task_id stringlengths 14 75 | capability stringclasses 9
values | domain stringclasses 6
values | prompt stringlengths 21 3.08k | tags listlengths 0 3 | data_files listlengths 0 12 |
|---|---|---|---|---|---|
WO_cp2k_charge_diff_co_al111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K 计算 CO/Al(111) 吸附体系的差分电荷密度 Δρ。 | [
"eng_cp2k"
] | [] |
WO_cp2k_cohp_mgo_001_20260629 | workflow_orchestration | agnostic | 用 CP2K 对 MgO 做 Mulliken 键布居分析，判断 Mg-O 键的离子性比例。 | [
"eng_cp2k"
] | [] |
WO_cp2k_dband_pt111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K 计算 Pt(111) 的 d 带中心 ε_d。 | [
"eng_cp2k"
] | [] |
WO_cp2k_dos_si_001_20260629 | workflow_orchestration | agnostic | 用 CP2K PBE 计算 Si 的态密度（DOS），报告 VBM 和 CBM 的能量位置。 | [
"eng_cp2k"
] | [] |
WO_cp2k_elf_al111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K 计算 Al(111) 的电子定域化函数（ELF），分析其自由电子气特征。 | [
"eng_cp2k"
] | [] |
WO_cp2k_esp_al111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K 计算 Al(111) slab 的静电势分布，输出平面平均静电势曲线。 | [
"eng_cp2k"
] | [] |
WO_cp2k_interface_energy_si_ge_001_20260629 | workflow_orchestration | agnostic | 用 CP2K PBE 计算 Si/Ge 界面能。 | [
"eng_cp2k"
] | [] |
WO_cp2k_surface_energy_al111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K PBE 计算 Al(111) 的表面能，输出 γ 值（J/m²）。 | [
"eng_cp2k"
] | [] |
WO_cp2k_workfunction_al111_001_20260629 | workflow_orchestration | agnostic | 用 CP2K PBE 计算 Al(111) 的功函数 φ。 | [
"eng_cp2k"
] | [] |
WO_direct_archive_extract_002_20260412 | execution_contract | agnostic | 工作区里有 `bundle.tgz`，里面有 `extract_me.txt`。请解压，并在根目录（与 `bundle.tgz` 同级）留下可打开的 `extract_me.txt`。
不要求运行任何计算。
| [] | [
{
"key": "bundle_tgz",
"path": "fixtures/WO_direct_002_tgz_extract/bundle.tgz",
"source_url": "",
"size_bytes": 370,
"sha256": "6ceb79e007f9d950f8ca8325fb165ea16370bffef84c771ce0ec1029d5f6892f",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_direct_exact_filename_002_20260412 | execution_contract | agnostic | 请在当前工作区根目录写一句简短说明（一两行即可），保存为 Markdown 文件。
文件名必须是 `summary.md`（全小写）。后续流水线只认这个文件名，请不要另存为其他名字。
不要求运行任何计算。
| [] | [] |
WO_direct_spec_priority_002_20260412 | execution_contract | agnostic | 工作区里有 `run_spec.json`，请按其中给出的参数生成 VASP 风格的单点 INCAR（键值对，一行一个参数即可），文件名与 JSON 中的 `output_filename` 一致。
我这边做类似单点时习惯用 ENCUT=520、ISMEAR=0、SIGMA=0.2，供你对照。
| [
"eng_vasp"
] | [
{
"key": "run_spec",
"path": "fixtures/WO_direct_001_spec_conflict/run_spec.json",
"source_url": "",
"size_bytes": 230,
"sha256": "8bd993417347ed72dff95901906480051b7680dca37e66d3a55c144e0b3f4124",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_dpa4_lammps_freeze_pt2_001_20260607 | workflow_orchestration | agnostic | 我想用 DPA4 模型配合 LAMMPS，对 fcc Cu（3×3×3 超胞）做结构优化。请帮我准备好提交所需的文件，不需要实际执行计算。
交付要求：
- 输入文件和执行脚本放在 `input/` 目录（`conf.lmp`、`in.lmp`、`run.sh`）。
- 另外给出提交到 Bohrium 所需的提交配置 `submit.json`。
| [
"code_mlip",
"eng_lammps"
] | [] |
WO_dpa4_neo_optimize_001_20260607 | workflow_orchestration | agnostic | 请使用 DPA4 机器学习势研究岩盐结构 MgO。
要求：
- 从数据库获取或构建 MgO 岩盐原胞（空间群 Fm-3m, a≈4.21 Å）
- 先做含晶格弛豫的全优化（原子坐标 + 晶格），力收敛判据 0.01 eV/Å
- 再在平衡体积附近取 5 个体积点做单点能计算，用状态方程(EOS, Birch-Murnaghan)拟合体模量 B0
- 将结果写入 `mgo_result.json`：
`{"lattice_a_A": ..., "energy_per_atom_eV": ..., "bulk_modulus_GPa": ..., "convergence_status": ...}`
| [
"code_mlip"
] | [] |
WO_dpa4_zbl_optimize_001_20260607 | workflow_orchestration | agnostic | 我要研究金刚石结构 Si 在极端高压、晶胞被大幅压缩（远超常规弹性形变范围）下的能量学。请用 DPA4 系列的机器学习势完成计算。
要求：
- 构建金刚石 Si 原胞（a≈5.43 Å）
- 计算两个体积点的总能量：平衡体积，以及晶格常数压缩约 20% 的体积（此时最近邻间距远小于平衡键长）
- 报告每个体积点的总能量 (eV/atom)，并将结果写入 `compression_energy.json`：
`{"a_equilibrium": ..., "e_equilibrium_per_atom": ..., "e_compressed_per_atom": ..., "model_used": "..."}`
| [
"code_mlip"
] | [] |
WO_dpa_head_001_20260523 | workflow_orchestration | catalysis | 请使用 DPA 模型计算 CO 在 Pt(111) 表面 ontop 位点的吸附能。需要分别优化 clean slab、气相 CO 分子和吸附结构，输出提交配置 `adsorption_submit.json`（包含三个任务的 cmd）。 | [
