Python量子力学计算模拟以及数据可视化

简介:

前言

本文为作者对其开源项目VASPy的说明文章。VASPy是一个纯Python编写的处理VASP文件数据以及进行数据快速可视化的库,基于OOP的思想提供了操作VASP文件的友好的接口,可以帮助使用者快速编写处理VASP相关文件的脚本,以提升效率。VASPy的项目仍处于起步阶段,希望大家可以都贡献出自己的力量使其壮大起来。

VASP简介

对于广大做计算化学或者材料模拟的同学肯定听说过VASP的大名或者其科学研究与其息息相关。 
VASP的全称是Vienna Ab-initio Simulation Package,是维也纳大学Hafner课题组开发的进行电子结构计算和量子力学-分子动力学模拟的软件包,目前是材料模拟和计算物质科学研究中最流行的商业软件之一。关于VASP的详细介绍可以参见其官方主页

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

( http://www.vasp.at/) VASPy项目简介

VASPy的思想是将VASP相关的文件都视为可操作的对象,通过友好的接口对一个或者多个VASP对象进行快速的操作以提升工作效率。目前已兼容Python2 和 Python3。

8481c8f592b7f349aa84a1de5c171db681516edfVASPy的GitHub地址: https://github.com/PytLab/VASPy
8481c8f592b7f349aa84a1de5c171db681516edfVASPy的PyPI地址: https://pypi.python.org/pypi/vaspy/
使用说明

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


安装

VASPy库已上传至PyPI可以通过pip来进行安装:

 
$ pip install vaspy

从源码安装:

$ git clone git@github.com:PytLab/VASPy.git
$ cd vaspy
$ python setup.py install

VASPy包的文件结构

VASPy/

├── LICENSE

├── MANIFEST

├── MANIFEST.in

├── README.rst

├── requirements.txt

├── scripts

│   ├── change_incar_parameters.py

│   ├── create_inputs.py

│   └── ...

├── setup.cfg

├── setup.py

├── tests

│   ├── incar_test.py

│   ├── __init__.py

│   ├── oszicar_test.py

│   ├── outcar_test.py

│   ├── testdata

│   │   ├── CONTCAR

│   │   ├── DOS_SUM

│   │   ├── ELFCAR

│   │   └── ...

│   └── ...

└── vaspy

    ├── __init__.py

    ├── iter.py

    ├── matstudio.py

    └── ...

文件操作举例

目前VASPy提供了操作INCAR、POSCAR、OUTCAR、XDATCAR、ELFCAR等的接口,这里对其中的部分进行简要的举例介绍。

操作INCAR文件

INCAR是VASP做电子结构计算的参数设置文件,VASPy提供了InCar类可以方便获取INCAR文件的信息以及进行自定义的修改并生成新的INCAR文件。

VASPy/

├── LICENSE

├── MANIFEST

├── MANIFEST.in

├── README.rst

├── requirements.txt

├── scripts

│   ├── change_incar_parameters.py

│   ├── create_inputs.py

│   └── ...

├── setup.cfg

├── setup.py

├── tests

│   ├── incar_test.py

│   ├── __init__.py

│   ├── oszicar_test.py

│   ├── outcar_test.py

│   ├── testdata

│   │   ├── CONTCAR

│   │   ├── DOS_SUM

│   │   ├── ELFCAR

│   │   └── ...

│   └── ...

└── vaspy

    ├── __init__.py

    ├── iter.py

    ├── matstudio.py

    └── ...

通过此类操作便可以快速写出批量修改INCAR文件的脚本,附上代码链接(https://github.com/PytLab/VASPy/blob/master/scripts/change_incar_parameters.py)

操作POSCAR/CONTCAR/XDATCAR等含有结构坐标的文件

操作结构文件可以获取相应结构的信息,例如晶胞参数、晶胞体积等。

In [7]: from vaspy.atomco import PosCar



In [8]: poscar = PosCar("POSCAR")



In [9]: poscar.bases

Out[9]: 

array([[  7.29321435,  -4.21073927,   0.        ],

       [  0.        ,   8.42147853,   0.        ],

       [ -0.        ,   0.        ,  16.87610843]])



In [10]: poscar.get_volume()

Out[10]: 1036.5246404472209



In [11]: poscar.data

Out[11]: 

array([[ 0.24466667,  0.224     ,  0.13581544],

       [ 0.02244444,  0.11288889,  0.27163089],

       [ 0.13355555,  0.00177777,  0.        ],

       ...                                 

