，把训练成本压下来"——两者不是谁替代谁，而是面向不同的工程约束。

1.6 总结

DPA4 的意义不只是 DeePMD 系列模型多了一个新选项。它意味着 DeePMD 社区正式把架构重心从"如何消去方向信息"转向了"如何便宜地保留方向信息"。它选择了在每条边的局部坐标系里做简化计算——这条路和任何已有的等变模型都不一样，而且它是当前唯一能在 DeePMD 生态用上等变架构、同时保持工程可部署性的方案。

对于已经用 DeePMD-kit 做模拟的朋友来说，DPA4 非常值得一试。它可能是在"更好的方向感知"和"可以接受的成本"之间，你现在能找到的最务实的选择。接下来，我们来看看怎么零成本上手使用。

二、开箱即用：AsterFire Go 上的 DeePMD 智能体工具

随着 DPA4 的初期发布，我们发现很多用户对于适配 DPA4 环境执行训练和计算模拟的过程中，无论是在环境配置上还是在模型使用上都遇到了许多困难，这显著阻碍了 DPA4 这一"世界第一""国产之光"的推广普及和实际应用。

因此，星使智算 AsterFire Go 科学智算平台（https://sidereus-ai.com/）基于已有\ MACE 智能体工具，快速适配上线了机器学习势函数模块的 DPA4 适配，做成了如下图所示的一系列 DeePMD 相关工具，其中内置了目前官方提供的 DPA4 预训练模型，它们支持执行各类材料/分子的计算任务。后续我们也将进一步支持 DPA4 的训练和微调，帮助研究者高效构建针对特定问题的高精度 DPA4 模型。

这些平台工具支持以 DeePMD 模型为基座，开箱即用地完成一系列分子模拟任务。这些任务也可以通过平台“工作流”模式，基于自然语言或是鼠标交互，灵活拼装为复杂链路或是并发计算的工作流。

2.1 结构优化和 MD 模拟

结构优化：支持 cell-relax 和 relax 功能，并可视化弛豫过程和能量/力/晶格体积变化

分子动力学模拟 (MD)：支持 NVT/NPT，退火 MD 和 MSD/RDF 后处理，可用于预训练模型的数据采样等

2.2 声子谱和热导率求解

声子谱功能，基于 Phonopy，支持 Seekpath 自动识别路径的声子谱和 DOS/PDOS 计算，以及对群速度和热力学的可视化。

热导率求解：基于 Phono3py 的 RTA+BTE 和色散分析 (包括散射速率和声子寿命)

可视化热导率分量随温度的变化并导出相关数据，分析累计热导率曲线和热导率各向异性

准谐近似热力学 QHA 功能，对体积自由能面做 EOS 拟合，得到给定压力下的 G(T,P)、平衡体积 V(T,P)、热膨胀系数、定压热容 Cp、体弹模量与 Gruneisen 参数

2.3 力学性质

包括但不限于弹性常数/状态方程/势能面扫描等任务：

双原子分子 (dimer) 势能面扫描，用于诊断 MLIP 模型的物理合理性和平滑性，基于输入的 C,H,O 等字符串即可自动排列组合

弹性常数以及 EOS 计算，可计算对应矩阵和体弹性模量/杨氏模量/剪切模量/泊松比等，并支持 Voigt/Reuss/Hill 等多种算法平行对比

2.4 界面性质

包括但不限于表面能计算/异质结构建/表面吸附模拟

表面能： 通过枚举暴露终端和单配位 O 的补 H 钝化进行筛选和基于 Miller index 自动排列组合，可以指定某个 hkl Miller Index 筛选全部暴露终端，计算表面能，也可以基于一个 max value(比如 2) 自动枚举最大指数不超过 2 的全部晶面和对应的暴露终端

异质结构建：支持上传两个 3D bulk 结构，指定接触的 Miller index 基于 ZSL 算法自动构建异质结，通过计算粘附功/界面能和面内应力/失配率进行全面的结构筛选，并支持超晶格和真空异质结两类模型，可灵活根据限制参数和预算自动生成异质结。

表面吸附：支持上传 slab 吸附基底和吸附质分子 (或者纳米颗粒团簇) 的通用无偏吸附构型采样，即可以自动全面的采样各类代表性吸附构型进行筛选优化

2.5 反应路径

支持通过不同方案开展反应路径搜索和过渡态计算。

支持*双端 NEB/CI-NEB *搜索过渡态，以及 *单端 PRFO (sella) *优化一阶鞍点，其中 NEB 支持双阶段 NEB+CI-NEB，线性/IDPP 插值和自动序号对齐；

