从零开始安装CP2K 8.1 (patched with PLUMED)

CP2K安装的方法有很多（我们曾分享过CP2K 5.1版本的安装及简单介绍），笔者最近尝试在课题组新买的服务器上从源码编译安装CP2K，过程中遇到了各种问题。根据这次安装的经验，在此笔者想和大家分享如何从零开始安装CP2K（支持PLUMED）。

在正式介绍软件的安装之前，请容许笔者啰嗦几句。CP2K最为突出的特征是其在周期性体系的Ab-initio MD或者DFT-MD模拟时，计算速度真的非常快。在此笔者想重点推荐的是PLUMED软件（https://www.plumed.org/）, PLUMED到底是个玩意儿呢？官方对其描述如下：

PLUMED是一个非常有用的开源软件，笔者用得最多的就是通过PLUMED来实现各种增强采样模拟及数据分析。一些主流的增强采样方法如Metadynamics、Umbrella sampling以及Basin hopping，都可以通过PLUMED软件来实现。同时，一些最新开发的增强采样方法，如Michele Parrinello和Michele Invernizzi于2020年开发的OPES (On-the-fly Probability Enhanced Sampling Method, Phys. Rev. X, 10, 041034 (2020) )方法，也在最新版本的PLUMED(V2.7.1)中有实时更新。笔者认为OPES是非常有效的增强采样方法，在某些情况下比Metadynamics方法更强大，感兴趣的朋友可以去试试。此外，PLUMED能和当前很多非常流行的MD模拟软件对接，如Amber、GROMACS、LAMMPS、CP2K等。希望以后有机会可以和大家分享一些PLUMED的相关内容。

回归正题，来介绍CP2K的安装（联网安装）。

一、笔者所用安装环境：

• OS：Ubuntu 20.04
• MPI：OpenMPI 4.0.3
• GCC：9.3.0

二、下载 CP2K 8.1.0 源代码：

git clone https://github.com/cp2k/cp2k.git -b v8.1.0 

或者

wget https://github.com/cp2k/cp2k/releases/download/v8.1.0/cp2k-8.1.tar.bz2

笔者曾尝试安装CP2K 7.1.0，但遇到了一些奇怪的问题，所以直接跳转到更新版本的CP2K 8.1.0。

三、安装CP2K 8.1.0

1. toolchain安装各种库文件

cd $your-cp2k-folder/tools/toolchain 
./install_cp2k_toolchain.sh --with-plumed=system

采用toolchain来安装编译CP2K所需的各种库文件是最简单省事的，还可以根据自己的需求安装各种插件（如PLUMED），强烈推荐！！！

执行

./install_cp2k_toolchain.sh  -h

我们可以查看toolchain的默认设置，它分为三种情况，可以根据自己的需求修改：

--with-PKG= system: toolchain自动在环境路径里寻找库文件；
--with-PKG= install：toolchain自动联网下载（$PWD/build）安装库文件（$PWD/install）；
--with-PKG= no：toolchain自动跳过该库文件

读者也可以将“--with-plumed=system“改成“--with-plumed=install”，这样toolchain会自动安装PLUMED（你就不需要事先安装了）, 但toolchain安装的PLUMED (V2.6.2）不是最新版本，不能满足笔者的计算需求，所以笔者采用了事先安装好的PLUMED（V2.7.1）（后续笔者会跟大家分享PLUMED的安装及使用）。

这一步通常需要运行很长的时间（耐心等待就好），也是安装CP2K最困难的一步，以下几点读者可能需要注意：

(1) 默认情况下同时存在下列三个选项：--with-openmpi=system; --with-mpich=system和--with-intelmpi=system，但OpenMPI、MPICH 和Intel MPI这三种并行环境读者只需选择其中的一种，不要在安装过程中有多个并行工具的环境变量同时生效，否则在最后的编译过程可能会出问题。如果你的服务器上最初没有安装并行工具，也可以使用--with-openmpi=install或者--with-mpich=install让toolchain自动安装（笔者机器事先安装了OpenMPI 4.0.3）。

(2) 读者可以通过添加“--math-mode=mkl --with-scalapack=no”来让CP2K调用MKL数学库。据说使用intel MKL库的计算速度会比默认的调用openblas和scalapack库更快。但笔者测试了一些体系，基本没啥差别，所以如果你嫌安装MKL库麻烦，也可以直接使用默认设置。使用Intel MKL库时需事先安装并导入MKL的环境变量：

source /opt/intel/compilers_and_libraries/linux/mkl/bin/mklvars.sh intel64
export LD_LIBRARY_PATH='/opt/intel/compilers_and_libraries/linux/mkl/lib/intel64':$LD_LIBRARY_PATH

Intel MKL的安装可以参见《Linux下安装Intel oneAPI》一文。

(3) 如果编译elpa时出现问题，可以尝试将以下两行代码添加到scripts/install_elpa.sh的第84行（../configure）后。如果仍失败，则可直接使用“--with-elpa=no”。

SCALAPACK_LDFLAGS="-L$MKL_HOME/lib/intel64-lmkl_scalapack_lp64 -lmkl_gf_lp64 -lmkl_sequential \ 
-lmkl_core -lmkl_blacs_intelmpi_lp64 -lpthread -lm -Wl,-rpath,$MKL_HOME/lib/intel64"  
SCALAPACK_FCFLAGS="-L$MKL_HOME/lib/intel64 -lmkl_scalapack_lp64-lmkl_gf_lp64 -lmkl_sequential \ 
-lmkl_core -lmkl_blacs_intelmpi_lp64 -lpthread -lm -I$MKL_HOME/include/intel64/lp64

2. CP2K的编译

cd $your-cp2k-folder/tools/toolchain/
cp install/arch/* ../../arch/
source install/setup 
cd ../../
make -j 12 ARCH=local VERSION=psmp

在此笔者只编译了psmp版本，但在$your-cp2k-folder/exe/local文件夹下，同时生成了cp2k.psmp和cp2k.popt。psmp和popt 两者都支持MPI跨节点并行，其中psmp采用MPI+OpenMP混编。对于笔者的体系，单纯使用MPI的并行效率更高（export OMP_NUM_THREADS=1）。当然最优并行方式强烈依赖于你的服务器和计算体系，所以建议读者在计算之前做一些benchmark。

3. 设置环境变量

source $your-cp2k-folder/tools/toolchain/install/setup 
export PATH=“$your-cp2k-folder/exe/local:$PATH”

4. 测试

make -j 12 ARCH=local VERSION=psmp test

这一步需要比较长的时间，可以跳过。