训练带有磁矩的数据

上一篇写到了成功获取了晶体中每个原子的磁矩，并能够将其添加入原子特征的第 93 维度，今天接着写我是如何一步一步把它导入模型中训练的。

我们缕一缕数据处理的流程：

  1. 从 MP 中获取 data 的 doc 以及 structure；
  2. 使用 CIFwriter 把 structure 写入 cif 文件，并且设置 write_magmoms=True；
  3. 把晶体的预测性质写入 id_prop.csv;
  4. 通过 CIFData 类读取 dataset；在生成 atom_fea 时将 magmon 写入第 93 维度；
  5. 通过 crystal_graph_list 函数生成 graph 数据。

首先获取数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
from mp_api.client import MPRester
import csv
from tqdm import tqdm
import os
from pymatgen.io.cif import CifWriter
API_KEY = ""
mpr = MPRester(
API_KEY)
M_docs = mpr.materials.summary.search(
        total_magnetization=(0.2, None),  # 总磁化强度 > 0.2 μB/unit cell
        num_elements=(3, 92),              # 限制元素数量
        fields=["material_id", "structure", "is_magnetic"],
        chunk_size=10,
        num_chunks=100
        )
NM_docs = mpr.materials.summary.search(
        total_magnetization=(None, 0.1),  # 总磁化强度 < 0.1 μB/unit cell
        num_elements=(3, 92),              # 限制元素数量
        fields=["material_id", "structure", "is_magnetic"],
        chunk_size=10,
        num_chunks=100
        )

这样严格区分开磁性晶体和非磁性，方便后续检查和确认数量。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
for entry in tqdm(M_docs):
        id = entry.material_id
        file_path = os.path.join('magmon_dataset_2000', str(id) + ".cif")
        structure = entry.structure
        # 再写入时一定要注意，将写入磁矩设置为Ture
        cif_writer = CifWriter(structure, write_magmoms=True) 
        cif_writer.write_file(file_path)
print('磁性材料结构获取完成')
for entry in tqdm(NM_docs):
        id = entry.material_id
        file_path = os.path.join('magmon_dataset_2000', str(id) + ".cif")
        structure = entry.structure
        cif_writer = CifWriter(structure, write_magmoms=True) 
        cif_writer.write_file(file_path)
print('非磁性材料结构获取完成')

最后生成 csv：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
with open('magmon_dataset_2000/id_prop.csv', 'w', newline='') as csvfile:
    # 创建一个csv写入器
    writer = csv.writer(csvfile)
    header = ['Material', 'is_Magnetic']
    writer.writerow(header)
    for entry in tqdm(M_docs):
        # 遍历列表，写入每一行数据
        if entry.is_magnetic:
            magnetic = 1
        else:
            magnetic = 0
        id = entry.material_id
        writer.writerow([id, magnetic])
    print('磁性材料写入完成！')

    for entry in tqdm(NM_docs):
        # 遍历列表，写入每一行数据
        if entry.is_magnetic:
            magnetic = 1
        else:
            magnetic = 0
        id = entry.material_id
        writer.writerow([id, magnetic])
print("All done!")

这样子生成的 cif 文件都是包含下面两个 loop 字段的，说明是写入了磁矩信息，在读取的时候就能读到每个原子的 magmon。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
loop_
 _atom_site_type_symbol
 _atom_site_label
 _atom_site_symmetry_multiplicity
 _atom_site_fract_x
 _atom_site_fract_y
 _atom_site_fract_z
 _atom_site_occupancy
  Ac  Ac0  1  -0.00000000  -0.00000000  -0.00000000  1
  Cr  Cr1  1  0.50000000  0.50000000  0.50000000  1
  O  O2  1  0.50000000  0.50000000  0.00000000  1
  O  O3  1  0.50000000  -0.00000000  0.50000000  1
  O  O4  1  -0.00000000  0.50000000  0.50000000  1
loop_
 _atom_site_moment_label
 _atom_site_moment_crystalaxis_x
 _atom_site_moment_crystalaxis_y
 _atom_site_moment_crystalaxis_z
  Ac0  0.00000000  0.00000000  0.01500000
  Cr1  0.00000000  0.00000000  2.71800000
  O2  0.00000000  0.00000000  0.03800000
  O3  0.00000000  0.00000000  0.03800000
  O4  0.00000000  0.00000000  0.03800000

