5.4. [train] セクション

訓練データから配置エネルギー予測モデルを学習する学習器の設定を行います。

予測モデルの作成・学習には外部のプログラムを利用します。 現在はaenet, NequIP, MLIP-3に対応しています。 ソフトウェア固有の注意事項（入力ファイル名など）は 機械学習モデルソルバー利用時の注意点 を参照してください.

本セクションは以下のようなファイルフォーマットをしています.

[train] # モデル学習器の設定
type = 'aenet'
base_input_dir = './aenet_train_input'
ignore_species = ["O"]
[train.exe_command]
generate = '~/git/aenet/bin/generate.x-2.0.4-ifort_serial'
train = 'srun ~/git/aenet/bin/train.x-2.0.4-ifort_intelmpi'

5.4.1. 入力形式

keyword = value の形式でキーワードとその値を指定します. また, #をつけることでコメントを入力することができます(それ以降の文字は無視されます).

5.4.2. キーワード

• type

  形式 : str型

  説明 : 訓練データから配置エネルギー予測モデルを学習する学習器の設定を行います. aenet, nequip, mlip_3を利用できます.

• base_input_dir

  形式 : str型

  説明 : 設定したディレクトリの中に、学習器の設定ファイルを設置します.

• exe_command

  形式 : 辞書型

  説明 : 学習器で使う実行コマンドを指定します. コマンドライン引数も指定できますが, それぞれの学習機の入力ファイル (input.yaml など)は含めないようにしてください.

  • type = 'aenet'

    • generate と train の2つのキーを持ちます.

    • generate

      • aenetの generate.x へのパスを指定します.

    • train

      • aenetの train.x へのパスを指定します.

      • MPI並列版が利用可能です. その場合、上の例で示すように、MPI実行するためのコマンド（ srun 、 mpirun など）を合わせて設定してください。

    • abICS 2.0 以前との互換性のために、配列形式もサポートしています. 最初の要素が generate, 2番目の要素が train です.

  • type = 'nequip'

    • train

      • nequip-train へのパスを指定します.

  • type = 'mlip_3'

    • train

      • mlp へのパスを指定します.

• ignore_species

  形式 : list型

  説明 : aenet などのニューラルネットワークモデルで「無視」する原子種を指定します. 常に占有率が1のものについては、ニューラルネットワークモデルの訓練および評価時に存在を無視した方が、計算効率が高くなります.