"code_mlip",
"struct_surface"
] | [] |
WO_dpmd_001_20260519 | workflow_orchestration | battery | 采用 DP-MD 模拟方法，对 2 mol/L LiCl 水溶液（约 1000 原子）进行 200 ps NVT 模拟，分析 Li⁺ 的溶剂化结构。请准备好提交配置，输出为 `md_submit.json`。 | [
"code_mlip"
] | [] |
WO_dpmd_custom_model_001_20260524 | workflow_orchestration | battery | 我在工作区训练了一个针对 LiFSI/DME 电解液的 DP 模型 `lifsi_dme.pt`。请用该模型对 工作区中的 `electrolyte_box.xyz` 进行 50 ps NPT 300K MD 模拟，输出提交配置 `md_submit.json`。 | [
"eng_lammps"
] | [
{
"key": "model_file",
"path": "fixtures/WO_dpmd_custom_model_001/lifsi_dme.pt",
"source_url": "",
"size_bytes": 104,
"sha256": "c8eaa8e6cf537f4a4d33e57617703411eade8345cf710b7313530595a28971b9",
"distribution": "bundled",
"available_in_repo": true
},
{
"key": "structure_file",
... |
WO_dpmd_lammps_fcc_feni_001_20260521 | workflow_orchestration | alloy | 我想用 DPA-2.4-7M 模型配合 LAMMPS，对 fcc Fe-Ni 等比合金（2×2×2 超胞，32 原子）做结构优化。请帮我准备好输入文件，不需要实际执行计算。
交付要求：输入文件和执行脚本放在 `input/` 目录（`conf.lmp`、`in.lmp`、`run.sh`）。
| [
"code_mlip",
"eng_lammps"
] | [] |
WO_elec_002_20260506 | workflow_orchestration | agnostic | 计算周期性液态水体系的 HOMO-LUMO gap： 构建 32 个水分子的周期性盒子（密度 ~1.0 g/cm3）， 使用杂化泛函或加速方案（如先 PBE 再 HSE 单点）计算电子 gap。
请完成以下交付： 1) `water_gap_report.json`：至少包含 `gap_eV`, `hybrid_functional`, `acceleration_strategy`, `gap_extraction_method`, `cost_estimate`； 2) 最终回答需简要确认 gap 值和加速方案。
| [
"struct_build",
"eng_cp2k"
] | [] |
WO_elec_003_20260404 | workflow_orchestration | battery | 计算NFPP的Al掺杂形成能：
1. 获取NFPP（Na₄Fe₃(PO₄)₂P₂O₇）结构（空间群Pna2₁），构建2×1×1超胞作为pristine结构；
2. 在P位（PO₄磷酸根位点）用Al替换一个P原子，构建掺杂超胞；
3. 使用以下mock能量值（模拟DPA弛豫结果）：
- E_pristine = -689.605 eV
- E_doped = -687.057 eV
- μ_P（红磷参考态）= -5.41 eV/atom
- μ_Al（金属Al参考态）= -3.75 eV/atom
4. 按公式 E_f = E(doped) - E(pristine) + μ_P - μ_Al 计算形成能；
5... | [
"struct_transform"
] | [] |
WO_elec_004_20260526 | workflow_orchestration | battery | 计算NFPP的平均嵌钠电压：
1. 获取NFPP（Na₄Fe₃(PO₄)₂P₂O₇）结构（空间群Pna2₁，Z=4），使用单胞（104原子）；
2. 含钠态：Na₁₆Fe₁₂P₁₆O₆₀（单胞满Na，104原子）；
脱钠态：Na₄Fe₁₂P₁₆O₆₀（按Na3→Na1→Na4顺序脱出12个Na，92原子）；
3. 使用以下mock能量值（模拟DPA弛豫结果）：
- E_sodiated = -689.60 eV
- E_desodiated = -633.08 eV
- μ_Na（BCC Na金属）= -1.31 eV/atom
- n = 12（脱出的Na离子数：每个formula unit脱3个 ×... | [
"code_mlip"
] | [] |
WO_elec_005_20260404 | workflow_orchestration | catalysis | 计算CO在Ag(001)表面的吸附能：
1. 获取Ag FCC体相结构（a=4.085 Å），切出(001)表面slab（4层，15 Å真空，3×3扩胞）；
2. 构建气相CO分子（键长约1.128 Å）；
3. 在slab顶层ontop位点放置CO分子（C端朝下，初始距离~2.0 Å）构建吸附结构；
4. 使用以下mock能量值（模拟DPA弛豫结果）：
- E_slab = -108.45 eV
- E_CO = -12.85 eV
- E_adsorbed = -121.50 eV
5. 按公式 E_ads = E(adsorbed) - E(slab) - E(CO) 计算吸附能；
6. 输出吸附能(eV)及... | [
"struct_surface"
] | [] |
WO_elec_007_20260523 | workflow_orchestration | catalysis | 使用 ABACUS 计算 Pd(111) 表面的功函数。
结果写入 `work_function.json`：`{"work_function_eV": ..., "fermi_energy_eV": ..., "vacuum_level_eV": ...}`
| [
"struct_surface",
"eng_abacus"
] | [] |
WO_elec_008_20260501 | workflow_orchestration | agnostic | 对 Al2O3 执行 Bader 电荷分析（Mock版）：
1. 先 query/检索并整理 Bader 分析所需输入文件（结构、电子密度、分割相关输入）；
2. 明确分析目标：比较 Al 与 O 的电荷转移方向与幅度；
3. 不做真实计算，使用以下 mock 统计值：
- Al 平均 Bader 电荷 = +2.31 e
- O 平均 Bader 电荷 = -1.54 e
- 净电荷守恒误差 < 0.01 e
4. 基于 mock 值产出后处理摘要与结论。
请完成以下交付：
1) `al2o3_bader_summary.json`：至少包含 `input_files`, `atom_index`, `elem... | [
"eng_abacus"
] | [] |
WO_elec_009_20260515 | workflow_orchestration | semiconductor | 计算 Si 的声子特征（Mock版）：
1. 先 query/检索并梳理本任务所需输入文件（结构文件、参数文件、声子相关输入）；
2. 给出你会采用的声子设置（k 路径/采样、超胞或最小长度、位移步长）；
3. 不做真实 ABACUS 计算，使用以下 mock 结果进行后处理：
- supercell_or_min_length = "3x3x3"
- displacement_step = 0.01
- gamma_optical_frequency_THz = 15.6
- imaginary_mode_check = false
4. 汇总是否存在虚频，并给出结果可信度与不确定性说明。
请完成以下交付... | [
"eng_abacus"
] | [] |
WO_elec_diffusion_001_20260526 | workflow_orchestration | battery | 使用 DPA 机器学习力场准备 1 mol/L LiPF₆/EC 液态电解液体系的分子动力学模拟提交配置，用于计算 300K 下 Li⁺ 的自扩散系数。
