LAB SERVER

CPU서버 IP

mu

rho

GPU서버 IP

C3PO

C3PO2 (P100)

서버사용 TIP

• /mifs/(user_id) 에서 돌리기

• 본인의 환경 변수 설정 확인

>인텔 컴파일러와 mpi를 사용한다면, 인텔 컴파일러와 mpi 로딩과정에서 모두 자동으로 설정됨.

• 서버 전체 저장공간 사용량 확인

• 개별 서버 저장공간 사용량 확인 (반드시 자주 확인할 것)

VASP COMPILATIONS

환경변수 설정

환경변수를 설정하는 경우에는 기존에 설정된 것과 충돌이 일어나지 않도록 반드시 주석처리를 하고, 기존에 사용하던 프로그램들이 무엇으로 컴파일하였는지 반드시 기억해둘 것

Intel compiler 2019 사용할 경우,

1. mu와 rho에서 개인 환경 설정

환경 설정 경로

/mifs/(user_id)/tcshrc/tcshrc.mu.env

/mifs/(user_id)/tcshrc/tcshrc.rho.env

기존에 존재하는 아래 라인들을 주석 처리 (각 라인 맨 앞에 #을 추가하는 것을 주석 처리한다고 함)

source /opt/intel/bin/compilervars.csh intel64

source /opt/intel/mkl/bin/mklvars.csh intel64

source /opt/intel/impi/2017.1.132/bin64/mpivars.csh

2. 이후 아래 라인을 추가

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019/linux/bin/compilervars.csh intel64

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mkl/bin/mklvars.csh intel64

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mpi/intel64/bin/mpivars.csh

setenv MPICH_HOME /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mpi (이와 유사한 이전 버전이 있으면 주석 처리할 것!)

VASP 5.3.5 with CPU option
VASP 5.4.4 (includes VASP-sol, BEEF-functional) with CPU options

ASE-VASP SCRIPTS

ase 를 통해 vasp을 실행하는 스크립트로 기존 ase에 존재하는 다양한 기능들을 함께 사용할 수 있다는 장점이 존재함.

연구실외 자료 ase_vasp_scripts-V.2019.12.08 참고 (추가적인 기능들은 ase홈페이지를 참고하여 수정하면 사용 가능)

추가로 pymatgen을 통해서도 vasp input을 설정할 수 있음.

http://kitchingroup.cheme.cmu.edu/dft-book/dft.html#orgheadline42
기본적인 계산 방법들이 잘 정리되어있으므로, 처음 VASP에 익숙해지기 전 또는 계산 방법에 대해 궁금할 때 참고하면 좋음.

PYSCF INSTALLATION

Install Python based version PySCF

pip install pyscf   # base package

Install other useful wrappers

git clone https://github.com/pyscf/mpi4pyscf/  # mpi wrapper

cd mpi4pyscf

pip install .

pip install -U pyberny # geometric optimizer

Testing in Python shell

from pyscf import gto # gaussian basis

from mpi4pyscf import dft # method

from pyscf.geomopt.berny_solver import optimize

# Calculation set up

basis = ‘6-31g*’

xc = ‘b3lyp’

spin = 0  # 0 -> Singlet. 1 -> doublet. 2 -> triplet

charge = 0

# build molecule

mol = gto.M(atom=’H  0  0  0; F  0.9  0  0′, basis=basis,spin=spin,charge=charge)

# set up calculator

mf = dft.RKS(mol)

mf.xc = xc

# optimize

mol_eq = optimize(mf)

print(mol_eq.atom_coords())

Installing mkl optimizing PyScf (based on mu)

The environment set up is:

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019/linux/bin/compilervars.csh intel64

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mkl/bin/mklvars.csh intel64

source /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mpi/intel64/bin/mpivars.csh

setenv MPICH_HOME /opt/intel/parallel_studio_xe_2019_update5/compilers_and_libraries_2019.5.281/linux/mpi

setenv PATH $MPICH_HOME/intel64/bin:$PATH

setenv LD_LIBRARY_PATH $MPICH_HOME/intel64/lib:/usr/lib64:$MPICH_HOME/intel64/include:$LD_LIBRARY_PATH

setenv LD_PRELOAD libmkl_core.so:libmkl_sequential.so:libmkl_intel_lp64.so:libmkl_avx2.so

Download

git clone https://github.com/sunqm/pyscf

cd pyscf/pyscf/lib

Change integral library to more optimal one. Change following line in CMakeLists.txt

GIT_REPOSITORY https://github.com/sunqm/libcint.git

to

GIT_REPOSITORY https://github.com/sunqm/qcint.git

Complie.

mkdir build

cd build

cmake -DBLA_VENDOR=Intel10_64lp_seq ..

make

Add to Python PATH

setenv PYTHONPATH “/XXXX/pyscf:$PYTHONPATH”

The performance boost for mkl vs non-mkl isn’t too large at least for small system.

But calculation speed of PySCF in mu is comparable to Q-Chem in kdft.