AMLP自动化框架与MACE模型：构建稳健机器学习势函数的实战指南

1. 项目概述：当自动化流程遇上机器学习势函数

在计算材料科学和理论化学领域，有一个长期存在的“精度-效率”困境。一方面，基于量子力学第一性原理的密度泛函理论（DFT）计算，能提供近乎“金标准”的精度，但其计算成本高昂，通常只能处理数百个原子、皮秒（ps）时间尺度的体系。另一方面，经典分子动力学（MD）模拟虽然能轻松处理数百万原子和纳秒级模拟，但其依赖的经验力场（Force Field）精度有限，尤其在描述化学反应、电子转移或复杂非键相互作用时常常力不从心。机器学习势函数（Machine-Learned Interatomic Potentials, MLIPs）的出现，正是为了架起这座桥梁。它本质上是一个经过训练的“代理模型”，通过学习海量DFT计算数据，来预测任意原子构型下的能量和原子受力，从而以接近DFT的精度，实现经典MD的模拟规模与速度。

然而，构建一个可靠、稳健的MLIP并非易事。这远不止是“调个参、跑个训练”那么简单。它是一套环环相扣的复杂流程：从初始结构准备、高质量DFT数据生成、数据清洗与格式化，到模型架构选择、超参数调优、训练与验证，再到最后的动力学稳健性测试。每一步都充满“坑点”——数据分布是否均衡？力场截断半径设多少？能量和力的损失函数权重如何分配？模型在平衡态下表现良好，但在长时间动力学模拟中是否会“崩掉”？这些问题曾让许多研究者，尤其是刚入门的同行，望而却步，大量时间耗费在繁琐的流程搭建和试错上。

我最近深度实践并验证了一个名为AMLP（Automated Machine Learning Pipeline）的自动化框架，它正是为了解决上述痛点而生。AMLP的核心思想是将整个MLIP开发流程管道化、自动化，并集成了基于大语言模型（LLM）的智能体来辅助决策。本次，我以有机分子晶体“吖啶”（Acridine）的多个多晶型（Polymorph）为研究体系，结合目前表现非常出色的MACE（Message Passing Atomic Cluster Expansion）模型架构，完整走通了一遍AMLP的自动化微调与验证流程。结果令人振奋：我们不仅得到了在静态能量、受力上高度精确的模型，更重要的是，通过一套系统化的动力学验证（NVE/NVT模拟），证实了这些模型在有限温度下依然保持物理合理性和稳健性。下面，我就把这套“从数据到可靠模型”的实战经验、核心配置的考量，以及过程中踩过的“坑”和总结的技巧，毫无保留地分享给大家。

2. AMLP框架与MACE模型深度解析

2.1 为什么是AMLP？自动化管道的设计哲学

在深入实操之前，有必要先理解AMLP框架的设计逻辑。它不是一个简单的脚本合集，而是一个具有明确分工的模块化系统。传统的MLIP开发流程是线性的、手动的，而AMLP将其重构为一个可循环、可迭代的自动化工作流。

2.1.1 核心模块拆解AMLP主要包含两大核心模块，其分工如下：

• AMLP-D（数据生成模块）：这是流程的起点。它的任务是从用户提供的初始晶体结构（.cif, .xyz文件）出发，自动调用DFT软件（如VASP, CP2K, Gaussian）进行第一性原理计算，生成训练MLIP所需的最关键数据——每个原子构型对应的总能量和每个原子所受的力。更智能的是，它集成了LLM智能体来分析相关文献，为用户推荐合适的DFT计算参数（如泛函、截断能、K点网格），这大大降低了因参数设置不当导致数据质量差的风险。
• AMLP-A（分析、训练与验证模块）：这是模型诞生的“车间”。它接收AMLP-D产出的原始数据，自动进行数据清洗、格式转换（如转为HDF5）、数据集划分。然后，它调用MACE等MLIP架构进行模型训练与微调。训练完成后，它并非简单输出一个模型文件就结束，而是会自动执行一整套严格的验证流程：包括在验证集上的静态误差评估、几何结构优化（与DFT结果对比）、以及至关重要的分子动力学模拟验证（NVE测试能量守恒，NVT测试结构稳定性）。