接着对数据进行读取

按照上述步骤，在这里需要依次进行 CIFData 的读取和 graph 数据生成

1
2
3
4
5
dataset = "magmon_dataset_2000"
data = CIFData(dataset, target_name='is_Magnetic')
graph = crystal_graph_list(data)
print('这是图数据')
print(data[0])

但是这里出现了严重错误

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
ZeroDivisionError                         Traceback (most recent call last)
Cell In[23], line 5
      3 #graph = crystal_graph_list(data)
      4 print('这是图数据')
----> 5 print(data[0])

File e:\WYX_Project\CSAT_demo_2\test_view\csat\crystal_data.py:223, in CIFData.__getitem__(self, idx)
    220 if not target_value:
    221     raise ValueError(f"Empty target value for {self.target_name} in {cif_id}")
--> 223 crystal = Structure.from_file(os.path.join(self.root_dir,
    224                                            cif_id + '.cif'))
    226 if self.target_name == 'is_Magnetic':
    227     # 如果目标是磁矩，则将原子特征扩展为包含磁矩
    228     atom_fea_list = []

File e:\anaconda3\envs\pytorch\Lib\site-packages\pymatgen\core\structure.py:3202, in IStructure.from_file(cls, filename, primitive, sort, merge_tol, **kwargs)
   3200 contents: str = file.read()  # type:ignore[assignment]
   3201 if fnmatch(fname.lower(), "*.cif*") or fnmatch(fname.lower(), "*.mcif*"):
-> 3202     return cls.from_str(
   3203         contents,
   3204         fmt="cif",
   3205         primitive=primitive,
   3206         sort=sort,
   3207         merge_tol=merge_tol,
...
--> 230 if len(items) % n != 0:
    231     raise ValueError(f"{len(items)=} is not a multiple of {n=}")
    232 loops.append(columns)

ZeroDivisionError: integer modulo by zero

这个报错的意思是：

  1. <font style="color:rgb(0, 0, 0);">items</font> 是 CIF 文件中的数据项列表
  2. <font style="color:rgb(0, 0, 0);">n</font> 应该是数据列的数量
  3. 当 <font style="color:rgb(0, 0, 0);">n</font> 为 0 时，尝试计算 <font style="color:rgb(0, 0, 0);">len(items) % 0</font> 导致除以零错误

这通常是由于 CIF 文件格式问题导致的：

  • 文件可能缺少必要的列定义
  • 数据行数量与列定义不匹配
  • 特殊字符或格式问题导致解析失败

错误出现在 crystal = Structure.from_file(os.path.join(self.root_dir,......就算说，在读 cif 文件是出错了，那就奇怪了，我们在上一篇中读取了好几次 cif 文件都没有任何问题，究竟是怎么回事呢？

于是，我就打开了几个 cif 文件看看，发现在非磁性晶体中存在这种现象：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
loop_
 _atom_site_type_symbol
 _atom_site_label
 _atom_site_symmetry_multiplicity
 _atom_site_fract_x
 _atom_site_fract_y
 _atom_site_fract_z
 _atom_site_occupancy
  Ac  Ac0  1  0.50000000  0.50000000  0.50000000  1
  Ac  Ac1  1  -0.00000000  -0.00000000  -0.00000000  1
  Ag  Ag2  1  0.25000100  0.25000100  0.25000100  1
  Ir  Ir3  1  0.75000100  0.75000100  0.75000100  1
loop_
 _atom_site_moment_label
 _atom_site_moment_crystalaxis_x
 _atom_site_moment_crystalaxis_y
 _atom_site_moment_crystalaxis_z

