1. 引言aiida-inq 是一个基于 AiiDA 工作流框架的 Python 包专门用于高通量第一性原理计算与材料性质分析。它把密度泛函理论计算、数据管理和结果后处理封装成可复用的工作流帮助科研人员以声明式方式组织计算任务并自动记录计算 provenance数据血缘。本文将从功能、安装、语法、参数、9 个实际应用案例以及常见错误与注意事项六个方面系统介绍 aiida-inq 的使用方法。2. 核心功能aiida-inq 的核心功能可以概括为以下五个方面工作流封装将结构优化、自洽计算、态密度、能带、弹性常数等常见 DFT 任务封装为 AiiDA 工作流支持链式调用与并行调度。数据管理基于 AiiDA 的 provenance 图自动记录输入结构、参数、输出结果之间的依赖关系实现计算全流程可追溯。多后端支持默认对接 Quantum ESPRESSO同时支持通过插件机制扩展至 VASP、CP2K 等计算引擎。结果后处理内置能带插值、态密度投影、弹性张量分析等后处理工具可直接生成科研图表所需数据。可复现性所有计算参数、伪势版本、k 点网格均以节点形式存入数据库便于复现与共享。3. 安装与环境配置3.1 环境要求aiida-inq 要求 Python 3.9 及以上版本并依赖 AiiDA 2.x 核心库。建议使用 conda 或 venv 创建独立环境避免与系统 Python 冲突。conda create -n aiida-inq python3.10 conda activate aiida-inq3.2 安装 aiida-inq推荐通过 pip 从 PyPI 安装稳定版本pip install aiida-inq如果需要使用开发版本或最新特性可以直接从 GitHub 仓库安装pip install githttps://github.com/inq-ai/aiida-inq.gitmain3.3 初始化 AiiDA 配置文件安装完成后需要初始化 AiiDA 的配置文件与数据库aiida-inq setup verdi profile list上述命令会创建默认 profile并启动本地 SQLite 数据库用于存储计算节点。3.4 配置计算资源aiida-inq 通过 AiiDA 的 code 与 computer 机制管理远程计算资源。以配置本地 Quantum ESPRESSO 为例verdi computer create -L localhost -H localhost -T local -S direct local_computer verdi computer configure local_computer verdi code create core.code.installed --label pw.x --computer local_computer --filepath /usr/bin/pw.x4. 基本语法与参数说明4.1 工作流入口aiida-inq 提供统一的InqWorkflow入口类用户通过声明式字典传入计算参数from aiida_inq import InqWorkflow from aiida.orm import StructureData builder InqWorkflow.get_builder() builder.structure StructureData(aseatoms) builder.parameters { functional: PBE, kpoints_mesh: [4, 4, 4], cutoff_wfc: 40.0, cutoff_rho: 160.0, } builder.code pw.xlocal_computer result builder.submit().wait()4.2 常用参数说明参数名类型默认值说明functionalstrPBE交换关联泛函支持 PBE、PBEsol、LDA 等kpoints_meshlist[int][4,4,4]Monkhorst-Pack k 点网格cutoff_wfcfloat40.0波函数截断能单位 Rycutoff_rhofloat160.0电荷密度截断能单位 RypseudosdictNone元素到伪势文件的映射smearingstrNone展宽方法如 gaussian、mpdegaussfloat0.01展宽宽度单位 Ryprotocolstrfast计算精度协议fast、moderate、precise4.3 工作流类型aiida-inq 内置多种工作流类型通过workflow_type参数指定scf自洽场计算输出总能量与电荷密度。relax结构优化支持原子位置与晶胞参数弛豫。bands能带结构计算沿高对称路径采样。dos态密度计算支持投影到原子轨道。elastic弹性常数计算输出完整弹性张量。5. 9 个实际应用案例案例 1单点自洽计算SCF以硅晶体为例计算其基态总能量from aiida_inq import InqWorkflow from ase.build import bulk atoms bulk(Si, diamond, a5.43) builder InqWorkflow.get_builder() builder.structure StructureData(aseatoms) builder.parameters { workflow_type: scf, functional: PBE, kpoints_mesh: [6, 6, 6], cutoff_wfc: 40.0, cutoff_rho: 160.0, } builder.code pw.xlocal_computer result builder.submit().wait() print(Total energy:, result.outputs.total_energy.value)案例 2结构优化Relax对水分子进行几何优化获取平衡构型from ase.build import molecule atoms molecule(H2O) builder InqWorkflow.get_builder() builder.structure StructureData(aseatoms) builder.parameters { workflow_type: relax, relax_type: atoms, max_steps: 100, force_convergence: 0.01, } builder.code pw.xlocal_computer result builder.submit().wait() optimized result.outputs.relaxed_structure.get_ase() print(Optimized bond length:, optimized.get_distance(0, 1))案例 3能带结构计算Bands计算硅沿高对称路径的能带builder.parameters { workflow_type: bands, bands_path: G-X-W-K-G-L-W, } result builder.submit().wait() bands