这种设计将研究者从重复性的劳动中解放出来，使其能更专注于科学问题本身（如多晶型的相对稳定性、相变行为），而非陷入技术实现的泥潭。

2.2 MACE模型：为何选择它作为基石？

在众多MLIP架构中（如NequIP, Allegro, GemNet），我们本次选择了MACE。这个选择背后有深刻的考量。

2.2.1 MACE的核心优势：高阶等变性与高精度MACE的全称是“Message passing Atomic Cluster Expansion”，其核心创新在于引入了高阶等变消息传递网络。简单来说，它能够以严格数学的方式，保证模型预测的物理量（如能量、力）满足体系在旋转、平移、镜像等对称操作下的不变性（标量）或协变性（矢量）。这是物理规律的基本要求，内置这种对称性可以极大提升模型的数据效率和泛化能力。

与一些仅使用一阶（角动量L=1）特征的模型相比，MACE可以整合更高阶（L=2, 3...）的球谐函数特征。这好比在描述一个原子周围的环境时，不仅考虑邻居原子的距离（一阶信息），还考虑它们构成的角度、四面体等复杂空间关系（高阶信息）。对于吖啶这样的分子晶体，分子间存在复杂的范德华相互作用和可能的π-π堆积，这些高阶相互作用信息对于准确描述其势能面至关重要。MACE通过其高阶等变设计，能更精准地捕捉这些细节。

2.2.2 预训练基础模型：从“通用知识”到“专家模型”本次实践中的一个关键策略是使用了预训练的MACE基础模型（mace-mpa-0-medium.model）。这是一个已在包含整个元素周期表的大量材料数据上训练过的通用模型。你可以把它理解为一个掌握了“化学通用知识”的大学毕业生。 我们的任务，是针对“吖啶多晶型”这个特定领域，将其微调（Fine-tune）成一位“领域专家”。这样做有两大好处：

1. 大幅加速收敛：基础模型已经学会了原子间相互作用的基本模式，我们不需要从随机初始化开始“白手起家”。这通常能将训练所需的epoch数减少一个数量级，节省大量计算资源。
2. 提升泛化能力：基础模型在广泛数据上学到的知识，有助于我们的微调模型更好地处理训练数据分布之外的、稍微陌生的原子环境（即所谓的“外推”能力），这对于评估未知多晶型的稳定性至关重要。

注意：使用基础模型微调时，务必确认其训练所使用的“原子参考能量”（E0s）与你的DFT计算设置是否一致。如果不一致，需要在训练配置中正确设置或让模型重新学习。本次实践中，我们直接沿用了基础模型的E0s设置。

3. 从数据到数据集：AMLP实战流程详解

有了清晰的框架和模型选型，我们进入实战环节。整个过程始于一份吖啶的晶体结构文件，止于一个经过全面验证的、可投入生产的MLIP。

3.1 初始数据生成与AMLP-D的自动化

我们的起点是吖啶的8个已知多晶型实验晶体结构。AMLP-D的工作就是让这些静态结构“动”起来，产生丰富的、涵盖不同原子构型的训练数据。

3.1.1 结构扰动与AIMD模拟单纯对晶体进行单点能计算得到的数据是“死”的，只包含平衡位置附近的信息。为了训练出能描述原子偏离平衡位置时受力情况的势函数，我们必须让原子“动起来”。AMLP-D自动执行了以下步骤：

