معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Many-body extension of the flare code

ویژگی	مقدار
سیستم عامل	-
نام فایل	flare-pp-0.1.1
نام	flare-pp
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Materials Intelligence Research
ایمیل نویسنده	mir@g.harvard.edu
آدرس صفحه اصلی	https://github.com/mir-group/flare_pp
آدرس اینترنتی	https://pypi.org/project/flare-pp/
مجوز	MIT

[![Build Status](https://github.com/mir-group/flare_pp/actions/workflows/main.yml/badge.svg)](https://github.com/mir-group/flare_pp/actions) # flare++ Major features: * Bayesian force fields based on sparse Gaussian process regression. * Multielement many-body descriptors based on the atomic cluster expansion. * Mapping to efficient parametric models. * Coupling to LAMMPS for large-scale molecular dynamics simulations. Check out our preprint introducing flare++ [here](https://arxiv.org/abs/2106.01949). ## Demo and Instructions for Use An introductory tutorial in Google Colab is available [here](https://colab.research.google.com/drive/18_pTcWM19AUiksaRyCgg9BCpVyw744xv). The tutorial shows how to run flare++ on energy and force data, demoing "offline" training on the MD17 dataset and "online" on-the-fly training of a simple aluminum force field. A video walkthrough of the tutorial, including detailed discussion of expected outputs, is available [here](https://www.youtube.com/watch?v=-FH_VqRQrso&t=875s). The tutorial takes a few minutes to run on a normal desktop computer or laptop (excluding installation time). ## Installation guide The easiest way to install is with pip: ``` pip install flare_pp ``` This will take a few minutes on a normal desktop computer or laptop. If you're installing on Harvard's compute cluster, make sure to load the following modules first: ``` module load cmake/3.17.3-fasrc01 python/3.6.3-fasrc01 gcc/9.3.0-fasrc01 ``` ### Compiling LAMMPS See [lammps_plugins/README.md](https://github.com/mir-group/flare_pp/blob/master/lammps_plugins/README.md). ## System requirements ### Software dependencies * cmake>=3.14.5 (to compile the C++ source code) * [flare](https://github.com/mir-group/flare) (for on-the-fly training) ### Operating systems flare++ is tested with Github Actions on a Linux operating system (Ubuntu 20.04.3). You can find a summary of recent builds [here](https://github.com/mir-group/flare_pp/actions). We expect flare++ to be compatible with Mac and Windows operating systems, but can't guarantee this. If you run into issues running the code on Mac or Windows, please post to the issue board. ### Hardware requirements There are no non-standard hardware requirements to download the software and train simple models—the introductory tutorial can be run on a single cpu. To train large models (10k+ sparse environments), we recommend using a compute node with at least 100GB of RAM. ## Documentation Preliminary documentation of the C++ source code can be accessed [here](https://mir-group.github.io/flare_pp/).

نیازمندی

مقدار	نام
>=3.14.5	cmake
-	mir-flare
-	jupyter
-	nbconvert

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl flare-pp-0.1.1:

pip install flare-pp-0.1.1.whl

نصب پکیج tar.gz flare-pp-0.1.1:

pip install flare-pp-0.1.1.tar.gz