Deephtc项目简介

背景

材料科学中引入深度学习进行计算的需求越来越高，希望通过训练和标记一部分材料数据，使用深度学习模型预测材料性质，以及材料的应用方向.

传统HTC计算过程

做第一性原理计算的，以前都是一个一个任务的提交；现在为了得到大量的raw data，就得批量的自动交任务，也就是HTC.

这一阶段是针对材料计算的计算任务与资源调度以及相关的计算资源管理。

相关项目:

pymatgen http://pymatgen.org/

fireworks https://materialsproject.github.io/fireworks/

atomate https://github.com/hackingmaterials/atomate

HTC计算角度

比方说你有几个计算任务task1, task2, task3, task4....通常情况下，task2的输入可能依靠task1的输出；task3的输入可能依靠task2的输出。所以一般是一个serial的计算流程。

自动准备输入文件，运行task，处理输出文件，然后进入下一个task输入文件的准备，运行task，处理输出。如此往复

HTC材料角度计算过程

目标：比方说是否可以拿来做某一特定反应的催化剂，是否可以拿来做太阳能电池，是否能够做二极管里的一部分

问题：全部做下来，计算量非常得大，而且涉及到的理论范围也会非常广。所以大家一般都选一个特定的方向研究

过程 I：给定一个晶体结构，现在可以预测它的力学性质，电学性质，光学性质 (第一性原理的计算)，光学部分涉及到many body，所以做HTC不现实。

过程II:而基于前两种性质，具体下来可以算具体某一方面的应用潜质。

问题举例

目前的让task运行的时候能够自我纠错，这块完全依赖程序包，只能见一个问题，添加一个error handler

开发说明