Home

This is a implementation of High Dimensional Neural Network Potential (HDNNP) designed to reproduce Density Function Theory (DFT) calculation effectively with high flexibility, reactivity.
本プログラムはDensity Function Theory (DFT)計算を高い適用性、反応性を有しつつも効率良く実行させるために、High Dimensional Neural Network Potential (HDNNP)手法を適用したものである。

---

Part I: Preparing Environment (環境構築)

1. Install Pyenv
   -- Pyenvをインストール --
2. Install Python on Pyenv
   -- Pyenv仮想環境にPythonをインストール --
3. Install necessary packages and Build hdnnpy
   -- 必要なパッケージをインストールしhdnnpyをビルド --
   (3-1) Install by Pipenv => Recommended
   ---- Pipenvによるインストール（推奨） ----
   (3-2) Manual install by Pip
   ---- Pipによるマニュアルインストール ----
4. Appendix (補足)

• Detail (English) =>
  詳細 (日本語) =>

Part II: Running hdnnpy (hdnnpyの実行)

hdnnpy has 3 running mode : Train/Predict/Convert
-- hdnnpyには３つの実行モード（Train/Predict/Convert）あり --

1. Train (学習)
   [Train a HDNNP to optimize energies and/or forces]
   -- [エネルギー and/or 力を最適化するHDNNPの学習] --
   Step-1. Pre-processing: Prepare XYZ file
   -- 事前処理：XYZファイルの準備 --
   Step-2. Edit training_config.py
   -- training_config.pyの編集 --
   Step-3. Run hdnnpy train
   -- hdnnpy trainの実行 --

2. Predict (予測)
   [Predict energies and/or forces for atomic structures using trained HDNNP]
   -- [学習されたHDNNPを使用した原子構造に対するエネルギー and/or 力の予測] --
   Step-1. Edit prediction_config.py
   -- prediction_config.pyの編集 --
   Step-2. Run hdnnpy predict
   -- hdnnpy predictの実行 --

3. Convert (変換)
   [Convert output file of training to specific format file]
   -- [Trainingの出力ファイルを特定フォーマットのファイルに変換]--
   Step-1. Run hdnnpy convert
   -- hdnnpy convertの実行 --

4. Appendix (補足)

• Detail (English) =>
  詳細 (日本語) =>