支持频率分析功能计算热力学 (ZPE,S,Cv,G_correction) 和虚频，可以指定元素类型/原子序号做约束频率计算，并支持 Sella IRC 验证鞍点合理性以及获取平滑最低能量路径

支持*锥形约束拟牛顿法 (CCQN) *等新型过渡态优化算法，支持上传初末态结构开展双端 CCQN 计算，以及输入反应相关化学键，执行意图驱动的单端 CCQN。通过化学意图构造的锥形引导爬坡机制，可显著降低对化学直觉和 TS 初猜准确性要求。可基于 local minimum 出发搜索分子筛中的 Cl-CH3 转移过渡态，并进行虚频分析和 Fake-IRC 验证 (最速下降)

2.6 支持模型：

这些工具目前支持 DPA4-MPTrj-Neo、DPA4-MPTrj-Air、DPA3.1-MPTrj-FT，以及用户自行上传的 Torch 后端 DeePMD 模型。如果 DeepModeling 社区有新的预训练模型发布，我们也会跟进。

三、结语：把"世界第一"变成你今天就能用的工具

如果只把 DPA4 当成一次榜单胜利，那它的价值确实会被低估。

它更像一个信号：等变势的下一阶段，不是简单地"更准"，而是"更准的同时更便宜、更可部署"。 2.76M 参数的小模型 DPA4-Air 能在精度上超越 30.1M 参数的竞品，训练算力仅需对方的 1/42.9——这组数字背后的实质是：高精度机器学习势正在从"只有大团队烧得起"变成"个人研究者也能训练和部署"。

DPA4 的边局部 SO(2) 路线、编译友好的 torch.compile 加速训练、以及国产科学智算平台开箱即用，这三个要素叠加在一起，构成了当前 DeePMD 生态中一个非常务实的选项。

DPA4 不是在做一个更好的 MACE，它是在说：等变势的高成本时代结束了。

2.76M 参数打赢 30.1M，不是奇迹，是工程——是 SO(2) 局部计算、是全图编译、是几何缓存的乘法叠加。

开箱即用，即刻体验：https://sidereus-ai.com/\** —— 上传结构，选择模型，一键运行。**

你更想看我们后续补充哪一块内容？

DPA4 在具体材料体系上的实战案例对比
DPA4 的微调和再训练完整教程
还是"DPA4 vs MACE：同一个体系跑到底"的实战对比？

欢迎私聊本公众号，或者在星使智算论坛 https://forum.sidereus-ai.com/\ 发帖告诉我们。谢谢大家！

参考文献：

[1] Li, T.; Li, W.; Peng, A.; Xue, J.; Zhang, L.; Zhang, D.; Wang, H. DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution. arXiv:2606.02419. https://doi.org/10.48550/arXiv.2606.02419\

[2] Zeng, J.; et al. DeePMD-Kit v3: A Multiple-Backend Framework for Machine Learning Potentials. J. Chem. Theory Comput. 2025, 21 (9), 4375–4385. https://doi.org/10.1021/acs.jctc.5c00340\

[3] Zhang, D.; et al. A Graph Neural Network for the Era of Large Atomistic Models. npj Comput Mater 2026. https://doi.org/10.1038/s41524-026-02146-2.

[4] Hermes, E. D.; et al. Sella, an Open-Source Automation-Friendly Molecular Saddle Point Optimizer. J. Chem. Theory Comput. 2022, 18 (11), 6974–6988. https://doi.org/10.1021/acs.jctc.2c00395\

[5] Wu, Y.; Wang, H. Cone-Shaped Constrained Quasi-Newton Method: Efficient and Robust Single-Ended Transition State Optimization Algorithm. J. Chem. Theory Comput. 2025, acs.jctc.5c01015. https://doi.org/10.1021/acs.jctc.5c01015\

希望加入 GPUMD 和 NEP

wanggang — Wed, 27 May 2026 13:10:56 +0000

希望在“百宝箱”内的分子动力学模块加入 GPUMD（GPUMD 也是开源软件）；机器学习势函数加入 NEP

3Zeta 级别 Pople 基组热化学别用了？看看两方观点如何在 JPCA 上碰撞

admin — Tue, 14 Apr 2026 06:45:30 +0000

本文首先于2026年3月9日发表在星使智算微信公众号

前言

Pople 基组一直在有一定计算化学人心中有着特殊的地位，这种特殊的地位毫无疑问可以追溯到 Gaussian 软件在应用计算化学领域几十年如一日的风靡。但在 def2 系列基组的诸多优势（不用额外加极化/系统构建/对第五周期起自带赝势/支持元素广泛/标配辅助基组）的冲击下，也有越来越多人实际应用转向了 def2 系列基组。在 2023 年一篇 JPCA 直接在热化学问题上对 Pople 3zeta 6-311G 系列亮剑，comment 随之而来，紧接着又是一篇 reply to comment，下面就请您随我看待这场学术碰撞。