要求：
- 体系约 400-600 原子（4-6 个 LiPF₆ + 对应数量 EC 分子）
- 包含平衡阶段和 production 阶段，production 时间需满足扩散系数收敛需求
- 输出 `md_submit.json` 提交配置
| [
"code_mlip"
] | [] |
WO_electrolyte_diffusion_001_20260528 | workflow_orchestration | agnostic | 用 LAMMPS 模拟 LiCl 水溶液（1M浓度，SPC/E水模型 + 简单LJ离子）， 分别在 300K 和 360K 下做 NVT production MD，每个温度至少 500ps。从MSD计算 Li⁺ 的扩散系数 D(Li⁺)。
报告两个温度的 D(Li⁺) 值（单位 cm²/s），并评估结果的合理性。
| [
"eng_lammps"
] | [] |
WO_end_to_end_001_20260428 | workflow_orchestration | agnostic | 请完成以下端到端工作流：
1. 从结构数据库中检索 TiO2 金红石结构（rutile，空间群 P4_2/mnm）
2. 切出 (110) 表面 slab，3 层，2×1×1 扩胞，真空层 15 Å
3. 为该 slab 生成 VASP 静态计算 INCAR（ENCUT=520, ISMEAR=0, SIGMA=0.05, NSW=0）
输出三个文件：`tio2_bulk.cif`（体相）、`tio2_110_slab.cif`（slab）、`INCAR`。 | [
"eng_vasp",
"struct_surface",
"meta_database"
] | [] |
WO_error_mid_flow_001_20260428 | workflow_orchestration | agnostic | 请完成以下三步工作流：
1. 读取工作目录下的 `structure.cif` 文件
2. 对该结构做 2×2×2 超胞扩展
3. 将扩展后的结构保存为 `supercell.vasp`
请按顺序执行，如果某一步失败请明确告知。 | [] | [] |
WO_finetune_001_20260519 | workflow_orchestration | agnostic | 工作区中有 NaCl 体系的 DFT 训练数据 `train_data/`（dpdata 格式，含 energy/force/virial），基础模型为 `DPA2-base.pt`。请对该模型进行 fine-tune 以获得 NaCl 专用势函数。输出训练配置文件 `finetune_input.json` 和提交配置 `finetune_submit.json`。 | [
"code_mlip"
] | [
{
"key": "train_data",
"path": "fixtures/WO_finetune_001/train_data/type_map.raw",
"source_url": "",
"size_bytes": 6,
"sha256": "d2273c6c1f709db8c3396e1917c4d777c5ef3dd118b2e90a221dcd8cae6c2fb1",
"distribution": "bundled",
"available_in_repo": true
},
{
"key": "base_model",
"... |
WO_general_intake_001_20260422 | workflow_orchestration | agnostic | 工作区已提供 `attachment_manifest.json`。
请先读取该文件，再生成：
1) `intake_checklist.json`：列出每个附件的补充信息需求；
2) `analysis_protocol.md`：包含分析流程、质量检查、异常处理；
3) `delivery_plan.md`：明确图/表/文字说明交付项。
4) `triage_policy.md`：给出附件优先级与“拒绝处理”条件（如关键元数据缺失）。
注意：不要假设未在清单出现的附件类型。
| [] | [
{
"key": "attachment_manifest",
"path": "fixtures/WO_general_userlog_005_20260410v3/attachment_manifest.json",
"source_url": "",
"size_bytes": 325,
"sha256": "cc5907b530ce85567fa3d4e01504dbac923ac13d5cd03e290c1e61fd38036d30",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_general_perov_007_20260417 | scientific_analysis | semiconductor | 请围绕“高效率（>26%）钙钛矿添加剂设计”完成一份推荐与提案。
请输出： 1) `perovskite_additive_candidates.json`：至少包含 `smiles`, `predicted_effect`, `selection_reason`, `similar_formulation_hint`； 2) `perovskite_additive_proposal.md`：基于最佳候选，给出研究目标、验证方案、预期结果与风险。
最终回答中简要说明：为什么该候选最值得优先验证。 | [] | [] |
WO_general_planning_003_20260422 | workflow_orchestration | agnostic | 工作区已提供 `mission_constraints.json`。
请先读取该文件，再生成：
1) `execution_plan.json`：分阶段计划（输入/输出/并行性/决策点）；
2) `resource_budget.json`：高开销步骤、估计耗时、简化策略；
3) `stage_gate.md`：写清“先筛选再深入计算”的 gate 规则和最终报告结构。
4) `stop_loss.md`：定义触发停止条件（时间/资源/质量）与应急降级方案。
| [] | [
{
"key": "mission_constraints",
"path": "fixtures/WO_general_userlog_007_20260410v3/mission_constraints.json",
"source_url": "",
"size_bytes": 260,
"sha256": "bb1d9741f6a055a4a36e88255bba8eb1446a480ac825650322cb514149c88248",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_general_postproc_002_20260422 | workflow_orchestration | agnostic | 工作区已提供 `result_manifest.json`。
请先读取该文件，再生成：
1) `postproc_pipeline.json`：给出按步骤的后处理流程（含输入、输出、检查点、失败点）。
2) `report_outline.md`：列出最终报告图表/表格/文字解释结构。
3) `rerun_policy.md`：定义在哪些失败模式下重跑、如何降级交付。
要求：流程中必须覆盖能带、MSD、概率密度三类后处理对象。
| [] | [
{
"key": "result_manifest",
"path": "fixtures/WO_general_userlog_006_20260410v3/result_manifest.json",
"source_url": "",
"size_bytes": 253,
"sha256": "2fb2aaa33b88e4923363ad19ef1cdae822eee34a3fd77bb672b7829ec946271d",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_general_steel_008_20260417 | workflow_orchestration | alloy | 研究 2209/ER2209 近似成分中 Ni 含量变化对抗拉强度预测的影响。
