第2章：计算环境搭建

做计算材料学，说白了就是跟计算机打交道。环境搭不好，后面全是坑。我见过太多人花了两周装软件，最后发现编译器版本不对，又得重来。这一章，咱们就把这些基础工作一次性搞定。

2.1 Linux基础命令回顾

你可能会问：「我Windows用得挺好的，为啥非得用Linux？」嗯，因为VASP、QE这些软件，天生就是为Linux设计的。Windows上跑，性能打折扣不说，各种依赖问题能让你崩溃。

我个人习惯用Ubuntu 20.04 LTS，稳定，社区活跃。如果你用CentOS或Rocky Linux，命令基本一样，就是包管理器换成yum。

下面这些命令，我建议你练到肌肉记忆的程度：

• ls -lh —— 看文件大小，别用默认的字节显示
• cd ~/project —— 进项目目录，别老打全路径
• mkdir -p a/b/c —— 一次建多层目录，省事
• cp -r source dest —— 复制整个文件夹
• tar -xzvf file.tar.gz —— 解压，这个最常用
• grep "energy" OUTCAR —— 从输出文件里捞数据
• sed -i 's/old/new/g' file —— 批量替换，改INCAR神器
• scp user@server:/path ./ —— 从服务器拉文件

2.2 VASP编译安装

VASP的编译，可以说是计算材料学入门的第一道坎。我当年第一次编译，折腾了整整两天，最后发现是Intel编译器没装对。

先说说准备工作。你需要：

• Intel oneAPI编译器（或者gfortran，但Intel更快）
• MPI库（OpenMPI或Intel MPI）
• FFTW、LAPACK等数学库
• VASP源码（这个得从官网买，别问我怎么搞）

编译步骤其实不复杂，但细节决定成败：

# 1. 解压源码
tar -xzvf vasp.6.4.1.tar.gz
cd vasp.6.4.1

# 2. 复制makefile模板
cp arch/makefile.include.linux_intel makefile.include

# 3. 修改makefile.include
# 重点检查：编译器路径、MPI路径、数学库路径
# 我习惯用vim打开，直接改

# 4. 编译标准版
make std

# 5. 编译Gamma-only版（只算Gamma点）
make gam

# 6. 编译NEB版（过渡态搜索）
make ncl

编译成功后，你会得到 vasp_std、vasp_gam、vasp_ncl 三个可执行文件。我建议把它们放到 /usr/local/bin 或者加到PATH里，方便调用。

2.3 Quantum ESPRESSO编译安装

QE的编译比VASP友好一些，至少源码是开源的。但它的依赖库更多，尤其是需要FFTW和BLAS/LAPACK。

我个人推荐用包管理器装依赖，然后手动编译QE：

# Ubuntu上装依赖
sudo apt install build-essential gfortran openmpi-bin libopenmpi-dev libfftw3-dev libblas-dev liblapack-dev

# 下载QE源码
wget https://github.com/QEF/q-e/archive/refs/tags/qe-7.2.tar.gz
tar -xzvf qe-7.2.tar.gz
cd qe-7.2

# 配置
./configure --prefix=/opt/qe-7.2 --enable-openmp

# 编译（-j4用4核并行，快很多）
make -j4

# 安装
make install

编译完记得把 /opt/qe-7.2/bin 加到PATH里。然后试试 pw.x -in，如果能正常启动，就算成了。

2.4 Python与ASE库配置

Python环境，我强烈建议用Anaconda。为什么？因为省心。你想想看，手动装numpy、scipy、matplotlib这些库，版本冲突能让你怀疑人生。

ASE（Atomic Simulation Environment）是连接Python和DFT软件的桥梁。你可以用它写脚本，批量提交任务、分析结果，比手动操作高效十倍。

安装步骤：

# 1. 装Anaconda（或者Miniconda，更轻量）
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh
bash Anaconda3-2023.09-0-Linux-x86_64.sh

# 2. 创建虚拟环境（我习惯叫dft_env）
conda create -n dft_env python=3.10
conda activate dft_env

# 3. 装ASE
pip install ase

# 4. 装常用科学计算库
pip install numpy scipy matplotlib pandas

# 5. 装Jupyter（交互式分析很方便）
pip install jupyter

装好后，写个简单脚本测试一下：

from ase import Atoms
from ase.calculators.vasp import Vasp

# 创建一个水分子
water = Atoms('H2O',
              positions=[(0, 0, 0),
                         (0.757, 0.586, 0),
                         (-0.757, 0.586, 0)])

# 设置VASP计算器
calc = Vasp(xc='PBE',
            encut=400,
            kpts=(1, 1, 1))

water.calc = calc
energy = water.get_potential_energy()
print(f'总能量: {energy:.3f} eV')

这个脚本虽然简单，但背后涉及的东西不少。VASP的输入文件、K点设置、截断能，这些后面会详细讲。现在你只需要知道，ASE能帮你自动生成INCAR、POSCAR、KPOINTS、POTCAR，然后调用VASP算完再读结果。

2.5 本章知识体系

下面这张图，是我自己总结的环境搭建逻辑。你看一眼，心里就有谱了：

环境搭建这件事，说白了就是「操作系统 → 编译器/库 → DFT软件 → Python工具」这条链。每一步都踩实了，后面做计算才能顺风顺水。我见过太多人急着算东西，结果环境没配好，浪费了几天时间。嗯，磨刀不误砍柴工，这话一点不假。