6-311G 系列都拉完了！

首先来看第一篇发难之作：新南威尔士大学 Laura K. McKemmish 等人的发难之作，计算软件是 Q-Chem v5.4.2

来源：J. Phys. Chem. A 2023, 127, 48, 10295–10306

标题起的就极度吸睛:"Benchmarking Basis Sets for Density Functional Theory Thermochemistry Calculations: Why Unpolarized Basis Sets and the Polarized 6-311G Family Should Be Avoided" ，翻译过来就是热化学密度泛函基组测试——为什么不加极化的基组和加了极化的 6-311G 系列都别用了。

这个标题中也包含着任何合理的计算化学家/量子化学家都知道的事情，计算要带极化！计算要带极化！计算要带极化！（重要的事说三遍）当然，def2 系列基组相比于 Pople 基组一个优点就是用不带极化的 def2 系列基组是困难的，但丢掉 Pople 基组的极化是计算新手的常犯错误。这里的测试集选择的是知名主族热化学数据集 GMTKN55 的改动版 diet-139-GMTKN55，里面的一些数据因为太过耗时/涉及到部分基组没有数据集分子含有的元素定义而被删除。一句话概括就是作者用的是删减过的 diet-139-GMTKN55 数据集。B3LYP/M06-2X/ωB97M-V 三个泛函被选取并结合各路基组（Pople/def2/Dunning/Jensen）进行暴力 benchmark，得到如下结果：

来源：Figure 6 of J. Phys. Chem. A 2023, 127, 48, 10295–10306

上面的数据很好的反应了应用量子化学工作者之间的一些共识：

M06-2X 算主族的能量不错，但是ωB97M-V 更优，B3LYP 算能量一般般
3zeta 的基组算能量是比较有必要的，可以大大降低误差

几组 Pople 基组的"内战"结果令人惊讶：

6-311G*给出了和 6-31G*相仿的精度，zeta 数提升白提升
都加弥散的 6-311+G*甚至还没比过 6-31+G*，居然还倒退
加了不少额外极化的 6-311G(2df,p) 也就和 6-31++G**拼了个仿佛，加 zeta 加极化居然和加弥散差不多

看一下 def2 系列基组，给出了很多预料之内的信息，值得顺带一提的是 def2 加弥散有两种主流实现方式：一种是前缀加 ma，一种是后面加 D，这里测试的是后面加 D 的版本，弥散相比前缀加 ma 要加的更多。

def2-TZVP 显著强于 def2-SVP，也显著强于 def2-SVPD
def2 系列的 3zeta 各种变体显然没有 6-311G 家族来的繁多
有趣的是在 3zeta 级别上继续上极化没有上弥散对结果影响大

下图是 TOC，横向对比了 Pople/def2/Jensen 系列基组的 3zeta 误差，可以看到 6-311G 家族对加极化是不太敏感。

来源：TOC of J. Phys. Chem. A 2023, 127, 48, 10295–10306

基于上述测试，文章在结尾部分对 3zeta 的 Pople 系列基组展开锐评：

“On the use of 6-311G family: Despite its name, polarized 6-311G should not be considered to be of triple valence zeta quality (this paper provides compelling quantitative evidence to support the very early results of Grev and Schaefer that have unfortunately often been ignored).”

翻译大意：尽管 6-311G 有 3zeta 之名，但无 3zeta 质量之实！（Grev 和 Scheafer 早就说了，但大家都如若无睹！）

结论不可谓不犀利！且看支持方如何反击。

是你极化加不明白！

在九个月后，俄亥俄州立大学的 John.M.Herbert 等人针对上面的文章给出了 Comment，测试软件是 Q-Chem v6.1.1

来源：J. Phys. Chem. A 2024, 128, 36, 7739–7745

作者上来就抛出了直接的观点：

"Early benchmark studies suggested that Pople-type basis sets including 6-311+G(2d,p), 6-311+G(3df,2p) and 6-311+G(3df,2pd) were appropriate for thermochemical calculations and the largest Pople basis set, 6-311++G(3df,3pd), continues to be used as a benchmark-quality basis. As such, the titular prohibition on polarized 6-311G-type basis sets came as a surprise, given that none of the aforementioned examples were considered in ref (1)"