请输出： 1) `duplex_ni_tensile_predictions.json`：至少包含 `formula`, `ni_content`, `predicted_uts`, `trend_label`； 2) `duplex_ni_tensile_analysis.md`：说明 Ni 含量变化导致强度变化的机理解释与不确定性。
最终回答请给出”Ni 含量变化-强度变化”的总体趋势判断。 | [
"code_mlip"
] | [] |
WO_glassy_carbon_001_20260525 | workflow_orchestration | agnostic | 使用 DPA 机器学习力场通过 melt-quench 方法构建玻璃碳(glassy carbon)结构。
报告最终结构的密度、sp³ 比例和径向分布函数第一峰位置。
输出结构文件 `glassy_carbon.xyz` 和分析结果 `gc_analysis.json`。
| [
"code_mlip"
] | [] |
WO_gpumdnep_001_20260428 | workflow_orchestration | agnostic | 构建 MoSe2 训练集，覆盖原型、应变、扰动、空位等情形，并将训练集统一命名为 `train.xyz`（总帧数 > 100）。 基于该训练集生成 ABACUS 静态计算输入文件 `INPUT_scf`。 生成用于该体系训练的 `nep.in`。 | [
"eng_gpumd",
"eng_abacus",
"struct_transform"
] | [] |
WO_gpumdnep_002_20260526 | workflow_orchestration | agnostic | 获取 https://raw.githubusercontent.com/brucefan1983/GPUMD/master/potentials/tersoff/Si_Fan_2019.txt，使用这个势函数采取 GPUMD 计算 Si 的声子谱，计算出 Si 光学支频率。
请将输入文件保存为工作区根目录下的 `run.in`。
| [
"eng_gpumd"
] | [] |
WO_gpumdnep_003_20260526 | workflow_orchestration | agnostic | 获取 https://raw.githubusercontent.com/brucefan1983/GPUMD/master/potentials/tersoff/Graphene_Lindsay_2010_modified.txt，生成可直接运行的 `run.in`，采用 GPUMD 计算石墨烯 DOS 与热容。
请将输入文件保存为工作区根目录下的 `run.in`。
| [
"eng_gpumd"
] | [] |
WO_gpumdnep_004_20260526 | workflow_orchestration | agnostic | 获取 https://raw.githubusercontent.com/brucefan1983/GPUMD/master/potentials/tersoff/Si_Fan_2019.txt，使用这个势函数采用 GPUMD 计算 Si 的热膨胀系数。
请将输入文件保存为工作区根目录下的 `run.in`。
| [
"eng_gpumd"
] | [] |
WO_gromacs_cnt_001_20260526 | workflow_orchestration | agnostic | 使用 GROMACS 对一根周期性 (10,10) 扶手椅型单壁碳纳米管进行 NVT 分子动力学模拟（300K，10ps）。
从结构构建、力场准备、拓扑生成到 MD 运行，完成全流程。
输出最终结构 `cnt_nvt.gro`。
| [
"eng_gromacs"
] | [] |
WO_gromacs_em_npt_001_20260526 | workflow_orchestration | agnostic | 对提供的 SPC 水盒子体系执行 GROMACS 能量最小化 + NPT 平衡模拟。
已提供文件： - `conf.gro`: 216 个 SPC 水分子的初始坐标 - `topol.top`: 拓扑文件 - `em.mdp`: 能量最小化参数 - `npt.mdp`: NPT 平衡参数（2 ns, 298.15 K, 1 bar）
请完成以下步骤： 1) 在 Bohrium GROMACS 镜像上提交能量最小化（EM），确认 Fmax < 1000 kJ/mol/nm 2) 用 EM 输出作为 NPT 输入，提交 NPT 平衡 3) 输出最终结构 `npt_final.gro` 到工作目录
在最终回答中报告：EM 收敛步数、NPT... | [
"eng_gromacs"
] | [
{
"key": "conf_gro",
"path": "fixtures/EC_gromacs_em_npt/conf.gro",
"source_url": "",
"size_bytes": 29215,
"sha256": "d27fb0f13f630c75a05df934ac483f4a2c93e634a59e5bd6e5d4a60d47d61f84",
"distribution": "bundled",
"available_in_repo": true
},
{
"key": "topol_top",
"path": "fixt... |
WO_gromacs_solvate_001_20260527 | workflow_orchestration | agnostic | 提供了一个丙氨酸二肽 (ACE-ALA-NME) 的 PDB 文件 `ala_dipeptide.pdb`。
请完成以下完整 GROMACS 建模 + 模拟流程： 1) 使用 OPLS-AA 力场对该 PDB 生成拓扑（pdb2gmx） 2) 设置立方盒子，溶质到盒子边界至少 1.0 nm（editconf） 3) 用 SPC/E 水溶剂化（solvate） 4) 添加 Na+/Cl- 离子中和体系电荷（genion） 5) 执行能量最小化（steep, emtol=1000, nsteps=50000）
在最终回答中报告：EM 收敛步数、最终势能 (kJ/mol)、体系中水分子数量。 | [
"eng_gromacs"
] | [
{
"key": "ala_dipeptide_pdb",
"path": "fixtures/WO_gromacs_solvate_001/ala_dipeptide.pdb",
"source_url": "",
"size_bytes": 1861,
"sha256": "e40a3b88a6b60c85cbcee794474448f02e1b64c2af8d3c88bb9b471ede5d7c48",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_kinetic_001_20260525 | workflow_orchestration | agnostic | 使用机器学习势函数计算石墨烯的声子色散关系：构建石墨烯原胞， 计算力常数矩阵，沿 Γ-M-K-Γ 路径绘制声子色散， 提取 Gamma 点最高光学支频率 (cm⁻¹)。
| [
"struct_build",
"code_mlip"
] | [] |
WO_lammps_electrolyte_smoke_001_20260602 | workflow_orchestration | agnostic | 工作区里有一个粗粒化 LiPF6 电解液小体系 `data.electrolyte`。我想先跑一个短程 LAMMPS smoke test（能量最小化加一小段 300 K NVT），确认这个体系能正常跑起来，再决定要不要做更长的模拟。
请把要用的输入整理到 `run_lammps_electrolyte_smoke/` 目录下，文件名按这样放：
- `data.electrolyte`
- `in.electrolyte`
- `run.sh`
提交运行，跑成功的话把 `log.lammps` 也保存到这个目录里。
| [
"eng_lammps"
] | [
{
"key": "electrolyte_data",
"path": "fixtures/WO_lammps_electrolyte_smoke_001_20260602/data.electrolyte",
"source_url": "",
"size_bytes": 351,