他写入了磁矩的适量坐标系，但是没有磁矩信息，最终导致在读取 cif 文件时候，出现 item % 0，因为没有数据，为了验证这一点，我写了如下代码测试：

1
2
3
4
from csat.crystal_data import CIFData, crystal_graph_list
from pymatgen.core.structure import Structure
data = CIFData("NM", target_name='is_Magnetic')
graph = crystal_graph_list(data)

我把一个非磁性晶体的 cif 文件单独拉出来读取，发现只有把

1
2
3
4
5
loop_
 _atom_site_moment_label
 _atom_site_moment_crystalaxis_x
 _atom_site_moment_crystalaxis_y
 _atom_site_moment_crystalaxis_z

这一段删除之后才能够读取成功，说明我的推断没有错，于是我需要重新调整数据的获取方式

重新获取数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
for entry in tqdm(M_docs):
        id = entry.material_id
        file_path = os.path.join('magmon_dataset_2000', str(id) + ".cif")
        structure = entry.structure
        cif_writer = CifWriter(structure, write_magmoms=True) 
        cif_writer.write_file(file_path)
print('磁性材料结构获取完成')

for entry in tqdm(NM_docs):
        id = entry.material_id
        file_path = os.path.join('magmon_dataset_2000', str(id) + ".cif")
        structure = entry.structure
        cif_writer = CifWriter(structure)    # !!!!!非磁性材料不需要写入磁矩！！！！！！否则会出错
        cif_writer.write_file(file_path)
print('非磁性材料结构获取完成')

只要把非磁性晶体的磁矩矢量坐标系删掉就行了，重新测试后完全没有问题了。

再读数据

经过以上重写数据之后，对磁性和非磁性的 cif 文件有了严格区分，于是我们在获取 crystal 的 structure 数据时也需要重新分类读取：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
if self.target_name == 'is_Magnetic':
    # 如果目标是磁矩，则将原子特征扩展为包含磁矩
    atom_fea_list = []
    for i in range(len(crystal)):
        base_fea = self.ari.get_atom_fea(crystal[i].specie.number)
        if target_value==1:
            magmom  = crystal.site_properties['magmom'][i] # 添加磁矩
        else:
            magmom = 0.0
            magmom = float(magmom)  # 确保磁矩是浮点数类型
        # print(f"原子 {crystal[i].specie.symbol} 的磁矩: {magmom}")
        # 将磁矩作为新特征追加
        extended_fea = np.append(base_fea, magmom)
        atom_fea_list.append(extended_fea)
        atom_fea = np.vstack(atom_fea_list)
else:
    # 如果目标不是磁矩，则只使用原子特征
    atom_fea = np.vstack([self.ari.get_atom_fea(crystal[i].specie.number)
                          for i in range(len(crystal))])

在这里我用 target_value 来区分，因为我们的任务是分类任务，分类的标签就是是否是磁性，正好利用这个标签来区分磁性和非磁性，然后为了保持维度一致，只需要在非磁性原子的磁矩维度上写 0 就行了。

接下来，测试一下：

1
2
3
4
5
6
7
8
9
10
from test_view.csat.crystal_data import CIFData, crystal_graph_list
data = CIFData("magmon_dataset_2000", target_name='is_Magnetic')
graph = crystal_graph_list(data)
print('这是图数据')
print(graph[0])

'''
这是图数据
Data(x=[4, 93], edge_index=[2, 12], edge_attr=[12, 41], y=[1], id='mp-861724')
'''

结果表明很成功，就可以加入训练了。

训练

训练就很简单了，只要修改一点点超参数就行了

1
2
3
4
5
6
7
8
9
self.task: str = 'classification'  # regression/classification
self.num_classes: int = 2

# 数据参数
self.data_root: str = 'magmon_dataset_2000'  # 数据集根目录
self.target: str = 'is_Magnetic'

# 模型参数
self.input_dim: int = 93
凝聚态物理与人工智能
#MP #CSAT #科研 #凝聚态物理
训练带有磁矩的数据
http://baikelwang.github.io/2025/07/09/训练带有磁矩的数据/
作者
北海
发布于
2025年7月9日
许可协议