大意翻译：一堆常用能量测试的 3zeta Pople 基组你是一点没提，然后就说 6-311G 全系列都不行，无语。

他们返璞归真到了原始的 GMTKN55，并给 B3LYP 加上了 D3 的色散矫正，B3LYP-D3 or B3LYP-D3(BJ) 确实是大家更常见的用法，而且确实降低了误差。得到的数据如下图所示，里面有一个稍有陌生的基组可能是 def2-ha-TZVP，ma 是 minimal argumented 的缩写，ha 是 heavy argumented 的缩写，就是比 ma 再多加些弥散，但是仍不如 D 加的多。

来源：Figure1 of J. Phys. Chem. A 2024, 128, 36, 7739–7745

根据上图得到的一些重要结论：

6-311G+(2df,p) 和 def2-ma-TZVP 精度相仿
6-311G(2df,p) 和 def2-TZVP 精度也相仿（笔者评：这应该是数据集/统计的原因，从第一篇文章中这两者的对比还是有差距的，在这里就差不多了）
弥散函数对减小误差相当有帮助

来源：Figure2 of J. Phys. Chem. A 2024, 128, 36, 7739–7745

从第二张图和例子来看作者表示：

6-311G(d,p) 成本就是 def2-TZVP 一半，统计效果相当，赢！
6-311+(3df,2pd) 成本不到 def2-QZVP 1/10，给出仿佛精度，赢！

作者同样探讨了常说的加弥散函数不收敛问题，通过调阈值很好的解决了。（笔者评：John M. Herbert 就是 Q-Chem 核心开发者，绝大多用户肯定没他玩的 6，他调行，大家没事别乱调默认参数）

Comment 反击同样气势十足，且看 reply to comment 如何为争端画上句号。

你说的对，但是……

在同一期 JPCA 上，Laura K. McKemmish 给出了对于 Comment 的回复：

来源：J. Phys. Chem. A 2024, 128, 36, 7733–7738

这篇 reply 上来承认了 comment 的合理之处，但仍指出 6-311G 仍然不像 3zeta 基组，是加了弥散之后的 6-311+G 可以当个 3zeta 基组了。

他们对一个 3 线态 C 进行了 HF 计算并看轨道系数得到了如下的图：

来源：Figure1: Coefficient of the s-basis functions in the triplet carbon atom 1s (top) and 2s (bottom) alpha orbitals from Hartree–Fock calculations with various basis sets. J. Phys. Chem. A 2024, 128, 36, 7733–7738

这里没有加极化的原因是相对充分的，因为只算了 C 原子，极化主要是对键的取向性很有帮助，只是一个孤立原子不加无妨。

如果完全不知道 s basis function 这些基组概念也没关系，最简单的方法就是比较法：对比系统构建的 def2-SVP 和 def2-TZVP，可以知道后两个格代表的应该是 2zeta 和 3zeta 的区别，但是对比 6-31G 和 6-311G 就发现只变了一个格，就像加了一层弥散。这也部分能解释为什么第一篇文章数据展现出的 6-31+G*甚至比 6-311G**拼了个半斤八两。而 6-311+G 终于有点像 3zeta 了。这也是 6-311G 系列基组 s basis function 参数化不佳的最直观展现。

这篇 reply to comment 同时指出了一条特别重要的点：统计上的区别，第一篇 comment 用的是 95% 置信区间，但第二篇回应用的是标准差，统计方式不同带来相当不同的评价。

文章结论：

6-311G 还是不可取，但是 6-311+G 系列可取，而且 6-311+G(2df,p) 不错
但还是要用 def2-TZVP，理由是支持元素更多，使用更方便，在同计算时间的条件下误差比 6-311+G(2df,p) 小

这条结论同时也给另一个常见的应用计算化学的问题提供了可参考的答案：优化阴离子的时候假如用 def2 系列基组要不要加弥散？比如用 ma-def2-SVP 或者 def2-SVPD？

如果根据这篇文章的测试，可以说，对有机体系不那么必须。例如当你纠结要不要给 def2-SVP 上弥散的时候，应该先弄到 def2-TZVP 再说。这其实折射出来的是计算量子化学多年来在 Gaussian 建立的 Pople 基组语言上的惯性，大家再说加不加弥散的时候多数时候的出发点都是 Pople 基组而不是 def2 系列基组。

从更实践的角度来说，这给了 B97-3c 和 r2SCAN-3c 这两种 ORCA 支持相当快速的复合方法用于更广阔的用途以理由。

星使二茂铁针对整场学术论战评论和个人观点：

两方都给出了相当详实的数据和理由，论战结果各有胜负。McKemmish 接受了 6-311+G 系列还可以，Herbert 也没有再发 reply to reply to comment 穷追不舍。问题已经被讨论的比较清楚了。