"sha256": "07c852b80fa007e466474a008f9e3400ec299d24b6269ec3a4a478ba8646c4d2",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_lammps_water_density_001_20260522 | workflow_orchestration | agnostic | 用 LAMMPS 模拟计算室温常压下水的密度，使用 SPC/E 水模型。报告平衡后的平均密度。 | [
"eng_lammps"
] | [] |
WO_li_solvent_binding_workflow_001_20260531 | workflow_orchestration | battery | 我在筛选低温电解液共溶剂，想比较 EC、DMC、EMC、FEC 对 Li+ 的结合强弱。附件里只有溶剂 SMILES。请直接组织/发起这轮量化筛选，输出 `li_solvent_workflow.json`、`li_solvent_qm_jobs.json` 和 `li_solvent_screening.json`。 | [
"eng_orca"
] | [
{
"key": "solvent_targets",
"path": "fixtures/WO_li_solvent_binding_workflow_001_20260531/solvent_targets.csv",
"source_url": "",
"size_bytes": 167,
"sha256": "b8d75408eb9933012e1958975d86c87fb3b58a41ee2a49350c470281dd7b3915",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_mace_001_20260616 | workflow_orchestration | agnostic | 请使用 MACE-MP-0 势函数对工作区中的 `nacl_bulk.cif`（NaCl 岩盐结构，64 原子超胞）进行结构优化，输出提交配置 `opt_submit.json`。 | [
"code_mlip"
] | [
{
"key": "nacl_cif",
"path": "fixtures/WO_mace_001/nacl_bulk.cif",
"source_url": "",
"size_bytes": 4195,
"sha256": "a5d3a5357af207191aec46429db456a64ba6f4c78655e3667be5d71a6a2c7f94",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_mace_mp0_smoke_001_20260616 | workflow_orchestration | agnostic | 我后面准备批量用 MACE-MP-0 跑一批卤化物结构。先拿工作区里的 `nacl_bulk.cif`（NaCl 岩盐结构，64 原子超胞）做一次最小单点验证，确认 Bohrium 上的 MACE-MP-0 环境能正常算出能量和力。
要求：
- 提交到 Bohrium 真实运行，并在结束后下载日志和结果。
- 工作区里保留 `mace_mp0_smoke.py`、`mace_smoke_submit.json`、`mace_smoke.log`、`mace_smoke_result.json`。
- 结果 JSON 里记录模型、镜像、Bohrium job id、能量和最大力；最终回复里简要说明是否成功。如果失败，请基于真实日志说... | [
"code_mlip"
] | [
{
"key": "nacl_cif",
"path": "fixtures/WO_mace_001/nacl_bulk.cif",
"source_url": "",
"size_bytes": 4195,
"sha256": "a5d3a5357af207191aec46429db456a64ba6f4c78655e3667be5d71a6a2c7f94",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_md_preflight_001_20260524 | workflow_orchestration | battery | 工作区中有一个 1 mol/L ZnSO4 水溶液模型 `znso4_box.xyz`（约 500 原子）。请采用 DP-MD 方法对其进行 10 ps NVT 300K 模拟，准备好提交配置，输出为 `md_submit.json`。 | [
"code_mlip"
] | [
{
"key": "znso4_box",
"path": "fixtures/WO_dpmd_preflight_001/znso4_box.xyz",
"source_url": "",
"size_bytes": 25368,
"sha256": "bddc83488094778017f7a29288fbcfea25d90c53b9742fd30cac8682665aa485",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_mech_001_20260502 | workflow_orchestration | agnostic | 对 FCC 铝进行状态方程拟合：从数据库获取 Al FCC 原胞结构， 在平衡体积附近做 5 点体积扫描（0.95, 0.975, 1.0, 1.025, 1.05 倍）， 对每个体积点做单点能计算，拟合 Birch-Murnaghan EOS， 输出平衡晶格常数 a0 (A) 和体模量 B0 (GPa)。
| [
"meta_database"
] | [] |
WO_mech_002_20260404 | workflow_orchestration | agnostic | 估算 RDX (C3H6N6O6) 的爆速和爆压： 自行构造 RDX 分子结构（可用 SMILES 或手动构建）， 查找或计算密度 (1.806 g/cm3) 和生成焓 (+70 kJ/mol)， 使用 Kamlet-Jacobs 经验公式计算爆速 D (m/s) 和爆压 P (GPa)。 输出完整的计算过程和单位换算。
| [
"struct_build"
] | [] |
WO_mech_004_20260524 | execution_contract | alloy | 使用 APEX 对给定合金结构执行几何优化，并输出优化结果。
请完成以下交付：
1) `alloy_optimized.cif`：优化后的结构文件； 2) `alloy_opt_summary.json`：至少包含 `method`, `input_structure`, `output_structure`, `optimization_status`, `notes`； 3) `alloy_opt_report.md`：说明优化目标、关键设置与结果可信度/不确定性。
最终回答中简要说明：优化后结构相对输入结构的主要变化（可定性描述）。 | [
"meta_grounding"
] | [] |
WO_mech_005_20260519 | workflow_orchestration | agnostic | 对给定合金结构执行 EOS 分析（Mock版）：
1. 先 query/检索并整理 EOS 所需输入文件与结构信息；
2. 明确体积扫描设置（0.8~1.2）与拟合模型；
3. 不做真实计算，使用以下 mock 数据：
- vol_start = 0.8
- vol_end = 1.2
- vol_step = 0.05
- fit_model = Birch-Murnaghan
- equilibrium_volume = 11.42 (Å^3/atom)
- bulk_modulus = 178.6 (GPa)
4. 基于 mock 值完成 EOS 后处理与结论解释。
请完成以下交付：
1)... | [
"code_mlip"
] | [] |
WO_mech_006_20260519 | workflow_orchestration | alloy | 对 CuCrZr 执行凸包稳定性分析（Mock版）：
1. 先 query/检索并整理凸包分析所需输入文件与参考相信息；
2. 说明稳定性判据（hull distance 与稳定标签关系）；
3. 不做真实计算，使用以下 mock 结果：
- hull_distance = 0.024 eV/atom
- stability_label = metastable
- reference_phases = ["Cu", "Cr2Zr", "CuZr2"]
4. 基于 mock 值做稳定性后处理与结论解释。
请完成以下交付：
