Thermal Conductivity Project

项目介绍

本项目用于热导率计算与贝叶斯分析。部分输入文件因体积过大未上传至 GitHub：

• graph18-compress0.pb（未上传）

  如需该文件，请联系作者：zhenghuanhuan@zhejianglab.com

---

如果你正在查找论文 'On-the-fly machine learning-assisted high accuracy second-principles model for BaTiO3' 的相关代码，请参考 Bilibili 视频 了解如何使用本项目。

相关代码可在 GitH pymc 分支 获取。

---

If you are coming here for the code of 'On-the-fly machine learning-assisted high accuracy second-principles model for BaTiO3', please refer to Bilibili to know how to use the codes.

And the code related to that parper can be obtained via: pymc branch

---

快速开始

1. 热导率计算

运行以下命令，输出 heat.txt：

python workflow.py

2. 结果展示

基于 heat.txt 展示结果：

python heat-plot.py

---

运行流程说明

详细流程与说明请参考：Notion 文档

---

备注

• BZO 示例在 mpirun 下 np=10，共 517 个 case，约需 1 小时。

• 以下命令根据 --mesh 参数耗时不同：

  phono3py --fc3 --fc2 --dim="1 1 1" --mesh="11 11 11" --br --tmin=10 --tmax=1000 > Heat.txt &

---

贝叶斯实现（bayesian implement）

相关代码均放在 bayesian 目录下。

1. 数据格式转换

将 txt 文件转换为 csv：

python dataset.py

2. 使用 pymc3 实现贝叶斯分析

运行：

python lr_poly.py