Python-based Electronic Structure

PySCF

Python objectとして分子、SCF、DFT、post-HF計算を組み立て、構造最適化やGPUへ同じworkflowを拡張します。

位置づけ: programmable ab initio・DFT framework
主な入力: Python、座標、basis、method
主な出力: energy、wavefunction object、density、gradient

1. 概要

PySCFは計算手順をPython APIで組み立てられる電子状態計算frameworkです。SCF/DFTに加え、MP2、coupled cluster、CI、MCSCF、periodic calculations等へ拡張できます。

対話的な検討とautomationに向きますが、Python scriptが実行できることと、chemical modelが妥当であることは別です。basis、spin、SCF stability、grid、density fitting、convergenceを明示します。

2. Mole object

gto.Mで原子、座標、単位、basis、電荷、spinを定義します。PySCFのspinは Nα − Nβ = 2S であり、multiplicityそのものではありません。

Python

from pyscf import gto

mol = gto.M(
    atom="""
    O  0.000000  0.000000  0.117300
    H  0.000000  0.757200 -0.469200
    H  0.000000 -0.757200 -0.469200
    """,
    basis="def2-svp",
    charge=0,
    spin=0,
    unit="Angstrom",
    verbose=4,
)

3. SCF・DFT計算

Python

from pyscf import dft

mf = dft.RKS(mol)
mf.xc = "B3LYP"
mf.grids.level = 4
mf.conv_tol = 1e-10
energy = mf.kernel()

if not mf.converged:
    raise RuntimeError("SCF did not converge")
print(f"E = {energy:.12f} Eh")

閉殻はRHF/RKS、開殻はUHF/UKSまたはROHFを選びます。density_fit()は補助basisによる近似で高速化できますが、通常計算と完全に同一ではないため設定を記録します。

計算objectを連結する

SCF objectからgradient、Hessian、MP2、CCSD等を構築できます。どのobjectのdensity・orbitalを次の処理へ渡したかをscript上で明示できることがPySCFの利点です。

4. 構造最適化

PySCFはgeomeTRIC、PyBerny、qsdopt等とのinterfaceを通じてgeometry optimizationを行います。

Python + geomeTRIC

from pyscf.geomopt.geometric_solver import optimize

mol_eq = optimize(mf, maxsteps=100)
print(mol_eq.tostring())

# optimized geometryでSCFを再構築
mf_eq = dft.RKS(mol_eq)
mf_eq.xc = "B3LYP"
mf_eq.grids.level = 4
mf_eq.kernel()

optimizerが終了しても、最終gradient、SCF convergence、geometry、frequencyを確認します。optimizer packageとPySCFの両versionを保存します。

5. GPU4PySCF

GPU4PySCFはPySCF互換APIで一部のSCF、DFT、gradient、Hessian、solvent等をGPUへ移します。対応methodと機能はversionに依存します。

Python

mf_cpu = dft.RKS(mol).density_fit()
mf_cpu.xc = "B3LYP"

mf_gpu = mf_cpu.to_gpu()
energy_gpu = mf_gpu.kernel()
gradient_gpu = mf_gpu.nuc_grad_method().kernel()

GPU memory、CUDA、CuPy、GPU4PySCF binaryの組合せを確認します。CPUとGPUでenergy・gradient差を小分子で比較し、precisionとgrid条件を揃えます。

6. Google ColabでのGPU計算

ColabではRuntimeでGPUを選択し、実際に割り当てられたGPUとCUDAを確認してから対応packageを導入します。

Colab cells

!nvidia-smi
!pip install pyscf geometric

# CUDA major versionを確認後、公式表に対応する一方を選ぶ
!pip install gpu4pyscf-cuda12x

from pyscf import lib
print(lib.__version__)

Colab環境は固定ではない

割当GPU、CUDA、driver、session時間、diskは変化します。Notebook冒頭にenvironment確認cellを置き、計算途中のcheckpointと結果を永続storageへ退避します。GPUが割り当てられていない場合はCPUへfallbackします。

7. 検証と保存

EnvironmentPython、PySCF、GPU4PySCF、CuPy、CUDA、optimizerのversion。
Molecule座標単位、basis、ECP、charge、spin、symmetry。
NumericsSCF threshold、grid、density fitting、memory、thread数。
Artifactsscript、標準出力、最終座標、energy、gradient、checkpoint。

PySCF例をダウンロード

8. 参考文献・公式資料

PySCF, User Guide.
PySCF, Geometry optimization.
PySCF, GPU Acceleration (GPU4PySCF).
Q. Sun et al., “Recent developments in the PySCF program package,” J. Chem. Phys. 2020. DOI

次章: Psi4