同时结构坐标类中还提供了三维空间坐标转换接口,例如Cartisan坐标与Direct坐标的相互转换。

In [7]: from vaspy.atomco import PosCar



In [8]: poscar = PosCar("POSCAR")



In [9]: poscar.bases

Out[9]: 

array([[  7.29321435,  -4.21073927,   0.        ],

       [  0.        ,   8.42147853,   0.        ],

       [ -0.        ,   0.        ,  16.87610843]])



In [10]: poscar.get_volume()

Out[10]: 1036.5246404472209



In [11]: poscar.data

Out[11]: 

array([[ 0.24466667,  0.224     ,  0.13581544],

       [ 0.02244444,  0.11288889,  0.27163089],

       [ 0.13355555,  0.00177777,  0.        ],

       ...                                 

从XDATCAR中获取迭代的结构信息。

from vaspy.atomco import XdatCar

>>> xdatcar = XdatCar("XDATCAR")

>>> for step, data in xdatcar:

>>>     print(step)

>>>     print(xdatcar.dir2cart(xdatcar.bases, data))

操作OUTCAR文件

OUTCAR是VASP最重要的输出文件,我们可以从中获取计算过程中基本上所有的信息。

获取迭代过程中原子的受力信息:

In [4]: from vaspy.iter import OutCar



In [5]: outcar = OutCar("OUTCAR_freq", poscar='POSCAR_freq')



In [9]: outcar.forces()  # 最近一次迭代中结构中原子在各个方向上的受力

Out[9]: 

([[2.79563, 0.85618, 1.19698],

  [4.47844, 0.86375, 4.78817],

  [2.37243, -0.5474, 3.59093],

  [3.91022, -0.54961, 7.26487],

  ...                        ])

如果要获取所以迭代步中的受力信息,需要使用OutCar提供的受力信息迭代器:

for forces in outcar.force_iterator:

    # Do something with forces tuple.

    ...

OutCar类对于含有频率计算的信息的文件会做频率收取操作,可以方便获取频率相关数据:

In [16]: outcar.freq_info

Out[16]: ('index', 'freq_type', 'THz', '2PiTHz', 'cm-1', 'meV', 'coordinates', 'deltas')



In [17]: outcar.freq_types

Out[17]: [['f', 'f', 'f'], ['f', 'f', 'f/i']]



In [19]: outcar.zpe

Out[19]: 0.1117761635



In [20]: for freq_info in outcar.freq_iterator:

    ...:     # Do something with frequency data

    ...:     ...

对于其他文件的操作这里就不进行一一介绍了。

VASP数据可视化

可视化分割后的DOS(态密度)数据

可视化的过程中可以选择进行d-band center的计算并显示。

In [1]: from vaspy.electro import DosX



In [2]: dos = DosX('DOS_SUM')



In [3]: dos.plotsum(0, (5, 10))

效果图:

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

ELFCAR/ CHGCAR数据的可视化

电荷数据主要是通过对三维矩阵进行处理后进行绘制,可以选择surface以及二维map和标量场的显示模式。

In [1]: from vaspy.electro import ElfCar



In [2]: elfcar = ElfCar("ELFCAR")



In [3]: elfcar.plot_contour()
640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

3D 等值线图, 这需要安装Mayavi模块来进行绘制。
In [4]: elfcar.plot_contour3d()

640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

绘制标量场,同样需要Mayavi的支持。
In [5]: elfcar.plot_field()
640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

CHGCAR也是Fortran顺序的三维矩阵,绘制道理相同,因此可以用继承自ElfCar的ChgCar类来进行CHGCAR相关的绘制,例如差分电荷图。
In [4]: from vaspy.electro import ChgCar


In [5]: chgcar = ChgCar("CHGCAR_diff")


In [6]: chgcar.plot_contour()
640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

操作MaterialStudio中的xsd以及xtd等文件的接口

VASPy还提供了一个方便将Material Studio中的xsd文件与VASP文件互通的接口,通过VASPy中的XsdFileXtdFile类可以抽取文件中的晶格结构信息并结合VASP相关的类进行VASP文件的创建,同样可以方便的讲VASP的文件生成相应的用Material Studio可以显示的文件包括讲XDATCAR生成相应的*.arc*.xtd来显示动画效果。

附上脚本的链接,此脚本就是利用VASPy的接口将Material Studio文件和VASP的文件进行相互转换。

8481c8f592b7f349aa84a1de5c171db681516edf由MaterialStudio的xsd文件生成VASP输入文件的脚本
8481c8f592b7f349aa84a1de5c171db681516edf由VASP的输出文件生成相应的MaterialStudio可以显示的xsd文件的脚本
8481c8f592b7f349aa84a1de5c171db681516edf由MaterialStudio的轨迹文件生成VASP进行NEB搜索过渡态的输入文件的脚本

由VASP结果生成MaterialStudio的轨迹文件的动画效果图:

