sannp.propの書式¶

sannp.propのテンプレートは、 sannp --temp で出力できます。

行頭が#または!の行はコメントとして扱われます。

restart

デフォルト:	0

0の場合、最初から学習を実行します。1の場合、ニューラルネットワークの情報をsannp.data、sannp.data_eまたはsannp.data_qから読み込み、学習を再開します。

insituTest

デフォルト:	0

1の場合、学習中の各epochで、テストデータに対するRSMEを計算して出力するin-situテストを行います。0の場合、in-situテストを行いません。

withCharge

デフォルト:	0

電荷の計算を行う(1)か行わない(0)かの指定です。

withHDNNP

デフォルト:	1

系全体のエネルギーを教師データとするHDNNP法を使う(1)か、各原子に分割したエネルギーを教師データとするSANNP法を使う(0)かの指定です。

withClassical

デフォルト:	0

ニューラルネットワーク力場のみを使う(0)か、古典力場とニューラルネットワーク力場を組み合わせたΔ-NNPを使う(1)かの指定です。

directSF

デフォルト:	-1

対称関数の正規化をミニバッチ内で行う(1)か、サンプル全体で行う(0)かの指定です。負の値を指定した場合、Behler対称関数ならサンプル全体、Many-Body対称関数ならミニバッチ内になります。

maxForce

デフォルト:	10.0

教師データに含まれる、力が大きすぎる外れ値を除外するための閾値(eV/Å)です。0以下の値を指定した場合、除外を行いません。

minEDev

デフォルト:	0.5

原子のエネルギーの正規化に使う分散の下限値(eV)を指定します。

minQDev

デフォルト:	0.1

原子の電荷の正規化に使う分散の下限値(e)を指定します。

symmFunc

デフォルト:	chebyshev

対称関数を指定します。behler、chebyshev、many-bodyが指定できます。

elemWeight

デフォルト:	1

重み付き対称関数を使う(1)か、使わない(0)かの指定です。Behler対称関数、Chebyshev対称関数で使用可能です。

tanhCutoff

デフォルト:	0

カットオフ関数 $f_c(R_{ij})$ としてtanhを使った関数を使う(1)か、cosを使った関数を使う(0)かの指定です。

m2

デフォルト:	100

Many-Body対称関数のパラメータ M₂ です。

m3

デフォルト:	10

Many-Body対称関数のパラメータ M₃ です。

rinner

デフォルト:	0.0

Many-Body対称関数のパラメータ R_inner (Å)です。

router

デフォルト:	6.5

Many-Body対称関数のパラメータ R_outer (Å)です。

numRadius

デフォルト:	20

Chebyshev対称関数の動径成分の数を指定します。

numAngle

デフォルト:	20

Chebyshev対称関数の角度成分の数を指定します。

rcutRadius

デフォルト:	6.5

Chebyshev対称関数の動径成分のカットオフ距離 R_c (Å)を指定します。

rcutAngle

デフォルト:	6.5

Chebyshev対称関数の角度成分のカットオフ距離 R_c (Å)を指定します。

layers

デフォルト:	2

ニューラルネットワークの隠れ層の層数です。

nodes

デフォルト:	30

ニューラルネットワークのノード数です。

activ

デフォルト:	twtanh

ニューラルネットワークの活性化関数です。asis（使用しない）、sigmoid、tanh、twtanh(twisted tanh)、eLU、GELUが指定できます。

lbfgs

デフォルト:	32

学習時の最適化アルゴリズムの指定です。0を指定すると、Adam法を使用します。1以上の値を指定すると、その値を履歴数とするL-BFGS法を使用します。

lineSearch

デフォルト:	more-thuente

L-BFGS法で使用する直線探索のアルゴリズムです。more-thuente、armijo、wolfe、strong-wolfeが指定できます。

lineSteps

デフォルト:	32

L-BFGS法で使用する直線探索の試行回数の最大値です。

batchs

デフォルト:	0

学習時のミニバッチサイズです。0以下の値を指定した場合、ミニバッチは使用せず、フルバッチ（サンプル全体）で学習を行います。

epochs

デフォルト:	5000

学習時の繰り返し回数(epoch)の上限です。

epochsStore

デフォルト:	1000

学習中にニューラルネットワークのデータをファイルに保存する間隔を設定します。0以下の値を設定すると終了時のみ保存します。

epochsOnlyE

デフォルト:	250

学習時の繰り返し回数(epoch)がこの数字より小さいうちはエネルギーのみを使って学習を行います。それ以降はエネルギーと原子に働く力の両方を使って学習を行います。

epochsApproxF

デフォルト:	500

エネルギーから原子に働く力の誤差を計算する際、繰り返し回数(epoch)がこの数字より小さいうちはDouble Backward法による近似的な微分法を使います。それ以降は厳密に微分を計算します。

sqrtLoss

デフォルト:	0

損失関数のスケール係数を絶対値で設定する(1)か、2乗値で設定する(0)かの指定です。

renormLoss

デフォルト:	0

損失関数の正規化を行う(1)か行わない(0)かの指定です。

approxForce

デフォルト:	0

エネルギーから原子に働く力の誤差を計算する際、epochsApproxFを使って近似的な微分と厳密な微分を切り替える(0)か、常に近似的な微分法を使う(1)か設定します。

rmseEnergy

デフォルト:	0.01

学習が収束したか判定するためのエネルギー残差(RMS)の閾値(eV/atom)です。

rmseForce

デフォルト:	0.10

学習が収束したか判定するための力の残差(RMS)の閾値(eV/Å)です。

rmseCharge

デフォルト:	0.01

学習が収束したか判定するための電荷の残差(RMS)の閾値(e)です。

coefEnergy

デフォルト:	1.00

エネルギーの損失関数のスケール係数(1/eV または 1/eV²)です。

coefForce

デフォルト:	1.00

力の損失関数のスケール係数(Å/eV または (Å/eV)²)です。

coefCharge

デフォルト:	1.00

電荷の損失関数のスケール係数(1/e または 1/e²)です。

learnRate

デフォルト:	1.0e-4

学習率の初期値です。

learnRateFinal

デフォルト:	1.0e-4

学習率の下限値です。

learnRateDecay

デフォルト:	0.9999

学習率の減衰率です。

adamBeta1

デフォルト:	0.9

学習時のハイパーパラメータ（Adam法のβ₁）です。

adamBeta2

デフォルト:	0.999

学習時のハイパーパラメータ（Adam法のβ₂）です。

classicalTry

デフォルト:	64

Δ-NNPで使用する古典力場を最適化する際の繰り返し回数の上限です。

classicalLower

デフォルト:	-50.0

Δ-NNPで使用する古典力場を最適化する際、ここで指定した値(eV)よりも小さいエネルギーが現れにくくなるように、ペナルティ関数を適用して最適化します。

endProperty: 以降のファイル内容はコメントとして扱われます。