1. 晶胞优化：首先，对每���多晶型的初始实验结构进行DFT级别的晶胞优化，得到更接近真实基态的DFT平衡结构。这一步确保了训练数据的起点是高质量的。
2. 从头算分子动力学（AIMD）模拟：这是数据生产的核心。AMLP-D在多个温度（例如300K, 500K, 700K）下对每个优化后的晶胞进行AIMD模拟。高温模拟的目的在于让体系采样到更高的势能面区域，访问更多的非平衡构型（如键的拉伸、角度弯曲、分子间相对滑动），从而让MLIP学习到更全面的势能面地形。

关键参数解析：

• 温度选择：不宜过高或过低。过低则采样构型单一；过高则可能使体系发生非物理相变或分解。我们采用了阶梯升温（300K, 500K, 700K）的策略，以平衡数据多样性和计算成本。
• 模拟时长：每个温度下我们进行了约10-20 ps的AIMD。时间太短采样不充分，太长则DFT计算成本剧增。通常需要确保体系性质（如动能、势能）达到平衡并充分波动。
• 采样频率：AMLP-D会以固定的时间间隔（如每10-20 fs）从AIMD轨迹中抽取“快照”（Snapshot）。这些快照及其对应的DFT能量和原子力，就构成了原始的训练数据池。

3.1.2 数据清洗与格式化——容易被忽视的“脏活”从AIMD中直接抽取的数据是原始且粗糙的，必须经过清洗才能用于训练。AMLP-A在此环节发挥了巨大作用。

1. 力过滤器（Force Cutoff）：这是至关重要的一步。在AIMD模拟中，特别是高温下，偶尔会产生受力异常大的原子（例如，因数值误差或非常剧烈的碰撞）。如果将这些异常点纳入训练，会严重干扰模型的学习。AMLP-A允许我们设置一个力的阈值（本次设为8 eV/Å）。任何原子受力超过此阈值的构型将被自动剔除。如图1所示，清洗后，力的分布更加集中，异常值被有效去除。
2. 数据集划分：清洗后的数据需要被划分为训练集和验证集。AMLP-A默认采用85%/15%的比例。这里的一个实操心得是：务必确保划分是随机的，并且训练集和验证集在能量和力的分布上基本一致，以避免偏差。AMLP-A会自动完成随机划分并检查分布。
3. 格式转换：不同的MLIP代码库需要不同的数据格式。AMLP-A内部自动将原始的VASP输出文件等，转换为MACE训练所需的HDF5格式。同时，它会自动识别并应用体系的周期性边界条件（PBC），这是处理晶体体系不可或缺的一步。

经过上述自动化流程，我们从最初的8208个结构快照中，最终得到了8108个高质量的训练/验证数据点。

4. MACE模型训练：超参数配置与微调策略

数据准备就绪，接下来就是模型训练的核心环节。虽然AMLP旨在自动化，但理解其背后的超参数设置逻辑，对于诊断问题和优化模型至关重要。

4.1 模型架构与训练参数详解

我们基于mace-mpa-0-medium这个基础模型进行微调。以下是本次训练中几个关键超参数的设置与思考：

4.1.1 截断半径（Cutoff Radius）我们设置为6.0 Å。这个值定义了每个原子的“局部化学环境”范围。对于吖啶这样的有机分子晶体，分子内共价键长度通常在1-1.5 Å，而关键的分子间相互作用（如范德华力、氢键）的作用范围通常在3-5 Å。设置6 Å的截断半径，可以确保每个碳、氮原子都能“看到”其最近邻的分子，从而完整地描述主导晶体稳定性的分子间作用力。设置过大（如10 Å）会显著增加计算量，而设置过小（如4 Å）可能会遗漏重要的长程相互作用，导致模型无法准确预测晶格能。

