系统配置

硬件：ROG幻16-2022，显卡3070Ti
系统：windows11下的ubuntu20.04子系统，cuda版本11.6
安装版本：lammps-stable_23Jun2022_update4

安装方式

cmake -D GPU_API=cuda -D GPU_ARCH=sm_86 \
-D Kokkos_ARCH_HOSTARCH=yes \
-D Kokkos_ARCH_GPUARCH=yes \
-D Kokkos_ENABLE_CUDA=yes \
-D Kokkos_ENABLE_OPENMP=yes \
-D CMAKE_CXX_COMPILER=/home/ubuntu/lammps/lammps-stable_23Jun2022_update4/lib/kokkos/bin/nvcc_wrapper \
-D DOWNLOAD_MSCG=yes \
-D PYTHON_EXECUTABLE=/usr/bin/python3 \
-D VORO_LIBRARY=/usr/lib/x86_64-linux-gnu/libvoro++.a \
-D VORO_INCLUDE_DIR=/usr/include/voro++/ \
-D DOWNLOAD_MDI=yes \
-D BUILD_LIB=yes -D BUILD_SHARED_LIBS=yes \
-D LAMMPS_OMP_COMPAT=4 \
-C ../cmake/presets/all_custom.cmake ../cmake

make -j 8

all_custom.cmake包含如下包：

ASPHERE
 ATC
 AWPMD
 BOCS
 BODY
 BPM
 BROWNIAN
 CG-DNA
 CG-SDK
 CLASS2
 COLLOID
 COLVARS
 COMPRESS
 CORESHELL
 DIELECTRIC
 DIFFRACTION
 DIPOLE
 DPD-BASIC
 DPD-MESO
 DPD-REACT
 DPD-SMOOTH
 DRUDE
 ELECTRODE
 EFF
 EXTRA-COMPUTE
 EXTRA-DUMP
 EXTRA-FIX
 EXTRA-MOLECULE
 EXTRA-PAIR
 FEP
 GPU
 GRANULAR
 H5MD
 INTERLAYER
 KIM
 KSPACE
 LATBOLTZ
 MANIFOLD
 MANYBODY
 MC
 MDI
 MEAM
 MESONT
 MGPT
 MISC
 ML-IAP
 ML-PACE
 ML-RANN
 ML-SNAP
 MOFFF
 MOLECULE
 MOLFILE
 MPIIO
 MSCG
 NETCDF
 OPENMP
 OPT
 ORIENT
 PERI
 PHONON
 PLUGIN
 POEMS
 PTM
 PYTHON
 QEQ
 QMMM
 QTB
 REACTION
 REAXFF
 REPLICA
 RIGID
 SHOCK
 SMTBQ
 SPH
 SPIN
 SRD
 TALLY
 UEF
 VORONOI
 YAFF

情况描述

安装完测试时，运行命令mpirun -np 1 lmp -sf gpu -pk gpu 1 -in in.lj可以得到结果，但是运行命令mpirun -np 2 lmp -k on -sf kk -in in.lj却得到如下报错：

LAMMPS (23 Jun 2022 - Update 4)
KOKKOS mode is enabled (src/KOKKOS/kokkos.cpp:106)
  will use up to 0 GPU(s) per node
ERROR: Kokkos has been compiled with GPU-enabled backend but no GPUs are requested (src/KOKKOS/kokkos.cpp:208)
Last command: (unknown)

初步分析是Kokkos未能检测到显卡，但是不知道如何解决，原来以为是cuda版本的问题，但从cuda12换成cuda11.6依然没有解决。
请问有没有大神知道怎么处理这种情况？

dump文件以.lammpstrj结尾直接拖入1.9.3版本的VMD就可以自动显示键了
console输入如下：

vmd > Info) Using plugin lammpstrj for structure file C:\Users\49119\Desktop\examples\dump.lammpstrj
lammpsplugin) New style dump with 5 data fields. Coordinate data flags: 0x02
lammpsplugin) Reconstructing atomic coordinates from fractional coordinates and box vectors.
Info) Using plugin lammpstrj for coordinates from file C:\Users\49119\Desktop\examples\dump.lammpstrj
Info) Determining bond structure from distance search ...
Info) Analyzing structure ...
Info) Atoms: 1644
Info) Bonds: 2310
Info) Angles: 0 Dihedrals: 0 Impropers: 0 Cross-terms: 0
Info) Bondtypes: 0 Angletypes: 0 Dihedraltypes: 0 Impropertypes: 0
Info) Residues: 40
Info) Waters: 0
Info) Segments: 1
Info) Fragments: 40 Protein: 0 Nucleic: 0
Info) Finished with coordinate file C:\Users\49119\Desktop\examples\dump.lammpstrj.

1、什么是ReaxFF力场？
ReaxFF力场相当于连接量子化学与经验力场计算之间联系的桥梁。1986年Tersoff提出了一种键阶-键能(bond order-bond energy)**以帮助经验力场描述化学反应问题。在描述发生键和作用的原子时设定键阶(bond order)参数，键阶随着键长(bond length)的不同而不断变化，当化学键断裂时，键阶趋向于0，意味着势能和作用力均消失。2003年由van Duin等人开发出了反应力场(ReaxFF)，具体内容可以参考文献(ReaxFFSiO reactive force field for silicon and silicon oxide systems).