统计标准导致了质量评价结果不同，展现出了统计学中人为干涉的一面
Pople 基组并非系统性构建的问题被直接指出并辅助以相当好理解的例子
Pople 基组写起来实话是很繁琐，变种奇多，def2 系列基组明显更加容易，而且新手极难犯不加极化的错误
Gaussian 多年来在理论和计算的统治地位带来了 Pople 基组本位的讨论起点
从用户角度来说，McKemmish 的文章更加有意义，Herbert 作为开发者的技巧绝非普通用户所能及。即便是擅于调收敛阈值，也让计算变得更加麻烦。正如同 Sob 社长经常在计算化学公社强调的那样，如果不是必须加弥散就别加。对于 Pople 基组尚且如此，对于 def2 系列基组更是如此

最后一句

笔者平时最常用的是 ORCA 软件，所以用的最多的还是 def2 系列基组。顺带值得一提的是，ORCA 里面没事别用 Pople 基组，因为没有对应的辅助基组，ORCA 也没有对 Pople 基组进行特别优化。多的不说了，二茂铁要继续去平台开发测试 ORCA 相关内容了，也欢迎大家使用测试我们的 ORCA 相关内容。感谢大家收看本期内容，我们下期再见。

为什么在量子化学中应该抛弃力的说法

admin — Fri, 03 Apr 2026 10:18:21 +0000

概论

时常在今天网络各交流处量子化学说法中听到 xx 力的说法。就连 Gaussian 中几何优化中仍然有一项叫 maximum force 作为几何优化结构收敛的判定。本文的目的是简要的说明为什么应该抛弃力的说法，转而使用作用一词。内容包含对拉格朗日量和哈密顿量的超简介。

拉格朗日力学超简介

牛顿第二定律的原始版本 F=ma 长久统治了经典力学，但是其矢量性和面对诸多约束带来方程复杂性为其更大规模的应用出现问题。拉格朗日量的提出破坏性的解决了这项问题，利用一个标量，即拉格朗日量解决了上述的问题。

拉格朗日量 L 被动能和势能定义，其中 T 是动能，V 是势能

$$L = T - V$$

由拉格朗日量出发可以得到欧拉 - 拉格朗日方程，即在拉格朗日力学框架下的运动方程，其中 q 是广义坐标，q_dot 是广义速度。带入任何具体的 L 进去计算得到的式子，又叫运动方程 (Equation of Motion，简称 EOM)

$$\frac{d}{dt} \left( \frac{\partial \mathcal{L}}{\partial \dot{q}} \right) - \frac{\partial \mathcal{L}}{\partial q} = 0$$

一个最简单的例子，自由粒子的拉格朗日量及其 EOM

$$L(x,\dot{x}) = T - V = 1/2 m \dot{x}^2 - 0 = 1/2 m \dot{x}^2$$

带入欧拉拉格朗日方程：

$$\frac{d}{dt} \left( \frac{\partial \mathcal{L}}{\partial \dot{x}} \right) - \frac{\partial \mathcal{L}}{\partial x} = 0 $$

$$\frac{d}{dt} \left( \frac{\partial \mathcal{L}}{\partial \dot{x}} \right) = \frac{d}{dt} ( m \dot{x} ) = m \ddot{x}$$

由于拉格朗日量不显含坐标 x，对坐标 x 求导没有数值

$$\frac{\partial \mathcal{L}}{\partial x} = 0 $$

结合上面两式可以得到：

$$m \ddot{x} = 0$$

这正是自由粒子运动的牛顿第二定律方程，这个简单的例子是想说在传统牛顿力学统治的体系下，拉格朗日力学仍然可用。但有些体系就绝非牛顿第二定律可以搞定的体系了，例如我们的量子化学体系。

哈密顿力学--量子化学的基本语言

在量子化学/固体物理中，用的更多的是哈密顿力学，哈密顿量是量子/计算化学家更加熟悉的语言。这里我们不引入任何薛定谔方程的内容，只是单纯的讨论哈密顿力学框架。

$$H = T + V$$

哈密顿力学的 EOM 和拉格朗日力学的 EOM 略有不同，是方程组。这里的 p 是广义动量，q 是广义坐标

$$\dot{q}_i = \frac{\partial H}{\partial p_i}, \qquad\dot{p}_i = -\frac{\partial H}{\partial q_i}$$

一个最简单的例子，自由粒子的哈密顿量及其 EOM

$$H(x,p) = T - V = p^2/2m - 0 = p^2/2m$$

带入哈密顿力学的 EOM

$$\dot{q}_i = \frac{\partial H}{\partial p_i} = p/m , \qquad\dot{p}_i = -\frac{\partial H}{\partial q_i} =0$$

