md

Prepare CP2K molecular-dynamics task inputs from a user-provided structure and MD controls. Use when the user needs finite-temperature trajectories with explicit ensemble, timestep, and thermostat/barostat settings.

Aller à l'installation

Dépôt: GodJh1n/GPUMD-skill
Dernière activité de la source: 11 avril 2026 à 05:04
Langue détectée de SKILL.md: anglais
Étoiles: 12
Forks: 0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Une commande directe contourne le prompt de vérification. Examinez la source avant de l'exécuter.

npx skills add https://github.com/GodJh1n/GPUMD-skill --skill md

La commande reste sur une seule ligne. Faites défiler horizontalement pour la vérifier avant de la copier.

Vous préférez une copie locale ? Téléchargez les fichiers actuellement disponibles dans SkillsMP.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.

SKILL.md

Instructions source · Aperçu en lecture seule

Retour à la recherche Retour à l’installation

nep-gpumd

Route NEP requests to task-specific subskills. NEP (Neuroevolution Potential) is the native machine-learning potential family of the GPUMD ecosystem — analogous to DeePMD-kit for LAMMPS. Use when the user asks for `nep.in`, `train.xyz`, `test.xyz`, NEP training, NEP89 reuse, prediction mode, fine-tuning, dipole / polarizability auxiliary models, or automation via NepTrain / NepTrainKit.

2026-04-16

train

Train a first NEP potential from labeled extxyz data. Use when the user needs `nep.in`, `train.xyz`, `test.xyz`, parameter guidance, loss.out interpretation, or deployment of the resulting `nep.txt` back into GPUMD. NEP is the native machine-learning potential for GPUMD and plays the role that DeePMD plays for LAMMPS.

2026-04-16

dft-vasp

Route VASP DFT requests to task-specific subskills based on user intent. Use when the user asks for VASP workflows and you must decide between static SCF, relaxation, DOS, or band-structure task preparation. This orchestration skill does not own detailed input generation logic; it dispatches to the correct VASP subskill and enforces consistent handoff to submission skills.

2026-04-16

Tout voir dans ce dépôt

name	md
description	Prepare CP2K molecular-dynamics task inputs from a user-provided structure and MD controls. Use when the user needs finite-temperature trajectories with explicit ensemble, timestep, and thermostat/barostat settings.
compatibility	Requires a user-provided structure, suitable CP2K basis/potential files, and runnable CP2K environment.
license	GPL-3.0-only
catalog-hidden	true
metadata	{"author":"qqgu","version":"0.1.0","repository":"https://github.com/cp2k/cp2k"}

CP2K MD (Subskill)

Scope

This skill prepares MD tasks only.

It should generate:

MD-capable CP2K input
ensemble/integrator/thermostat controls
trajectory/output policy

It should not submit or execute jobs.

Must provide

structure input
basis/potential set choice
timestep and number of steps
ensemble intent (NVE/NVT/NPT)
temperature/pressure control policy

Usually should be explicit

initial velocity policy
output stride for energies/trajectory
charge/spin and SCF policy

Expected output

MD-task input layout
MD control summary and assumptions
unresolved choices for confirmation
handoff note to dpdisp-submit if execution is requested

md

Informations de source

Options d'installation

Vérifiez les fichiers source

Plus depuis ce dépôt

Plus depuis ce dépôt

CP2K MD (Subskill)

Scope

Must provide

Usually should be explicit

Expected output

CP2K MD (Subskill)

Scope

Must provide

Usually should be explicit

Expected output