4.1.2 损失函数与两阶段训练法我们选择了同时优化能量和力的损失函数。这里采用了两阶段训练策略，这是提升模型对受力预测精度的关键技巧：

• 第一阶段（前250个epoch）：能量和力的损失权重设为1:1。此阶段的目标是让模型快速学习势能面的整体轮廓，即总能量与原子构型的大致关系。
• 第二阶段（后100个epoch）：将力的损失权重调整为能量的10倍。这是因为在分子动力学模拟中，原子运动直接由受力驱动，力的精度直接决定了模拟的稳定性。在模型已大致掌握能量趋势后，加大力的训练权重，可以迫使模型精细修正原子受力预测，这对于后续的动力学模拟稳健性至关重要。

4.1.3 集成学习（Committee Models）为了评估模型的不确定性和提升预测鲁棒性，我们没有只训练一个模型，而是用三个不同的随机种子（49， 67， 127）独立训练了三个模型，构成一个“委员会”。这三个模型架构和超参数完全一致，仅初始化不同。在预测时，可以取三个模型结果的平均值作为最终预测，其标准差可以作为预测不确定性的度量。如图2所示，三个委员会模型在验证集上达到了高度一致的精度，这证明了训练流程的稳定性。

4.2 训练结果与静态精度评估

训练完成后，AMLP-A会自动在预留的验证集上评估模型性能。评估指标主要是平均绝对误差（MAE）：

• 力的MAE：三个模型均在~7 meV/Å（约0.67 kJ/mol/Å）左右。这个值远低于化学精度阈值（~43 meV），意味着模型预测的原子受力与DFT参考值高度吻合。
• 能量的MAE：约为2 meV/atom（约0.19 kJ/mol/atom）。对于评估多晶型之间微小的晶格能差异（通常只有几到几十 kJ/mol）来说，这个精度水平是足够的。

这些优异的静态误差指标是MLIP可用的必要条件，但绝非充分条件。一个在验证集上静态误差很小的模型，在动力学模拟中仍可能因为误差累积而产生非物理行为。因此，静态评估之后，必须进行更严格的动力学验证。

5. 动力学稳健性验证：超越静态误差的“试金石”

这是本次实践中我最想强调的部分，也是AMLP框架最具价值的一环。很多MLIP工作只汇报静态误差，但一个模型能否真正用于可靠的分子动力学模拟，必须通过动力学测试来证明。

5.1 NVE模拟：能量守恒测试

在微正则系综（NVE，孤立体系）下，总能量（动能+势能）应该严格守恒。这是检验势函数数值质量和动力学积分稳定性的“黄金标准”。

5.1.1 测试方法我们对每个吖啶多晶型，用训练好的三个MACE委员会模型，分别进行了40 ps的NVE模拟（包含1 ps的平衡阶段）。AMLP-A自动执行这些模拟，并计算整个轨迹中的总能量漂移。

5.1.2 结果与解读如图3所示，所有模型在所有多晶型上的能量守恒都达到了10⁻⁴ 量级甚至更好。这个结果非常出色，表明我们的MACE模型与Velocity-Verlet等积分算法耦合良好，没有引入明显的数值误差，能够支持长时间的稳定动力学模拟。这也是后续一切NVT模拟和性质分析可信的基础。

5.2 NVT模拟与结构分析：有限温度下的稳定性

在确认能量守恒后，我们进行正则系综（NVT，恒定粒子数、体积和温度）模拟，以考察模型在有限温度下能否保持晶体结构的物理合理性。

5.2.1 径向分布函数（RDF）分析AMLP-A的一个便捷功能是，在NVT模拟结束后，自动计算并绘制指定原子对的径向分布函数g(r)。我们重点分析了C-N对（反映分子内键合环境）和N-N对（反映分子间堆积情况）。

• 结果：如图4所示，对于稳定的多晶型（如ACRDIN12），MACE-A和MACE-B模型预测的RDF在300K至700K温度范围内，表现出合理的物理行为：峰值位置基本不变，峰宽随温度升高而增加（热展宽），峰高略有降低。这完美反映了温度升高导致原子热运动加剧、长程有序性降低的物理图像。
• 关键发现：然而，MACE-C模型在多个多晶型的高温模拟中表现出严重的不稳定性——RDF峰形坍塌或出现非物理震荡。这揭示了一个重要教训：即使三个委员会模型的静态误差（MAE）非常接近，它们在动力学稳健性上可能存在显著差异。这凸显了进行多模型、多条件动力学验证的极端重要性。仅凭一个模型的静态结果或单一条件的模拟就下结论是危险的。