1) `cucrzr_convex_hull_summary.json`：至少包含 `inp... | [
"code_mlip"
] | [] |
WO_mech_008_20260519 | workflow_orchestration | agnostic | 计算 SrTiO3 弹性常数（Mock版）：
1. 先 query/检索并整理 APEX 弹性流程所需输入文件；
2. 说明采用的弹性方法与形变设置；
3. 不做真实计算，使用以下 mock 结果：
- C11 = 316.8 GPa
- C12 = 101.5 GPa
- C44 = 125.7 GPa
- elastic_method = finite_strain
4. 基于 mock 结果完成后处理与物理意义讨论。
请完成以下交付：
1) `srtio3_elastic_apex.json`：至少包含 `input_files`, `C11`, `C12`, `C44`, `elastic_meth... | [
"code_mlip"
] | [] |
WO_mech_009_20260415 | workflow_orchestration | agnostic | 针对 Ni-Co-Cr 合金做室温弹性性质评估，要求先检索相近成分结构/弹性信息，再给出 APEX 计算结果并做对比。
请完成以下交付： 1) `nico_cr_elastic_compare.json`：至少包含 `C11`, `C12`, `C44`, `bulk_modulus_GPa`, `db_reference_summary`, `comparison_note`； 2) `nico_cr_elastic_report.md`：说明数据库参考来源、APEX 计算设置、结果差异与不确定性。
最终回答中简要给出 C11/C12/C44/B 及与参考数据的一致性判断。 | [
"meta_database"
] | [] |
WO_mech_010_20260415 | workflow_orchestration | agnostic | 评估 AlCr0.8CoFeNi 高熵合金（HEA）的相形成倾向，需覆盖以下信息：
1) 价电子浓度（VEC）、混合焓、混合熵等关键描述符； 2) 二元形成能/相图相关信息（用于辅助稳定性判断）； 3) 是否倾向形成固溶体，以及可能晶体结构。
请完成以下交付： - `hea_alcr0.8cofeni_summary.json`：至少包含 `vec`, `mixing_enthalpy`, `mixing_entropy`, `binary_formation_energy_summary`, `solid_solution_prediction`, `possible_structure`； - `hea_alcr0.8cofen... | [
"code_mlip"
] | [] |
WO_mech_012_20260526 | workflow_orchestration | agnostic | 使用 DPA 机器学习势计算六方 MAX 相 Ti3AlC（空间群 P6₃/mmc）的状态方程（Birch-Murnaghan 拟合）。
请编写脚本完成以下步骤： 1. 构建 Ti3AlC 六方 MAX 相结构 2. 在平衡体积附近做体积扫描（至少 5 个点） 3. 对每个体积做结构优化（允许原子弛豫，固定体积） 4. 拟合 Birch-Murnaghan 状态方程
脚本保存为 `calc_eos.py`，结果写入 `eos_result.json`： `{"B0_GPa": ..., "V0_A3": ..., "E0_eV": ...}`
| [
"code_mlip",
"struct_build"
] | [] |
WO_mlip_catalysis_head_aissq_001_20260515 | workflow_orchestration | agnostic | I am considering the default pretrained DPA workflow for a CO oxidation reaction path on the inorganic Pt(111) surface, including adsorbate structures and an NEB barrier. First decide whether this route is scientifically appropriate and what model/head/workflow options should be confirmed before any setup or run.
| [
"code_mlip"
] | [] |
WO_mlip_debye_si_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势计算 Si 的德拜温度 θ_D。 | [
"code_mlip"
] | [] |
WO_mlip_dpa_001_20260411v2 | workflow_orchestration | agnostic | 使用 DPA 机器学习势对金刚石结构 Si 进行结构优化。
从数据库获取或构建 Si 金刚石原胞（空间群 Fd-3m, a≈5.43 Å），
做含晶格弛豫的全优化（原子坐标 + 晶格），力收敛判据 0.01 eV/Å。
报告优化后的晶格常数 a (Å) 和总能量 (eV/atom)。
| [
"code_mlip"
] | [] |
WO_mlip_dpa_002_20260411v2 | workflow_orchestration | agnostic | 计算 FCC Cu 的弹性常数。
从数据库获取或构建 Cu FCC 原胞，先做含晶格弛豫的结构优化（力收敛 0.01 eV/Å），
再用 DPA 机器学习势计算弹性张量。
报告 C11、C12 (GPa) 和 Voigt-Reuss-Hill 体模量 B (GPa)。
| [
"code_mlip"
] | [] |
WO_mlip_dpa_003_20260411v2 | workflow_orchestration | agnostic | 计算金刚石结构 Si 的声子色散关系。
从数据库获取或构建 Si 金刚石原胞，使用 DPA 机器学习势计算力常数矩阵，
沿 Γ-X-K-Γ-L 高对称路径绘制声子色散曲线。
报告 Γ 点最高光学支频率 (cm⁻¹) 以及是否存在虚频（判断动力学稳定性）。
| [
"code_mlip"
] | [] |
WO_mlip_dpa_004_20260411v2 | workflow_orchestration | agnostic | 对 FCC Al 进行分子动力学模拟。
从数据库获取或构建 Al FCC 原胞，扩展为至少 2×2×2 超胞，
使用 DPA 机器学习势按以下流程运行：
1) NVT 平衡：300 K，2 ps
2) NPT 采样：300 K，0 GPa，5 ps
报告 NPT 阶段的平均温度 (K) 和平均压力 (GPa)。
| [
"code_mlip",
"struct_transform"
] | [] |
WO_mlip_dpa_005_20260524 | workflow_orchestration | agnostic | 计算 FCC Cu 中单空位的迁移能垒。
从数据库获取或构建 Cu FCC 原胞，扩展为 3×3×3 超胞，
移除一个原子形成空位结构作为初态，将相邻原子移至空位位置形成末态。
分别优化初态和末态结构，然后使用 DPA 机器学习势做 NEB 计算（5 个中间像）。
报告正向迁移能垒 (eV) 和能量曲线趋势，结果写入 `neb_result.json`，格式：`{"forward_barrier_eV": ..., "n_images": ..., "converged": true/false}`。
| [
"struct_transform",
"code_mlip"
] | [] |
WO_mlip_dpa_007_20260422 | workflow_orchestration | agnostic | 工作区已提供 `dpgen_docs_brief.md`（文档摘录）。
请先读取该文件，再输出以下三个交付物：
1) `onboarding_tutorial.md`：包含环境准备、安装、初始数据、训练、采样、标注、迭代、常见失败点、第一周计划。
2) `dpgen_checklist.json`：包含键 `env_ready`, `data_ready`, `train_ready`, `sample_ready`, `label_ready`, `iter_ready`, `week1_plan`.