result.outputs.bands print(Number of bands:, len(bands.bands[0]))案例 4态密度计算DOS计算铁磁体镍的投影态密度from ase.build import bulk atoms bulk(Ni, fcc, a3.52) builder.parameters { workflow_type: dos, projected: True, dos_energy_max: 10.0, dos_energy_min: -10.0, } result builder.submit().wait() pdos result.outputs.projected_dos print(Projected DOS shape:, pdos.get_array(projected))案例 5弹性常数计算Elastic计算立方晶系铜的弹性常数atoms bulk(Cu, fcc, a3.61) builder.parameters { workflow_type: elastic, strain_range: 0.01, strain_steps: 5, } result builder.submit().wait() elastic result.outputs.elastic_tensor print(C11:, elastic.get_value(C11))案例 6批量扫描晶格常数通过循环提交多个 SCF 任务扫描不同晶格常数下的能量energies [] for a in [5.30, 5.40, 5.50]: atoms bulk(Si, diamond, aa) builder InqWorkflow.get_builder() builder.structure StructureData(aseatoms) builder.parameters {workflow_type: scf, kpoints_mesh: [6, 6, 6]} builder.code pw.xlocal_computer result builder.submit().wait() energies.append((a, result.outputs.total_energy.value)) print(energies)案例 7异质结界面建模与优化构建 Al/GaAs 异质结并优化界面结构from ase.build import fcc111, add_adsorbate slab fcc111(Al, size(2, 2, 4), vacuum10.0) add_adsorbate(slab, GaAs, height2.0, positionontop) builder.parameters { workflow_type: relax, relax_type: atoms, kpoints_mesh: [4, 4, 1], } result builder.submit().wait() print(Interface energy:, result.outputs.total_energy.value)案例 8表面吸附能计算计算 CO 分子在 Pt(111) 表面的吸附能from ase.build import fcc111, add_adsorbate from ase import Atoms slab fcc111(Pt, size(3, 3, 3), vacuum12.0) co Atoms(CO, positions[[0, 0, 0], [0, 0, 1.2]]) add_adsorbate(slab, co, height2.0, positionontop) builder.parameters {workflow_type: relax, kpoints_mesh: [4, 4, 1]} result builder.submit().wait() E_ads result.outputs.total_energy.value - E_slab - E_co print(Adsorption energy:, E_ads)案例 9高通量筛选二元合金批量计算不同组分比例的 Cu-Au 合金形成能from ase.build import bulk from ase import Atoms for x in [0.25, 0.5, 0.75]: atoms bulk(Cu, fcc, a3.61) atoms[0].symbol Au if x 0.5 else Cu builder InqWorkflow.get_builder() builder.structure StructureData(aseatoms) builder.parameters {workflow_type: scf, kpoints_mesh: [6, 6, 6]} result builder.submit().wait() print(fx{x}: E{result.outputs.total_energy.value:.3f} eV)6. 常见错误与使用注意事项6.1 常见错误错误信息可能原因解决方案ProfileNotFoundError未初始化 AiiDA profile运行aiida-inq setupCodeNotFoundError计算 code 未注册使用verdi code create注册CutoffWarning截断能过低提高 cutoff_wfc 或使用 protocolpreciseKpointsMeshErrork 点网格格式错误确保传入长度为 3 的整数列表ConvergenceErrorSCF 未收敛增大 max_iterations 或调整 smearing6.2 使用注意事项伪势一致性同一研究项目中应统一伪势版本避免因伪势差异导致结果不可比。k 点收敛测试正式批量计算前建议先对 k 点网格和截断能做收敛性测试。数据库备份AiiDA 数据库存储全部计算记录建议定期备份防止数据丢失。并行资源管理提交大量任务时注意远程计算资源的并行槽位限制避免排队阻塞。版本兼容aiida-inq 依赖 AiiDA 2.x升级 AiiDA 前需确认 aiida-inq 的兼容版本。结果验证对关键计算结果建议与文献值或实验数据交叉验证确保物理合理性。7. 总结aiida-inq 通过声明式工作流和自动化数据管理显著降低了高通量 DFT 计算的复杂度。本文覆盖了其核心功能、安装配置、语法参数、9 个典型应用案例以及常见错误处理。建议读者从 SCF 和 Relax 两个基础工作流入手逐步扩展到能带、弹性常数等高级计算并结合 AiiDA 的 provenance 机制建立规范的计算数据管理习惯。《动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章前6章涵盖深度学习基础包括张量运算、神经网络原理、数据预处理及卷积神经网络等后5章进阶探讨图像、文本、音频建模技术并结合Transformer架构解析大语言模型的开发实践。书中通过房价预测、图像分类等案例讲解模型构建方法每章附有动手练习题帮助读者巩固实战能力。内容兼顾数学原理与工程实现适配PyTorch框架最新技术发展趋势。