Paddle for MD 飞桨分子动力学模拟科学计算

源码：https://gitcode.com/skywalk163/PaddleMD

PaddleMD

Paddle for MD 飞桨分子动力学模拟科学计算

关于

PaddleMD打算提供一个简单易用的API，用于使用飞桨（PaddlePaddle）进行分子动力学模拟。这使得研究人员能够更快速地进行力场开发研究，并利用飞桨的易用和强大功能，将神经网络潜力无缝集成到动力学模拟中。

PaddleMD参考学习自TorchMD

许可

项目使用Apache-2.0 license许可（不过现在我用的mit的许可）

项目中使用了Moleculekit等其它软件，请遵守相关许可制度。

we use several file format readers that are taken from Moleculekit which has a free open source non-for-profit, research license. This is mainly in torchmd/run.py. Moleculekit is installed automatically being in the requirement file. Check out Moleculekit here: https://github.com/Acellera/moleculekit

环境安装初始化

需要的软件软件包可以通过pip install -r requirements.txt 和 pip install -r requirements_tests.txt 进行安装。

pip install -r requirements.txt
# 或者
pip install -r requirements_tests.txt

具体步骤：

1 安装飞桨环境

pip install paddlepaddle-gpu

当然也可以使用cpu版本：

pip install paddlepaddle

具体命令见paddlepaddle.org.cn网站安装指引

需要飞桨版本>=3.2

2 安装相关软件包

2.1 通过pip install -r requirements.txt 和 pip install -r requirements_tests.txt 进行安装。大部分软件使用默认版本安装即可。

pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple
pip install -r requirements_tests.txt -i https://mirror.baidu.com/pypi/simple
pip install  ase  -i https://mirror.baidu.com/pypi/simple

2.2 也可以直接安装：
pip install moleculekit pyyaml tqdm pandas networkx scipy parmed ase

2.3 若有软件安装不成功，比如moleculekit没有安装成功， 可以尝试使用降低软件包版本解决：pip install "moleculekit<=0.9.14" 或者使用conda安装甚至使用源码安装。

3 使用conda安装前面没有安装成功的软件包

若使用pip无法正常安装成功，可以使用conda安装

conda install moleculekit -c acellera
conda install openmm -c conda-forge

4 若没有条件进行conda安装，可以采取源码安装

比如AIStudio平台，无法直接使用conda安装软件，可以采用源码安装方式：

到github.com查找相应的软件包源码，git clone下载后， 编译安装。具体步骤略。

5 问题解析

若遇到读配置文件（.yaml文件）pandas报错，请检查和替换版本。目前已知的是pandas1.4.2会读配置文件报错，1.3.0没问题，另外0.24.2等老版本也没有问题（但有时也会有问题）。

所以碰到pandas报错，根据提示降低版本即可。pip install "pandas<=1.3"

当前最新的PaddleMD版本，大约各个软件不会再需要低版本的库文件了。但是确实python的库安装起来坑很多，需要较强的动手能力。

例子

在当前目录有 tutorial.ipynb ，可以用notebook动态调试的方式使用PaddleMD。

项目使用和进度

项目布局

当前项目列表

├── 2PaddleMD.ipynb
├── 3测试.ipynb
├── bak2PaddleMD1.ipynb
├── bin
├── examples
├── input.yaml
├── logs
├── mytrajectory.npy
├── mywaterrun
├── paddlemd
├── paddlemd.egg-info
├── PaddleMD.ipynb
├── profiler_log
├── README.md
├── requirements_tests.txt
├── requirements.txt
├── run.py
├── setup.py
├── SpeedTest.ipynb
├── test-data
├── tests
└── tutorial.ipynb

1、tutorial.ipynb 为例子文件

可以学习使用paddlemd

2、PaddleMD.ipynb为源码统一编辑文件，可以在notebook下编辑所有核心代码，编辑后只要运行一下就写入相应文件。

tutorial.ipynb例子中就是调用PaddleMD.ipynb运行写入的代码。

3、2PaddleMD.ipynb为动态编辑和运行文件，可以边改代码，边看效果。

主要用于修改和调试paddlemd代码使用。当前的paddlemd项目还未全部完成，欢迎大家调试、修改。

注意调试完成后，需要在PaddleMD.ipynb里写入修改，以便代码一致。

4、3集成测试.ipynb 为集成测试文件

首先使用python setup.py develop安装paddlemd开发模式。

然后就可以测试了。

比如可以使用python tests/test_paddlemd.py进行集成测试，使用./bin/paddlemd --conf tests/water/water_conf.yaml测试水分子，使用./bin/paddlemd --conf tests/prod_alanine_dipeptide_amber/conf.yaml测试prod alanine dipeptide前丙氨酸二，使用./bin/paddlemd --conf tests/trypsin/conf.yaml测试Trypsin胰蛋白酶。

在3集成测试.ipynb文件中，上述命令已经放入notebook中，直接运行即可。

目前这三个单项测试都可以正常运行不报错。速度大约是torchmd的十六分之一。还有较大提升空间。

集成测试，可以测试一部分，可看到势能和力场等数值跟openmm的较接近。但是后面还是会报错，大约是训练求导那块还有问题。

当前已经实现的功能

当前PaddleMD1.1版本的飞桨框架已经升级到3.2版本。

1 大框架和核心代码完成

势能和力场与openmm基本能对齐。原作torchmd也是以openmm为对齐基准。

2 例子tutorial.ipynb可以执行

3 水分子、prod alanine dipeptide前丙氨酸二和Trypsin胰蛋白酶等论文提到的三个测试可以运行通过

其中前两者使用论文原作者的分子结构文件，Trypsin胰蛋白酶没有找到原作的，由https://github.com/karlyuan 提供，表示感谢。原作Trypsin胰蛋白酶为3248个原子，本项目测试的为6904个原子。

当前还存在的问题

1 集成测试无法完全通过。1.1版本集成测试可以通过。

2 AI自动求导优化那块可能还有问题。1.1版本自动求导优化那块可以通过。

3 运行速度大约是torchmd的十六分之一，还有很大提升空间。（1.1版本速度还未测试，因为当前只有cpu环境）

其中有几个算子需要飞桨官方开发出来。另外整个项目的计算（代码表达式）可能还有较大的改进空间。（1.1版本已经等到了飞桨官方的新api算子，已经进行了相应的代码升级改造。）

进一步说明

本项目为参加中国软件开源创新大赛：开源任务挑战赛(顶会论文复现赛)的项目。

飞桨第六期论文复现赛128 https://aistudio.baidu.com/aistudio/competition/detail/205/0/task-definition

issue报名地址：https://github.com/PaddlePaddle/Paddle/issues/41482

torch代码学习：https://github.com/torchmd/torchmd

帮助和注释

未来会在github官方项目库提供issue解答。（现在1.1版本暂时只在gitcode发布）

引用Citation

Please cite:

@misc{doerr2020torchmd,
      title={TorchMD: A deep learning framework for molecular simulations}, 
      author={Stefan Doerr and Maciej Majewsk and Adrià Pérez and Andreas Krämer and Cecilia Clementi and Frank Noe and Toni Giorgino and Gianni De Fabritiis},
      year={2020},
      eprint={2012.12106},
      archivePrefix={arXiv},
      primaryClass={physics.chem-ph}
}

To reproduce the paper go to the tutorial notebook https://github.com/torchmd/torchmd-cg/blob/master/tutorial/Chignolin_Coarse-Grained_Tutorial.ipynb

最后

由于TorchMD官方代码也不太及时更新了，所以这个项目也不想花精力去费劲做了。