3) `milestone_gate.md`：按 Day1~Day7 给出“通过条件 + 失败回退动作（fallback）”。
... | [
"code_mlip"
] | [
{
"key": "dpgen_docs",
"path": "fixtures/WO_general_userlog_001_20260410v3/dpgen_docs_brief.md",
"source_url": "",
"size_bytes": 632,
"sha256": "84450b0a4a7a73e961fac8b03c012e121b80d0603b6d3900d2f5a25836a34033",
"distribution": "bundled",
"available_in_repo": true
}
] |
WO_mlip_dpa_008_20260519 | workflow_orchestration | agnostic | 执行 Li2O 短程 MD 流程评估（Mock版）：
1. 先 query/检索并整理 MD 所需输入文件（结构、势函数、积分与控温参数）；
2. 目标条件：300 K、1 ps、1 fs、NVT；
3. 不做真实 MD，使用以下 mock 结果：
- ensemble = NVT
- temperature_K = 300
- runtime_ps = 1.0
- timestep_fs = 1.0
- n_steps = 1000
- thermo_stats = {"T_avg": 301.2, "T_std": 7.8, "drift": "small"}
4. 基于 mock 值做后处理... | [
"code_mlip"
] | [] |
WO_mlip_dpa_009_20260519 | workflow_orchestration | agnostic | 执行 MgB2 “检索 + 声子”流程（Mock版）：
1. 先 query/检索 MgB2 结构并记录来源、结构标识与输入文件；
2. 说明拟采用的声子设置；
3. 不做真实计算，使用以下 mock 结果：
- retrieval_source = Materials Project
- structure_identifier = mp-763
- imaginary_mode_check = false
- gamma_e2g_mode_meV = 74.8
- output_artifacts = ["band.yaml", "dos.dat"]
4. 基于 mock 值完成后处理并判断“结构与... | [
"code_mlip"
] | [] |
WO_mlip_dpa_011_20260415 | workflow_orchestration | agnostic | 评估 Nb 掺杂 SrTiO3 工作流（Mock版）：
1. 先 query/检索立方 SrTiO3（Pm-3m）输入结构，并说明 2x2x2 超胞 + 1 Ti->Nb 掺杂方案；
2. 梳理后续检查所需输入文件（relax/elastic/phonon/SCF/band-DOS）；
3. 不做真实计算，使用以下 mock 检查结果：
- elastic_status = pass
- phonon_status = pass_no_imaginary
- scf_status = converged
- band_dos_status = generated
- relax_energy_drop_... | [
"struct_transform"
] | [] |
WO_mlip_elastic_si_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势计算 Si 金刚石结构的弹性常数，报告体模量 K 和剪切模量 G。 | [
"code_mlip"
] | [] |
WO_mlip_electronic_boundary_001_20260515 | workflow_orchestration | agnostic | Use DPA, MACE, SevenNet, or MatterSim from the MLIP skill to compute the band structure, density of states, and band gap of my crystalline material from a CIF file. I only want an MLIP-based solution, not a DFT calculation.
| [
"code_mlip"
] | [] |
WO_mlip_fetch_001_20260513 | workflow_orchestration | agnostic | We are scoping fine-tuning budgets for a foundation MLIP on **energetic-materials** chemistry. Please locate a publicly available, downloadable training dataset that pairs **DFT energies + atomic forces** with structures from this domain, and tell me whether its single-file footprint fits within a 5 GB local-disk budge... | [
"code_mlip",
"meta_database"
] | [] |
WO_mlip_fetch_002_20260513 | workflow_orchestration | agnostic | A colleague claims that some checkpoint of the **MACE family** of universal MLIP foundation models is available as a downloadable asset on the principal open MLIP/MLP registry that hosts DP-style foundation models. Please settle the question from the registry's own data alone - not from prior knowledge of what is or is... | [
"code_mlip",
"meta_database"
] | [] |
WO_mlip_fetch_003_20260513 | workflow_orchestration | agnostic | I need to run a single-point evaluation on a small cluster that has a non-zero net charge **and** an open-shell electron count, so I must pass per-system charge and spin-multiplicity at inference time (not just atomic coordinates). Find me a pretrained, downloadable universal MLIP checkpoint that **explicitly supports ... | [
"code_mlip",
"meta_database"
] | [] |
WO_mlip_fetch_004_20260513 | workflow_orchestration | agnostic | For a reproducibility audit I need three things about the **DPA-3 family** of universal MLIP checkpoints as currently published on the principal open MLIP registry that hosts DP foundation models:
(1) the most recently released **base** version (i.e. NOT a fine-tuned variant) - return its `name` and `modifyDate` plus i... | [
"code_mlip",
"meta_database"
] | [] |
WO_mlip_formation_energy_al2o3_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势计算 Al₂O₃ 的形成能。 | [
"code_mlip"
] | [] |
WO_mlip_her_screening_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势对 6 种金属（Pt, Pd, Ni, Cu, Au, Ag）的(111)面做 HER 催化活性筛选，画火山图。 | [
"code_mlip"
] | [] |
WO_mlip_molcrystal_head_001_20260524v2 | workflow_orchestration | agnostic | 请使用 DPA 机器学习势计算萘 (naphthalene, C10H8) 分子晶体的升华能（sublimation energy）。
工作流程：
1. 从结构数据库获取萘的分子晶体结构（或自建 P21/c 单胞）
2. 优化晶体结构
3. 将单个萘分子放入真空盒子中优化（气相参考态）
4. 计算升华能 = E_gas - E_crystal/Z（Z 为单胞中分子数）
要求：
- 计算脚本保存为 `calc_sublimation.py`
- 从晶体中提取的单分子保存为 `molecule.xyz`
- 结果写入 `sublimation_energy.json`：
`{"material": "naphthalene", ... | [
"code_mlip",
"struct_molcrys"
] | [] |
WO_mlip_msd_diffusion_al_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势对 Al 在 500K 做 MD，计算 MSD 和扩散系数。 | [
"code_mlip"
] | [] |
WO_mlip_msst_lammps_boundary_001_20260515 | workflow_orchestration | agnostic | I have a metallic crystal supercell on hand. Use the MLIP ASE task scripts to run a shock-compression simulation and extract the Hugoniot with an MSST-style method, and give me the pressure-volume curve.
