2. 环境搭建

在这份文档中,我们会大量使用 Python 与 PySCF,并通常使用 Jupyter Notebook 进行笔记记录与程序呈现。因此,在开始这份笔记之前,我们需要先搭建好程序环境。

提示

由于 PySCF 一般只在 Linux 环境下运行,因此请使用 Linux 机器、Linux 虚拟机、或者使用 Windows Subsystem of Linux (WSL)。WSL 只在 Windows 10/11 系统上运作,其安装方式参考 微软文档

2.1. Python 环境

在这里,我们使用 PyPI 进行库管理。

提示

Python 的库管理工具有许多;一般来说,最常用的 PyPI 是 Python 社区支持的库索引,Anaconda 则是另一个大型商业的社区库索引。PyPI 的库管理工具是 pip,而 Anaconda 的库管理工具是 conda

由于 conda 管理工具的效率较低,在图方便的情况下,我们可以使用 pip 管理当前的 Python 库;但如果担心依赖包冲突的情况,则使用 conda 安装 pyscf。当然,大多数情况下,我们可以同时使用两者进行库管理.

对于我们目前的工作,安装必须库所执行的命令是

$ pip install numpy pyscf jupyter

任务

  1. 先在用户目录下安装一个 Python 发行版。Python 发行版可以是 官方发行版 或操作系统提供的版本,但更通常的做法是使用 Anaconda 发行版。Anaconda 发行版在大小适中的硬盘空间下,配置了绝大多数科学计算所必须的 Python 库,较为便利。注意请尽量不要安装 Python 3.6 及以下的版本。

  2. 安装后,请先执行 python,并在 Bash 下执行 which python 查看 Python 可执行文件是否正确。若不正确,请向 $HOME/.bash_profile$HOME/.bashrc 中修改 PATH 路径。

  3. (可选) 根据 清华镜像 PyPI 帮助 文档的指示,修改默认 PyPI 索引镜像,以加速 Python 库的下载速度。如果使用 conda 进行库管理,也可类似地修改镜像源。

  4. (可选) 有时,我们想要在一套全新干净的 Python 环境中工作;有时,会碰到 Python 库依赖冲突的问题。在这种情况下,我们可以考虑使用虚环境解决这些问题。若只用 PyPI 进行库管理,可以使用 virtualenv 进行管理 (一份有用的中文帮助可以参考 廖雪峰的博文)。如果使用 conda 进行库管理,开可以使用 conda create 构建新的虚环境;可以在 Bash 下执行 conda create -h 查看帮助与示例。

  5. (可选) 在了解如何构建虚环境后,可以考虑将在一个新的虚环境中使用 Intel 提供的 Python 主程序与各种关键的数学库。可以参照 Intel Python 安装文档 配置你的 Python 环境。Intel Python 提供了 conda 与 pip 的安装途径。

  6. (可选) 如果我们还希望通过一阶梯度信息进行几何结构优化,一个方便的 Python 库是 berny 库。安装方式如下:

    $ pip install pyberny
    
  7. (可选) Jupyter Notebook 具有一些非官方的插件,譬如代码折叠、文档标题折叠、代码块隐藏、PEP8 检查等功能。若对这些功能感兴趣,可以参考 Unofficial Jupyter Notebook Extensions

提示

在组内服务器上,默认情况下我们可能无法连接到互联网,从而难以更新 Python 库。一种解决方案是使用信息办提供的脚本。解决方案文档请参考

/share/home/zyzhu/Documents-Shared/group_related/2019-01-09-how_to_connect_internet.markdown

2.2. pyxdh 库配置

为了运行文档,我们还需要对库 pyxdh 进行配置。该库可以执行 xDH 型泛函的梯度、MP2 的二阶梯度等分子性质,并且可以提取计算过程中的中间矩阵。以后的文档会经常使用该库。

请参考代码库主页文档 README.md 进行配置,并运行以下代码。下述验证与 Gaussian 所得到的 B3LYP 梯度的代码应当要能执行通过。关于下述代码的解释,将会在以后的文档中说明。

[1]:
from pyxdh.DerivOnce import GradSCF
from pyxdh.Utilities.test_molecules import Mol_H2O2