在对左边的式子再对时间求一次导并带入右边的式子，我们自然得到了跟拉格朗日框架一样的结果：

$$\ddot{q}_i = \dot{p}/m = 0$$

力去哪里了？

一个简单的假设是势能只和位置 (广义坐标) 有关，大部分情况也是如此，写出拉格朗日量

$$L(x,\dot{x}) = T - V = 1/2 m \dot{x}^2 - V(x) $$

把如此拉格朗日量带入 EOM:

$$m \ddot{x} = - \frac{\partial V(x) }{\partial x}$$

对比一下最经典的牛顿第二定律 F=ma，可以发现力是势能对位置的负导数，当然我们刚才用的全部是一维条件，扩展到多维，力是势能的负梯度：

$$\mathbf{F} = -\nabla V(x)$$

为什么要用作用而不用力？

如果仍然遵循牛顿力学的语言 F=ma，其中的 a 作为加速度。如果需要知道加速度那么就需要知道粒子的轨迹，但是根据测不准原理，根本没法获得准确的轨迹。所以经典的角度来看力是不对的，但如果把力看成势能的负梯度的话首先是借用了拉格朗日力学的框架，其次是如果势能同时是含时的话，更加找不到经典力学的对应。而作用这种语言完全是能量角度出发，和拉格朗日力学和哈密顿力学都是兼容的。这就是为什么在量子体系里面更多的用作用，而不是用力的说法。至于 Gaussian 里面说的 Maximum Force，其实就是梯度，在 ORCA 里面也用 Max Gradient 来表示。

总结

本文超级简略的介绍了拉格朗日力学和哈密顿力学，同时指出了为什么 xx 力这种说法在量子化学中是不恰当的用法并阐明了理由。

ABACUS Agent 1.1.6 | 2025 星海漫游之旅

QuantumMisaka — Sat, 03 Jan 2026 05:39:34 +0000

扉页

各位 GaliLeo 平台的新老用户们，各位科研一线的研究者和爱好者们，2026 元旦快乐！

GaliLeo 平台的 ABACUS Agent 建设已经有半年多了。回望来路，百感交集。最初入局为的只是“一个共产主义的事业”，不觉间竟猛然发现在做的事情竟然已经在时代浪潮的风口。

更新良多，有段时间没给大家汇报近况，趁此佳节，说道说道。

初心

古早的人类，在漫长的进化史中，以直立行走解放双手，以制造和使用工具扩展自身极限，进而开启了人类的文明。

1610 年，伽利略用望远镜观察天空，记录真实的星象。从此，千年的地心宇宙观被动摇，人类开始认识真实的星海。

如今，我们用理论计算模拟原子，描绘微观的世界；用 AI 智能体驱动计算引擎，为了更为广阔的认识世界的征程。

就材料、表界面等周期性问题而言，我们以国产开源的原子算筹 (ABACUS)为中心，走向这段智能计算赋能科研的旅途。

原子算筹有来自中国科大、北京大学、中科院物理所、北京科学智能研究院和合肥综合性国家科学中心人工智能研究院的自主原创力量，有来自开源社区和用户群体的智慧，还有广大小伙伴们的支持。我们坚信，原子算筹一定能越来越好。我们更希望，这场智算科研的星海旅途，属于所有的开发者和所有的社区小伙伴。

这场漫游，未完待续。我们，永远在路上。

航程

点击”阅读原文“，可以快速进入智算平台。点击左侧栏 AI，映入眼帘的是琳琅满目的智能体百宝箱

它们各自处理广阔的科学计算星海的一隅，而我们要聚焦的是原子算筹。在搜索框搜索'ABACUS'或者'第一性原理’，即可快速抵达。

通过”详情“，我们可以一窥原子算筹软件和原子算筹智能体的介绍，以及各个版本更新的概览。

点击”使用“，可以进入正式的交互窗口。

除了智能体的自我介绍之外，稍加下拉一下，能看到海量的可一键使用和快速预览的案例

这里的每一个案例都是实际跑通的功能点，都可以通过“查看示例”看到案例制作时人与 AI 的交互历程，也都可以通过”快速使用“将交互提示词加载到聊天框，快速开启从电子结构出发的材料计算模拟大航海。

其中有一个最新的案例是”氧化钴表面 SCF 计算“。这个案例看起来平平无奇，只是个通过 SCF(自洽场) 迭代完成单个物质结构的电子结构计算过程。但正确完成这个计算其实难度很高。

一方面，表面结构的计算相比传统三维体相更为困难；另一方面，氧化钴属于反铁磁性材料，需要正确设置初始磁矩和电子步迭代参数。并且，这里模拟的是 Co3O4 的 (311) 晶面，而不是常见的 (110) 等晶面。其表面原子分布相对不规则，进一步加剧了计算难度。

