Jinzhe Zeng's Blog

上回说到，去年夏天，导师收到了JCP Special Topic: Modern Semiempirical Electronic Structure Methods的邀稿，但是迟迟没决定写什么。到了10月下旬，JCP把deadline延长到了11月30日，这时他的想法是，写一篇Perspective来总结过去的工作，并把我上一篇文章的一些数据拆了出来，放到这篇文章里。但是到了11月下旬，我把上一篇文章投出去以后，导师又决定，改成一篇benchmark的文章，在QDπ已经benchmark的一大堆机器学习和半经验方法数据的基础上，再benchmark两个方法的数据，最后再得出结论，半经验+机器学习联用的精度最好，QDπ的精度最好。

上兵伐谋

上回说道，2020年春，DPRc被设计出来，并应用于一个简单的RNA自催化体系中。这以后，DPRc的两个后续研究方向也明确下来，其一，是将DPRc应用到溶液反应的自由能计算中，包括组里在搞的几个RNA催化体系；其二，便是将DPRc应用到药物发现中，预测溶液中药物的结合自由能，将其拆成QM/QM模型和QM/MM作用模型，分别训练。

经过很长很长的审稿和出版周期，我的第一篇book chapter终于在9月20日前后随书出版了。

书章的主体部分在去年就完成了，后来经过数轮审稿和修改，最终定稿。章节主要分为两部分，前半部分介绍了一些不同类型的neural network potentials，可以在论文的introduction部分引用，后半部分是之前甲烷燃烧工作的介绍和tutorial，从仓库下载输入文件后，可以在没有看过书的情况下快速体验。

前置论文：

• 我的第一篇论文
• 我的第二篇论文
• 我的第三篇论文

序幕·负笈担簦

时间回到两年前的夏天，我离家数万里，与套磁已久的Darrin M. York会晤，相谈甚欢。按照安排，第一学期分为两个rotation，两个rotation结束后才选择导师。当然，这种安排对于我们来说，只是一个形式，我和Darrin约定在第二个rotation会合。

我的第一个rotation找到了Lu Wang，完成了一个新手级别的任务；第二个rotation期间则没有任何任务，按照Darrin的说法，rotation只是用来“感受课题组氛围”的形式。总体来说，rotation设立的初衷是好的，可以感受到不同课题组的氛围，但是由于时间过短，无法体验到真正的课题，总有一点虚度光阴的意味。在此期间，我的精力就放在了第三篇论文中。

时至2021年8月，从大三算起，我从事科研工作也快满四年了。四年来，我也用过不少计算软件，它们无一例外都有一些通病，一是文档写得极差，遇到不属于bug的错误总要手动搜索答案，形成了“软件使用经验”的壁垒，有些软件甚至催生了不少第三方论坛、博客、培训机构提供教程，形成了完整的产业链；二是对于开源项目来说，注释和开发文档几乎没有，看代码只能靠猜，给二次开发带来了极大障碍。

原先，DeePMD-kit也存在着这样的问题。当年我还是DeePMD-kit的用户时，就常常为了理解代码背后的逻辑而被折磨得痛不欲生。虽然解决这个问题需要付出的努力很多，但不积跬步，无以至千里；不积小流，无以成江海。这一问题仍需要去推动、去解决。v2.0.0对这个问题进行了针对性优化，虽然仍有很多欠缺之处，但是用林峰的一句话来说，算是“小学毕业”了。

两周前，经过一周的努力，我终于成功编译了TensorFlow 2.5。在TF 2.5中，我亲自参与的#43951得到了修复。但众所周知，TensorFlow每个新版本都会更新一些bug，TF2.5更新了6个新bug！

今年，组里申到了Longhorn约二十万V100机时。Longhorn是Texas Advanced Computing Center（TACC）前年建成的超算，建成那年在TOP500排名120，不过目前已经下滑到228了，可见现在的硬件迭代速度飞快。这么多机时，它的队列又是空空荡荡的，那当然要尝试一下。尝试了两周，解决了两个很坑的问题，终于跑通了。

第一个问题是，Longhorn开了强制两步认证，登录时即使设置了密钥，仍会受到以下提示：

To access the system:

1. If not using ssh-keys, please enter your TACC password at the password prompt
2. At the TACC Token prompt, enter your 6-digit code followed by.