5.2.2 分子取向序参量（P2）分析为了定量描述分子晶体的堆积方式，我们计算了P2序参量。P2≈1表示分子平面完全平行排列，P2≈0表示随机取向，P2在0.1-0.2之间通常表示鱼骨状（herringbone）堆积。

• 结果：如图5所示，不同多晶型显示出不同的P2值，这与它们已知的堆积模式一致（例如，某些多晶型显示高P2值，对应平行堆积；另一些显示低P2值，对应鱼骨状堆积）。更重要的是，在升温过程中，所有多晶型的P2值仅发生微小且平缓的下降，表明晶体内部的分子取向序在模拟的温度范围内是稳定的，没有发生非物理的相变或无序化。MACE-A和MACE-B的结果高度一致，进一步交叉验证了模型的可靠性。

5.3 外推能力测试：预测未知多晶型

真正的挑战在于模型对“未见过的”结构的预测能力。我们将一个未参与任何训练阶段的新实验发现的吖啶多晶型（Form VIII）作为测试案例。

• 结果：经过几何优化，MACE-A和MACE-B预测的Form VIII相对晶格能与DFT计算值的偏差在可接受的10.3 kJ/mol范围内。在300K的NVE和NVT模拟中，模型也表现稳定。
• 局限性：然而，在更高温度（如500K）的NVT模拟中，模型开始出现不稳定性。这清晰地划定了当前模型的适用边界：它对于训练数据分布内的构型和温和条件外推表现良好，但对于远离训练分布的高能态（如高温下的剧烈运动），其预测可靠性下降。
• AMLP的迭代价值：这正是AMLP自动化流程的优势所在。当发现模型在某个新条件（如高温Form VIII）下失效时，我们可以轻松地从这些不稳定的MD轨迹中提取出“问题构型”，然后通过AMLP-D模块，自动将其加入任务队列，进行新的DFT单点能或AIMD计算，从而扩增训练数据集。这种“模拟-发现问题-补充数据-再训练”的闭环迭代，是开发高鲁棒性MLIP的必由之路，而AMLP极大地简化了这个过程。

6. 常见问题、排查技巧与经验总结

基于这次完整的AMLP+MACE实战，我总结了以下几个关键问题和应对策略，希望能帮你避开我踩过的那些“坑”。

6.1 数据质量相关

• 问题1：训练损失震荡不降，或验证误差远高于训练误差。

  • 排查：首先检查数据清洗是否充分。使用AMLP-A的力分布直方图功能，查看是否有未被过滤的极端力值（>10 eV/Å）。其次，检查训练集和验证集的能量、力分布是否相似，确保划分没有引入偏差。
  • 技巧：可以尝试调整力过滤器的阈值。如果数据中高力值点很多，可以适当放宽阈值（如从8 eV/Å调到10 eV/Å），但需同步检查这些点对应的构型是否物理合理（可通过可视化软件查看）。

• 问题2：模型在平衡结构附近精度高，但一做MD就“飞掉”（能量发散）。

  • 排查：这通常是模型没有学到足够多的“非平衡”构型所致。回顾AIMD数据生成阶段，是否模拟温度足够高？模拟时间是否足够长以充分采样构型空间？
  • 技巧：在AMLP-D中，可以策略性地对初始结构施加随机微小位移，或进行简正模式激发，来主动生成一些远离平衡的构型，补充到数据集中。确保你的训练数据不仅包含平衡点，也包含势能面“斜坡”和“山谷”的数据。

