After the multi-temperature zone convergence of dpgen2 based on a pre-trained model, is it necessary to collect all the configurations labeled in previous rounds for long training?

[sau-wen]

After multi-temperature zone convergence, is it necessary to collect all the configurations labeled in all previous iteration rounds for the final long training? Or can the converged model be directly used for production?

[dosubot]

Hi @sau-wen! I'm Dosu and I'm helping the DeepModeling team.

根据社区的经验和最佳实践，建议在收敛后收集所有迭代轮次中标记的构型进行最终长训，尤其是多温区、多组分等复杂体系。具体原因和流程如下：

推荐做法：收集所有数据进行长训

1. 将初始数据集和所有 dpgen2 迭代中积累的标记数据合并 [1]
2. 使用较高的 stop_batch（复杂体系建议 600,000–800,000 步）进行最终训练 [2]
3. 从完整合并数据集中重新划分训练集/验证集，确保验证集能代表主动学习探索到的全部构型空间 [2]

为什么不直接用收敛后的模型？

dpgen2 收敛后的最后一轮模型并非不能用，但它的训练步数通常较短，且验证集划分可能不够全面。对于简单体系，如果准确率已经很高（accurate ratio ≥ 80–90%）且经过 MD 验证稳定，最后一轮的模型可以考虑直接使用 [3]。但对于多温区复杂体系，最终长训能显著提升模型的泛化能力和生产稳定性。

无论哪种方式，都必须做验证 [3]：

• 在目标条件下跑 LAMMPS MD 模拟
• 检查是否有原子聚集、结构坍塌等非物理现象
• accurate ratio 高是必要条件但不充分条件，实际 MD 验证不可省略

注意事项：合并数据时务必确保所有 DFT 计算参数一致（泛函、ENCUT、KSPACING、赝势等）[2]。

To reply, just mention @dosu.

---

Docs are dead. Just use Dosu.