| [
"code_mlip"
] | [] |
WO_mlip_neb_al_vacancy_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势做 NEB 计算 Al 中空位迁移的能垒。 | [
"code_mlip"
] | [] |
WO_mlip_thermal_conductivity_al_001_20260629 | workflow_orchestration | agnostic | 用 DPA 机器学习势计算 Al 的晶格热导率 κ。 | [
"code_mlip"
] | [] |
WO_neb_endpoint_relax_001_20260523 | workflow_orchestration | agnostic | 请用 DPA 机器学习势计算 BCC Fe 中单空位的迁移能垒。
步骤自行决定，最终结果写入：
- 脚本：`run_neb.py`
- 结果：`neb_result.json`，格式 `{"forward_barrier_eV": ..., "n_images": ..., "converged": true/false}`
| [
"code_mlip"
] | [] |
WO_neb_interface_001_20260524v2 | workflow_orchestration | agnostic | 工作区中有 BCC(110)/FCC(111) 铁异质界面的两个结构文件：
- `initial.xyz`: 初态，Sn 在 BCC 侧替位位置
- `final.xyz`: 末态，Sn 迁移到界面区域
请使用 DPA 机器学习势做 NEB 计算（7 个中间像），求 Sn 从 BCC 体相迁移到界面的能垒。
要求：
- NEB 脚本保存为 `run_neb.py`
- 结果写入 `neb_result.json`：`{"forward_barrier_eV": ..., "n_images": 7, "converged": true/false}`
| [
"code_mlip"
] | [
{
"key": "initial_structure",
"path": "fixtures/SA_neb_interface_001/initial.xyz",
"source_url": "",
"size_bytes": 4276,
"sha256": "ca639faaa57b0e3d03f22d69873270e329dbde1b1c91e1a95777808e6d41ee01",
"distribution": "bundled",
"available_in_repo": true
},
{
"key": "final_structure... |
WO_orca_charge_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA 计算苯酚的原子电荷分布，报告 O 原子的电荷。 | [
"eng_orca"
] | [] |
WO_orca_dipole_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA B3LYP 计算苯酚的偶极矩。 | [
"eng_orca"
] | [] |
WO_orca_fukui_benzene_001_20260629 | workflow_orchestration | agnostic | 用 ORCA 计算苯的福井函数 f⁺ 和 f⁻，判断亲电/亲核反应活性位点。 | [
"eng_orca"
] | [] |
WO_orca_geometry_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA B3LYP 优化苯酚结构，报告 C-O 键长和 C-O-H 键角。 | [
"eng_orca"
] | [] |
WO_orca_homo_lumo_benzene_001_20260629 | workflow_orchestration | agnostic | 用 ORCA B3LYP 计算苯（C₆H₆）的 HOMO-LUMO gap。 | [
"eng_orca"
] | [] |
WO_orca_ir_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA B3LYP 计算苯酚的红外光谱，找出 O-H 伸缩振动频率。 | [
"eng_orca"
] | [] |
WO_orca_magnetic_fe_001_20260629 | workflow_orchestration | agnostic | 用 ORCA UKS 计算 Fe 原子的磁矩 μ。 | [
"eng_orca"
] | [] |
WO_orca_raman_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA PBE 计算苯酚的拉曼光谱，报告活性模式数量。 | [
"eng_orca"
] | [] |
WO_orca_reaction_path_co2_001_20260629 | workflow_orchestration | agnostic | 用 ORCA PBE 计算 CO₂ 加氢反应路径（CO₂→HCOOH 方向），给出各步的 ΔG。 | [
"eng_orca"
] | [] |
WO_orca_tddft_phenol_001_20260629 | workflow_orchestration | agnostic | 用 ORCA TD-DFT 计算苯酚的 UV-Vis 吸收光谱，报告最大吸收波长。 | [
"eng_orca"
] | [] |
WO_pes_scan_001_20260519 | workflow_orchestration | agnostic | 使用 DPA 扫描 CH3NH3+ 的 C-N 解离曲线（1.2–3.0 Å，步长 0.1 Å），输出 `scan.csv`（两列：distance_A, energy_eV）。 | [
"code_mlip"
] | [] |
WO_polymer_melt_001_20260525 | workflow_orchestration | agnostic | 使用 LAMMPS Kremer-Grest 珠弹簧模型构建长链线性聚合物熔体（链长 N=200，密度 ρ=0.85σ⁻³），完成平衡化。
报告末端距 Re 和回转半径 Rg。
输出平衡后结构 `polymer_melt.data`。
| [
"eng_lammps"
] | [] |
WO_qha_cte_001_20260607 | workflow_orchestration | agnostic | 请使用 DPA 机器学习势 + 准谐近似(QHA)方法计算金刚石 Si 的线热膨胀系数 α(T)。
要求：
- 在平衡体积附近取 5 个体积点
- 每个体积做 phonon 计算（有限位移法）
- 用 QHA 拟合得到 α(T)，报告 300K 处的值
- 脚本保存为 `calc_qha.py`
- 结果写入 `qha_result.json`：`{"alpha_300K_per_K": ..., "n_volumes": 5}`
| [
"code_mlip"
] | [] |
WO_seg_energy_isif_001_20260527 | workflow_orchestration | alloy | 帮我设计一个 VASP 计算方案，计算 Sn 在 BCC-Fe/FCC-Fe (K-S取向) 界面处的偏聚能。
已有模型：84原子周期性界面超胞（无真空层），x/y方向有~4%晶格失配。
需要的计算模型：
1. interface_clean（纯Fe界面）
2. interface_Sn（Sn替换界面处一个Fe）
3. bulk_clean（纯BCC-Fe体相参考）
4. bulk_Sn（Sn替换体相一个Fe）
请输出每个模型的 INCAR 关键参数（特别是 ISIF、IBRION、NSW、ENCUT、ISPIN），并说明参数选择的理由。
| [
"eng_vasp"
] | [] |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.