6.2 模型训练相关

• 问题3：使用基础模型微调后，预测能量存在系统性偏移。

  • 排查：这极有可能是“原子参考能量”（E0s）不匹配造成的。基础模型在预训练时使用了一套E0s，而你的DFT计算采用了另一套（如不同的赝势、泛函）。
  • 解决：在MACE训练配置中，可以设置compute_avg_num_neighbors: false并正确提供与你DFT计算兼容的E0s值。更稳妥的做法是，在训练数据中包含孤立原子的计算，让模型自己从数据中学习E0s。

• 问题4：委员会模型之间预测差异巨大。

  • 排查：如果三个相同架构、相同数据训练的模型结果差异大，说明训练可能没有收敛，或者模型容量（如num_channels）对于你的体系来说过大，导致了过拟合。
  • 技巧：尝试增加训练epoch，观察损失曲线是否已平稳。可以适当减小模型规模，或增加正则化（如权重衰减）。AMLP-A的训练日志会记录每个epoch的损失，务必仔细查看。

6.3 动力学验证相关

• 问题5：NVE模拟能量不守恒（漂移过大）。

  • 排查：首先检查积分时间步长（timestep）。对于包含氢原子的有机体系，0.5 fs通常是安全上限，我们使用1 fs已属较大，需确认模型受力预测足够平滑。其次，检查模型输出的力是否存在数值异常（如NaN或Inf）。
  • 技巧：将NVE模拟的时间步长减小到0.5 fs进行测试。如果能量守恒改善，则说明原步长过大。同时，在AMLP-A的验证模块中，可以输出模拟最初几步的力和能量进行检查。

• 问题6：NVT模拟中温度无法稳定，或结构发生非物理融化/畸变。

  • 排查：这可能是模型在有限温度下不稳健的明确信号。首先，对照RDF和P2序参量的结果，看是否在所有温度下都出现异常。如果只是高温下异常，可能如我们的案例所示，是模型外推能力不足。
  • 技巧：不要只依赖一个模型或一次模拟。务必像我们一样，训练多个独立模型（委员会）并在多个代表性结构上进行测试。AMLP-A的批量验证功能非常适合做这件事。如果某个模型/结构在高温下失败，这些“失败案例”正是你需要补充DFT数据的关键区域。

6.4 关于AMLP框架的使用心得

• 配置文件是关键：AMLP的强大源于其高度可配置的YAML文件。花时间理解config.yaml中每个模块（数据生成、训练、验证）的参数含义，比盲目尝试更重要。LLM智能体的建议是一个很好的起点，但最终需要结合你的体系知识和计算资源进行调整。
• 可视化中间结果：AMLP会生成大量的中间图和日志（如力分布图、损失曲线、RDF图）。养成定期查看这些图形的习惯，它们能直观地告诉你数据质量、训练进程和模型表现，是发现问题最快的方式。
• 迭代是常态：第一次训练就得到完美模型是幸运，更多时候需要迭代。利用AMLP的自动化优势，建立“训练-验证-发现问题-补充数据-再训练”的快速迭代循环。将不稳定的MD轨迹构型反馈给数据生成模块，是这个循环中最有效的步骤。

这次将AMLP框架应用于吖啶-MACE体系的实践，让我深刻体会到自动化、标准化流程对于MLIP开发效率与可靠性的巨大提升。它不仅仅是一套工具，更是一种保证研究可重复性、系统性的方法论。最大的收获在于认识到，一个合格的MLIP绝不能止步于低的静态测试误差，必须通过严格的、系统化的动力学验证（NVE能量守恒 + NVT结构稳定性）来证明其稳健性。未来，随着AMLP框架集成更多先进的MLIP架构（如NequIP, TorchMD）和主动学习循环，我相信它将成为计算材料学家和化学家手中一把更加锋利、可靠的“利器”，让更多人能专注于科学创新本身，而非繁琐的技术实现。