iap_dft_dataset_strategy
IAP+DFT Dataset — стратегический бриф для Perelman
Created: 2026-04-06T03:10 MSK | Worker auto
Context: Ответ на вопрос Данила Шерки (27 мар 18:11): “на нашей стороне?”
Что такое шаг 1 Perelman
Шаг 1 = создание датасета молекулярных конфигураций для обучения/валидации:
- IAP расчёты: запуск предобученных MACE/M3GNet моделей на наборах структур → быстрые (секунды/структуру), cheap
- DFT расчёты: ab initio расчёты энергий/сил (VASP/Quantum ESPRESSO) → медленные (часы/структуру), точные, дорогие CPU/GPU
- Выход: (структура, E_iap, F_iap, E_dft, F_dft) пары → обучение accuracy-correction модели
Разделение ответственности — три варианта
Вариант A: AI4S делает всё (≈ 2-4 нед командного времени)
Задачи: pipeline MACE/ASE → конфигурации → DFT submission → парсинг → датасет
Плюсы: полный контроль качества, можно итеративно улучшать
Минусы: нужны: (1) исходные структуры от физиков, (2) DFT лицензия/VASP, (3) HPC-кластер для DFT
Реальность: DFT расчёты требуют VASP (~$10K лицензия) или кластерного времени — у Квашнина (IOCP) есть. Шаг зависит от физиков.
Вариант B: AI4S pipeline + физики делают DFT (рекомендуется)
AI4S: pipeline для IAP-расчётов (MACE+ASE, у нас есть GPU-сервер), конфигурационная сетка, парсинг результатов, финальный датасет
Физики (IOCP/Квашнин): DFT submission (у них есть VASP + кластер), передача результатов AI4S
Плюсы: разумное разделение по компетенциям, быстро, без дублирования инфраструктуры
Коммуникация: нужен MOU/договорённость с Квашниным — что и когда передаёт
Вариант C: AI4S только валидирует готовый датасет от физиков
AI4S: получает готовый датасет, проверяет качество, строит модели
Плюсы: минимальная работа, быстро в production
Минусы: полная зависимость от физиков по срокам и качеству данных; непонятно кто несёт ответственность
Ресурсы
| Инструмент | Где есть | Примечания |
|---|---|---|
| MACE | ai4s-dev (GPU) ✅ | pretrained, есть pip пакет |
| ASE | ai4s-dev ✅ | python env, стандарт |
| LAMMPS | нужно установить | через Квашнина или GPT-сервер |
| VASP (DFT) | IOCP/Квашнин ✅ | нужна договорённость |
| HPC кластер | IOCP или Сколтех | DFT дорогой без кластера |
Рекомендация
Вариант B — наиболее реалистичен и правильно делит работу по компетенциям.
Конкретно отвечая на вопрос Шерки: ДА, мы делаем IAP-часть (pipeline MACE+ASE, конфигурационная сетка, парсинг, финальный датасет). DFT-часть — через Квашнина (у него инфраструктура, мы уже ответили на его вопрос про GPU-сервер).
Шаги для Данила Шерки
- Ответить Шерки: “Да, AI4S берёт IAP pipeline + финальный датасет. DFT-расчёты через Квашнина (IOCP) — у них VASP и кластер. Нужно договориться с Квашниным о формате данных.”
- Написать Квашнину: уточнить что он может предоставить (DFT структуры каких материалов, в каком объёме, в каком формате — OUTCAR/vasprun.xml)
- Шерки: разработать MACE+ASE pipeline для IAP-расчётов (скрипт: загрузить структуры → запустить MACE → сохранить energies/forces)
- Milestone: готовый тестовый датасет из 1000 структур Li-ion материала → первый training run
Феанор worker, 2026-04-06. Для вопросов по Perelman project — см. Strategy/projects/Perelman.md