0?wx_fmt=gif&tp=webp&wxfrom=5&wx_lazy=1

结语

VASPy最初的想法是通过Python优雅简洁的特点将VASP的文件处理进行模块化,从而省去了重复写脚本的所花费的精力,使操作VASP文件像操作变量一样简单有效。 
目前本项目都是在作者工作需要的基础上不断对其功能和接口进行完善,但仍只是冰山一角,希望做计算模拟使用VASP的Pythoner们能不断参与进来,使其更加出色和高效。


原文发布时间为:2016-12-30

本文作者:邵正将

本文来自云栖社区合作伙伴“Python中文社区”,了解相关信息可以关注“Python中文社区”微信公众号

相关文章
|
7天前
|
数据挖掘 PyTorch TensorFlow
|
1天前
|
机器学习/深度学习 数据采集 算法
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
有多种方法可以处理时间序列数据中的噪声。本文将介绍一种在我们的研究项目中表现良好的方法,特别适用于时间序列概况中数据点较少的情况。
10 1
数据稀缺条件下的时间序列微分:符号回归(Symbolic Regression)方法介绍与Python示例
|
5天前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
26 16
|
3天前
|
数据可视化 数据挖掘 API
Python中的数据可视化:从基础到进阶
【9月更文挑战第13天】在数字世界中,数据可视化是连接复杂信息与人类直觉的桥梁。本文将通过Python语言,探索如何从零开始构建数据可视化技能,逐步深入到高级技巧,让你能够将抽象的数字转化为直观的故事。我们将一起学习如何使用Matplotlib、Seaborn等库来绘制图表,并最终掌握如何利用Pandas对数据集进行深度分析与可视化展示。
|
11天前
|
数据可视化 数据挖掘 数据处理
Python中数据可视化的魔法——使用Matplotlib和Pandas
【9月更文挑战第5天】在Python的世界里,数据可视化是连接复杂数据与人类直觉的桥梁。本篇文章将带领读者探索如何使用Matplotlib和Pandas这两个强大的库来揭示数据背后的故事。我们将从基础概念开始,逐步深入到高级技巧,让每一位读者都能轻松创建引人入胜的数据可视化图表,使数据分析变得既直观又有趣。
48 14
|
4天前
|
算法 Python
揭秘!Python数据魔术师如何玩转线性回归,让你的预测精准到不可思议
【9月更文挑战第13天】在数据科学领域,线性回归以其优雅而强大的特性,将复杂的数据关系转化为精准的预测模型。本文将揭秘Python数据魔术师如何利用这一统计方法,实现令人惊叹的预测精度。线性回归假设自变量与因变量间存在线性关系,通过拟合直线或超平面进行预测。Python的scikit-learn库提供了简便的LinearRegression类,使模型构建、训练和预测变得简单直接。
15 5
|
6天前
|
存储 算法 测试技术
预见未来?Python线性回归算法:数据中的秘密预言家
【9月更文挑战第11天】在数据的海洋中,线性回归算法犹如智慧的预言家,助我们揭示未知。本案例通过收集房屋面积、距市中心距离等数据,利用Python的pandas和scikit-learn库构建房价预测模型。经过训练与测试,模型展现出较好的预测能力,均方根误差(RMSE)低,帮助房地产投资者做出更明智决策。尽管现实关系复杂多变,线性回归仍提供了有效工具,引领我们在数据世界中自信前行。
20 5
|
6天前
|
机器学习/深度学习 数据挖掘 TensorFlow
🔍揭秘Python数据分析奥秘,TensorFlow助力解锁数据背后的亿万商机
【9月更文挑战第11天】在信息爆炸的时代,数据如沉睡的宝藏,等待发掘。Python以简洁的语法和丰富的库生态成为数据分析的首选,而TensorFlow则为深度学习赋能,助你洞察数据核心,解锁商机。通过Pandas库,我们可以轻松处理结构化数据,进行统计分析和可视化;TensorFlow则能构建复杂的神经网络模型,捕捉非线性关系,提升预测准确性。两者的结合,让你在商业竞争中脱颖而出,把握市场脉搏,释放数据的无限价值。以下是使用Pandas进行简单数据分析的示例:
20 5
|
6天前
|
存储 安全 算法
RSA在手,安全我有!Python加密解密技术,让你的数据密码坚不可摧
【9月更文挑战第11天】在数字化时代,信息安全至关重要。传统的加密方法已难以应对日益复杂的网络攻击。RSA加密算法凭借其强大的安全性和广泛的应用场景,成为保护敏感数据的首选。本文介绍RSA的基本原理及在Python中的实现方法,并探讨其优势与挑战。通过使用PyCryptodome库,我们展示了RSA加密解密的完整流程,帮助读者理解如何利用RSA为数据提供安全保障。
19 5
|
7天前
|
数据采集 数据挖掘 数据处理
使用Python和Pandas处理CSV数据
使用Python和Pandas处理CSV数据
31 5