事实上，这个案例来自于中山大学某课题组的实际计算模拟案例，该团队研究者多次尝试采用业内常用的的 V 某商业软件进行计算，在经过反复的参数调整之后，SCF 计算依然不收敛。

然而，基于本智能体的智能参数设置，加上原子算筹软件本身的稳健算法，这一计算可以被快速地完成，且相关的 SCF 计算能直接收敛。在计算过程中，智能体还会主动与研究者交互，分析可行性，规划任务列表，并逐步执行、美观展示、确保每一步模拟清晰可控。

这里提出需求的过程看起来需要专业知识，其实不用——这些参数大多都内置在了智能体的知识中。只是给他更清晰的需求有助于更好地完成任务。在执行任务的过程中，AI 还会主动分析结构特点，将结构特点和建议参数展示给用户，这也让它不仅只是任务执行者的角色，同时还是类似于“师兄”这类帮助你入门的角色。

对于上述的氧化钴表面计算任务，在提出需求之后，基本上只要一直继续，就可以完成整个计算任务。研究者可以随时根据自己的需求询问 AI 相关内容。如果出现报错，AI 也会把报错信息或者联系方式展示给研究者，以供研究者和智能体共同进步。

这里直接展示计算完毕之后，AI 给出的任务总结：

用户当然可以进一步提取计算结果信息。比如，AI 智能体会把一些关键的文件拿到前台。我们点击上面"abacus.log"文件的'眼睛'图标查看，即可查看计算日志。

也可以切换到文件模式，进一步查看各个任务的计算文件及其细节，当然了，这些计算结果文件既可以下载，也可以转存到云盘，供下一个任务使用。

随着团队的持续开发迭代，这些界面显示可能会发生一定的变化，我们会争取让界面呈现越来越好，也更欢迎大家对平台页面和智能体的可完成功能进行持续的探索！

航向

科研的基础设施，远没有完全完善，更不一定到了拉条电线就能连成电网的程度。

就科学计算而言，无论是计算硬件、计算软件、模拟算法；还是用户体验，社区讨论，教程体系，都还没到可称之为完善的程度。

Agentic Research 的飞轮，远没到完全体，还需要自我迭代，这需要各个方面的研究者共同协力。

聚焦科学计算垂类，精细化智能体协议，沉淀已有知识，积累计算案例，以智能化牵手开发团队和场景应用，以智能体联动开发团队和用户社区，让开发者快速定位痛点迭代，让用户及时体验新方法新工具，与开源社区共同成长，共同前行。

这或许，才是当前科学智能体，最能看到的现在。

至于未来，犹未可知。

但这场星海漫游之旅，最重要的是实事求是，求真务实。

其次，是未来在前方，创新和落地永远在路上。

谢谢大家！

机器学习势训练集基本信息可视化 Kit: Training-Set-Parser

Jerry — Sun, 26 Oct 2025 08:54:41 +0000

✨ 新工具教程：使用流式解析器分析和可视化大型原子数据集！

大家好！

我们很高兴地宣布，我们的平台新增并优化了一款强大的工具——数据集分析与解析器Training-Set-Parser)。如果您经常处理来自 DFT 计算（如 VASP, ABACUS 等）的大型 extxyz 轨迹文件，并希望快速了解、清洗和可视化您的数据，那么这款工具就是为您量身定做的！

解决了什么痛点？

需要根据原子受力快速筛选掉不合理的结构？ ✅
想直观了解数据集中元素分布、化学体系构成、能量/力范围等关键信息？ ✅
厌倦了手动编写脚本来解析和绘图？ ✅

这款新工具采用了流式处理 (Streaming) 架构，可以直接读取大型 .extxyz 文件，逐帧进行分析和过滤

主要功能：

读取多帧 .extxyz 文件。
根据用户定义的最大原子作用力阈值过滤结构。
将符合条件的结构（kept）和被移除的结构（removed）分别保存到新的 .xyz 文件中。
生成一份详细的 Markdown (report.md) 分析报告，包含：
- 过滤统计总结
- 元素分布周期表热力图 & 统计表
- 元素体系组合分析（哪些元素组合一起出现，如 C-H, Si-O-N 等）的条形图 & 统计表
- 元素共现热力图（哪些元素对倾向于一起出现）
- 原子参考能量 (E0) 分析（如果数据允许）
- 能量、力、结构尺寸、体积的分布图和统计数据