ReaxFF 力场试图提供一种具有普适性的表达式，以满足所有化学环境的需要，因而在其发展过程中主要遵循以下准则：势能和作用力表达式均是连续的；每种元素只分配一种力场种类，即金属氧化物中的氧原子力场等同于有机物中的氧原子力场；不预先定义可能发生的反应，完全遵循化学反应的内在发生机理。这个力场已经成功地运用于有机和无机体系中。我现在所研究的水化硅酸钙(C-S-H)就是用的这个力场。ReaxFF中主要是分为以下几个部分。
E=E_bond+E_VdWaals+E_Coulomb+E_under+E_over+E_lp+E_val+E_tors+E_conj+E_pen
分别为键能、范德华作用能、库伦作用能、欠配位的能量矫正项、过配位的能量矫正项、孤对电子项、键角能、二面角能、共轭能、共价键修正能。

2、为什么要用ReaxFF力场
因为有的时候想要模拟分子键的生成和断裂，量子化学的计算成本很高，无法模拟大尺度的model。一般的经验力场虽然计算成本较低，但是无法描述电子转移、原子重组等特性的化学反应过程。ReaxFF力场能够计算原子之间的电子转移和原子之间的重组，也就是说原子所带的电荷数是发生变化的，各原子电荷根据电荷平衡(QEq)方法来分配。

3、ReaxFF的缺点
虽然ReaxFF从一定意义上来说属于经验力场，但是计算成本还是相当高，比如我一个4500个原子的model，使用武汉大学超算16核，计算速度大概时0.137ns/day。然后还不支持lammps_GPU加速，只支持KOKKOS和OMP加速。这个KOKKOS我尝试了一下，1066的显卡的计算速度大概等于8核的CPU，但是还是比不过16核的CPU，如果显卡的计算能力更强的话可能计算速度还可以更快。

查找ReaxFF力场的网站主要是[https://www.scm.com/doc/ReaxFF/Included_Forcefields.html]

Ubuntu下安装GPU加速的lammps

Author：黄诚斌

1. 安装NVIDIA驱动
   查询电脑显卡型号，根据维基百科(https://en.wikipedia.org/wiki/CUDA#GPUs_supported) 上的信息查找自己显卡对应的算力，以及该算力对应的CUDA版本。
   然后查询该CUDA版本对应的NVIDIA驱动版本，安装对应的驱动版本后执行:
   nvidia-smi，
   如果成功输出则表示驱动安装成功。

2. 安装CUDA
   确定需要安装的CUDA版本后，(https://developer.nvidia.com/cuda-toolkit-archive) 在这个网站上选择对应的版本进行安装，具体步骤为：Linux---x86_64---Ubuntu---18.04---deb(local)，然后根据网站给出的安装的步骤一步步进行安装。
   安装完毕后在根目录下执行: gedit .bashrc，在末尾添加一行新内容:
   export PATH=$PATH:/usr/local/cuda-10.2/bin （因为我安装的为10.2，此处根据自己安装的版本进行调整），保存文件后执行: nvcc -V，如果输出正常，即代表安装成功。

3. 修改文件并进行编译
   $ cd lammps/lib/gpu
$ vim Makefile.linux

   文件中主要更改内容为：
   CUDA_HOME:我这里CUDA_HOME 的地址其实是 /usr/local/cuda-10.2
   CUDA_ARCH:这里不同的数字对应不同的GPU架构，根据步骤1查找的算力，消除对应的架构之前的 # 即可。
   CUDA_PRECISION:这里代表GPU计算过程中的精度，我填的是 -D_SINGLE_SINGLE。
   更改完之后执行: $make -f Makefile.linux
   如果之后更改Makefile.linux 中的内容之后需要重新编译需要先执行:
   $make -f Makefile.linux clean

4. 编译lammps
   在lammps/src文件下安装gpu这个package，其余package根据自己需要进行安装。

   $ cd lammps/src
   $ make yes-gpu
   Installing package gpu
   $ make mpi

如果之前编译过lammps，先执行: make clean-all，再进行编译

5. 测试
   可以随便找一个example进行测试，这里我选取的是shear这个例子进行测试
   $ mpirun -np 8 lmp_mpi -in in.shear 无GPU
   $ mpirun -np 8 lmp_mpi -sf gpu -pk gpu 1 -in in.shear 有GPU

本教程参考了卫振宇的帖子 https://madwayne.com/lammps-gpu-acc.html

1、 类似安装gpu加速的lammps，先安装好正确版本的CUDA；

2、 然后在lammps根目录下mkdir build-kokkos-cuda，用于存储cmake的文档；

3、 cd build-kokkos-cuda，进入build-kokkos-cuda文件夹；

4、 自己在../cmake/presets下面创建一个user.cmake文件(可以参考minimal文件，主要是选择自己需要的package，不需要包含kokkos)，
然后再修改kokkos-cuda.cmake文件，把‘set(Kokkos_ARCH_MAXWELL50 on CACHE BOOL "" FORCE)’中的MAXWELL50根据manual (https://lammps.sandia.gov/doc/Build_extras.html#kokkos) 的说明改为自己显卡对应的Arch-ID，
(温馨提示：算力低于5.0不建议安装，可能会出错)，修改完两个文件后就可以进行下一步工作。
最后cmake -C ../cmake/presets/user.cmake -C ../cmake/presets/kokkos-cuda.cmake ../cmake

5、 cmake --build . -- -j8 （8为线程数，根据自己的电脑进行调整，越大肯定越快）

6、 build-kokkos-cuda下面的lmp文件就是所需要的文件

7、计算提交命令(仅供参考) mpirun -np 1 lmp -in in.crack -k on g 1 t 8 -sf kk -pk kokkos neigh half
详细内容可以参考manual