(*****@longhorn.tacc.utexas.edu) TACC Token Code:

根据用户手册，我们需要下载一个名为TACC Token的App，扫码获取这个Token Code。

乍看起来，这确实是WorkFlow的噩梦。当我们同时运行十几个甚至几十个WorkFlow时，可能随时都会发生登录事件，让程序去等待人类（可能在睡觉，可能在躺平，甚至可能不可描述）去输token，实在是不可接受的。

但是仔细一看，这个token，其实就是已经成为通用标准的“基于时间的一次性密码算法”（Time-based One-time Password，TOTP）。所谓TOTP，就是基于预设密钥和当前时间戳生成token的算法，维基百科的介绍如下：

扫描二维码，会得到形如这样的地址：

otpauth://totp/njzjz%3Anjzjz?secret=这里有一串密钥&issuer=TACC

secret后面的就是base32以后的密钥，可以用base64.b32decode(secret)进行解码；时间戳可以从time.time()得到；而TOTP算法所需的HMAC算法，则是Python内置的。因此我们生成TOTP的代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

def generate_totp(secret: str, period: int=30, token_length: int=6) -> int:
    """Generate time-based one time password (TOTP) from the secret.
    Some HPCs use TOTP for two-factor authentication for safety.
    Parameters
    ----------
    secret: str
        The encoded secret provided by the HPC. It's usually extracted
        from a 2D code and base32 encoded.
    period: int, default=30
        Time period where the code is valid in seconds.
    token_length: int, default=6
        The token length.
    
    Returns
    -------
    token: int
        The generated token.
    """
    timestamp = time.time()
    counter = int(timestamp) // period
    msg = struct.pack('>Q', counter)
    digest = hmac.new(base64.b32decode(secret), msg, hashlib.sha1).digest()
    ob = digest[19]
    pos = ob & 15
    base = struct.unpack('>I', digest[pos:pos + 4])[0] & 0x7fffffff
    token = base % (10**token_length)
    return str(token).zfill(token_length)

得到了TOTP的密钥后，我们把它喂给paramiko的password参数，这个问题就算解决了！

去年，DeePMD-kit的开发者意识到了文档的重要性，给输入的JSON文件input.json的所有参数添加了相应的文档。为了实现这一重要目标，Yixiao将配置参数抽象成了dargs.Arugenment和dargs.Variant类，每个Arugenment类代表一个参数，类的属性里还有允许类型、文档、允许的子Argument等信息；Variant则表示不同的配置变种，例如local_frame描述符和se_e2_a描述符。就在此时，我们看到Sion Wang吐槽过DeePMD-kit缺少文档，用起来是最痛苦的。

除了文档以外，我们也意识到，一个优秀的用户界面（user interface，UI）也可以大幅度提升用户体验。JSON文件是一种对程序友好却反人类的语言，常常看到有用户这里多一个逗号、那里少一个逗号。我们也发现，有时用户也会把参数写错位置，却不知错在哪里。例如，在下面节选的参数中，type_map是model的子参数，但有用户把type_map放在model之前，使其无法被正确读取。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

  
{
    "model": {
	"type_map":	["O", "H"],
	"descriptor" :{
	    "type":		"se_e2_a",
	    "sel":		[46, 92],
	    "rcut_smth":	0.50,
	    "rcut":		6.00,
	    "neuron":		[25, 50, 100],
	    "resnet_dt":	false,
	    "axis_neuron":	16,
	    "seed":		1
	},
	"fitting_net" : {
	    "neuron":		[240, 240, 240],
	    "resnet_dt":	true,
	    "seed":		1
	}
    }
}

因此，我常常想着能否为用户提供一个图形界面（graphical user interface，GUI），生成这些JSON文件。很多科学计算软件都只有命令行界面（command line interface，CLI），GUI位于鄙视链的最末端，但我认为应该给新手提供更加友好的环境。

上周，我想到了一个绝妙的idea，立即在开发群里提出，获得了其它开发者的赞同：

今天dev通道推送了Windows 11 Insider Preview 22000，赶紧体验一把。

界面

底下的任务栏，图标跑到了中间。二屏的任务栏被砍了（好像只是个bug）。

PS：右下角并未出现水印。

完全变样的开始菜单。

搜索框跑到了最上面。

似曾相似的“小组件”。

通知和日历。

操作栏。

文件资源管理器。

Microsoft Store。并没有发现什么新app。

设置。

系统→关于。

新增功能
根据更新日志，好像没有增加什么有用的功能。。。

组里拨科研经费新入了16块3090，正好用3090测试一下深度学习势能+分子动力学模拟（MD）的性能。

程序版本：DeePMD-kit 2.0.0.b0 双精度^[1][2]，TensorFlow 2.4.1，CUDA Toolkit 11.1，LAMMPS 29Oct2020

测试结果

测试样本为examples中的水，模型为se_e2_a。

可以看出，在上述测试案例中，3090的双精度性能较2080Ti有较大提升，但仍落后于V100和P100等专业计算显卡。当然，考虑到计算卡的价格也是3090的数倍，3090仍是不错的选择。