🚀 如何使用？

使用起来非常简单：

找到工具：在平台的工具列表中，搜索 "Training-Set-Parser" 或类似关键词，找到 Training-Set-Parser。
配置参数：
- extxyz_file_path (输入文件路径)：指定您要分析的多帧 .extxyz 文件的路径。请确保文件包含原子坐标，最好也包含通过 atoms.calc.results 存储的能量 (energy) 和力 (forces) 信息。理论上所有和 ASE 兼容的文件格式均可读取其中的多帧结构文件，但是如果没有 Cell 或者 DFT label 的话将跳过这些缺失的信息分析。
- max_force_threshold (最大力阈值)：设置一个数值（单位：eV/Å）。任何原子上的力的大小 (magnitude) 如果超过这个值，该结构将被视为异常点并被移除。
  - 建议值：根据您的需求选择。例如，如果您只关心接近平衡态的结构，可以使用较小的值（如 1-5 eV/Å）。如果您需要包含一些弛豫过程中的高力结构，可以使用较大的值（如 20-50 eV/Å，甚至更高，但最好不要超过100 eV/A）。

运行任务：点击“运行”或“提交”按钮。

📊 理解输出结果

任务完成后，您将在工作目录中找到以下文件：

kept_structures.xyz:
- 包含所有通过了力阈值过滤的原子结构。
- 这是您进行后续分析或机器学习模型训练的“干净”数据集。
removed_structures.xyz:
- 包含所有因为力超过阈值而被移除的原子结构。
- 检查此文件有助于了解哪些类型的结构被过滤掉了。
report.md (核心分析报告):
- 这是一份 Markdown 格式的报告，您可以在平台内预览或下载后用 Markdown 查看器打开。
- 第 0 节：过滤总结: 显示读取了多少帧，保留了多少，移除了多少，以及过滤的标准。
- 第 1 节：元素分布:
  - 周期表热力图: 直观展示数据集中各元素的原子总数（对数色标）。
  - 元素计数表: 精确列出每种元素的原子总数。

* 第 2 节：元素体系与共现分析:

* 2.1 元素体系组合: 显示数据集中存在哪些独特的元素组合（例如 "C", "Si-O", "Fe-C-O"），以及包含这些组合的结构数量。有助于了解数据集的化学复杂性（单元、二元、三元体系等）。包含一个条形图（显示最常见的体系）和一个完整表格。

* 2.2 元素共现热力图: 显示元素对（例如 C 和 H）在同一个结构中共同出现的频率。颜色越亮表示共现次数越多（使用对数色标）。有助于发现化学上常见的元素搭配。

* 第 3 节：原子参考能量 (E0) 分析: (如果计算成功) 显示通过线性拟合计算出的、数据集中每个元素的平均能量贡献 (E0)。这些值用于计算后续的相对能量。

* 第 4 节：能量分布: 显示保留结构的单位原子能量分布（可能是绝对能量或基于 E0 计算的相对能量）。包含直方图/密度图和统计摘要（均值、标准差、最小值、最大值等）。

* 第 5 节：力分布: 显示保留结构中所有原子的力的大小的分布。注意：这是过滤之后的力分布。包含直方图/密度图和统计摘要。

* 第 6 节：结构尺寸与体积: * 6.1 原子数分布: 显示每个结构包含多少个原子。

* 6.2 晶胞体积分布: （仅针对周期性结构）显示晶胞体积的分布。

###💡 使用场景示例

假设您从某个数据库下载了一个大型 .extxyz 轨迹文件，用于训练机器学习原子间势 (MLIP)。

您可以使用此工具，设置一个合适的 max_force_threshold（例如 30 eV/Å），快速移除弛豫过程中可能出现的极端高力结构，这些结构可能对 MLIP 训练不利。
运行后，您可以查看 report.md：
- 检查元素分布，确认数据集是否包含了您关心的所有元素，以及它们的比例是否合理。
- 查看元素体系组合，了解您的数据集主要是二元合金还是复杂的多元化合物。
- 查看能量和力分布，了解清理后数据集的能量范围和主要的力学状态，这对于设置 MLIP 的训练参数很有帮助。
使用生成的 kept_structures.xyz 文件作为您 MLIP 训练或进一步筛选（如主动学习）的输入。

###📌 注意事项

大型文件处理：由于是流式处理，工具可以处理非常大的文件。但在开始处理前，工具会尝试计数总帧数以显示准确的进度条，这对于超大文件可能需要一些时间。如果计数失败，处理仍会进行，只是进度条可能不显示总数。
解读图表：请注意图表的坐标轴（例如对数刻度 vs 线性刻度）和统计摘要，以准确理解数据的特征。
阈值选择：max_force_threshold 的选择对结果影响很大，请根据您的具体研究目标（例如，是关注平衡态性质还是包含动力学过程）来设定。

我们希望这款增强的工具能极大地简化您处理和理解大型原子数据集的工作流程！欢迎试用并向我们提供宝贵的反馈！