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.

Ir para a instalação

Repositório: GodJh1n/GPUMD-skill
Última atividade na origem: 11 de abril de 2026 às 05:04
Idioma detectado do SKILL.md: inglês
Estrelas: 12
Forks: 0

Opções de instalação

Por padrão, está selecionado o prompt que primeiro revisa a origem. Você pode mudar para um comando direto ou baixar uma cópia local.

Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.

Um comando direto ignora o prompt de revisão. Verifique a origem antes de executá-lo.

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

O comando permanece em uma só linha. Role horizontalmente para revisá-lo antes de copiar.

Prefere uma cópia local? Baixe os arquivos disponíveis atualmente no SkillsMP.

Revise os arquivos de origem

Leia o SKILL.md e os arquivos complementares exibidos pelo SkillsMP antes de decidir se vai instalar.

SKILL.md

Instruções da origem · Visualização somente leitura

Voltar à pesquisa Voltar à instalação

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

Ver todas deste repositório

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

Informações da origem

Opções de instalação

Revise os arquivos de origem

Mais deste repositório

CP2K MD (Subskill)

Scope

Must provide

Usually should be explicit

Expected output

Mais deste repositório

CP2K MD (Subskill)

Scope

Must provide

Usually should be explicit

Expected output