H2O2 = Mol_H2O2()
grad_helper = GradSCF({"scf_eng": H2O2.gga_eng})
grad_helper.E_1
[1]:
array([[-0.03447596,  0.0666383 ,  0.1260704 ],
       [ 0.00989735,  0.16068374, -0.160493  ],
       [ 0.00681508,  0.01243452,  0.03260963],
       [ 0.01776359, -0.2397567 ,  0.00181296]])
[2]:
from pkg_resources import resource_filename
from pyxdh.Utilities import FormchkInterface
formchk = FormchkInterface(resource_filename("pyxdh", "Validation/gaussian/H2O2-B3LYP-freq.fchk"))
[3]:
import numpy as np
np.allclose(grad_helper.E_1, formchk.grad(), atol=1e-5, rtol=1e-4)
[3]:
True

2.3. PySCF 环境

绝大多数情况下,我们无需更改 PySCF 的代码就能调用并调试其中的函数。因此,一般来说,无需作任何准备。

注意

我们在以前的软件 Hacking 过程中,经常会通过语句打印来了解程序运行流程与结果;并通过修改程序以引入新的功能。

但若用常识思考,打印语句其实不是很便利,而修改程序则是非常危险的行为。即使使用版本控制工具,也可能因为使用不善造成工作损失,或者在代码更改历史中迷失方向。

对于面向对象语言,在已有程序上实现新功能可以通过类的继承于重载来实现。大多数 Fortran 与 C 语言 (或者写得不友好的 C++ 程序) 的软件难以做到这一点。当然,面向对象的优势不只具有修改程序的安全性,毕竟“面向对象”的本来的主要意义是使用类 (Class) 打包方法 (method function) 与成员 (member),不过这是后话;我们以后也会渐渐接触类的概念。

而程序流程的控制与结果的打印则可以通过集成开发环境 (IDE) 不更改代码地通过打断点,并使用代码逐步执行的功能实现。对于 Python,一般来说还支持在程序运行过程中计算数据。

2.4. PyCharm 环境

若要了解说明文档的运行,Jupyter Notebook 的环境已经足够。但 pyxdh 库作为程序,如果打算作更为细致的阅读与调试,IDE 是必不可少的。

IDE 通常可以大大加速代码的阅读、调试与编写能力。有许多 IDE 支持 Python;作者通常使用 PyCharm。不同 IDE 之间的功能会大同小异,因此读者跟着自己的习惯就行。常用的其它 IDE 可以是 Spyder、Visual Studio、Eclipse。常用的带有 IDE 功能的文本编辑器是 Visual Studio Code。尽管带插件的 Vim 编辑器应当也可以当作 IDE 使用,但通常来说,体验会远差于 IDE。不带插件的 Vim 不推荐用来调试与编写 Python 程序。

任务

下面的任务专门针对 PyCharm。

  1. 对于学校用户,可以使用 PyCharm Professional。请参考 JetBrain 公司网页 Free individual licenses for students and faculty members。你也许同时可以注册一个 GitHub Student Developer Pack

  2. 对于 Windows 用户,PyCharm Professional 支持 WSL 下的 Python 解释器。请参考 PyCharm 下的设置、以及下述网页:Configure a remote interpreter using WSL

  3. (可选) 若需要对 IDE 的使用特性快速入门,可以尝试 JetBrain 的另一个产品 IntelliJ IDEA (Java 语言)。该软件在安装过程中提供了交互的 IDE 的新手入门插件。PyCharm 也属于 IntelliJ 系列;可以参考该入门以熟悉 IntelliJ 的一系列产品。

下面的任务可以看作使用 IDE 的练习,但需要对 Python 或其它编程语言的代码风格约定有一定的认识。当然,IDE 的功能不仅仅是检查语法错误和代码风格;其它的功能需要真正地编写或调试程序才会使用到。

  1. PEP 8 是一种通用与宽松的 Python 代码风格约定。良好的代码风格会帮助程序的书写与阅读。请通过 IDE 打开程序 pyxdh/DerivOnce/grad_scf.py,指出程序中不符合 PEP 8 规则的代码以及原因。pyxdh 库一般来说会避免 PEP 8 coding style violation,但少数情况下不可避免地使用不良风格的代码。

  2. (可选) 如果你没有找到 PEP 8 naming convention violation,请尝试到 Setting 重新打开命名规则检查。pyxdh 库的绝大部分变量名称不遵守 PEP 8 规则。

  3. (可选) (作者未尝试解决) PEP 8 尽管有很多限制,但现实中有更为严格的代码风格。若对 Python 稍有了解,则可以参考 Google Python Style Guide,理解一些规则的来龙去脉,并对程序的代码风格作一些判断。你可能会发现 pyxdh 的代码风格并不好。如果希望尝试一些自动化的初步的代码风格纠正工具,可以参考 black