{{htmlmetatags>metatag-robots=(index, follow)}}
====== qflow 容器版命令行提交 ======

===== 1. 登录终端 =====

 通过 ssh 终端 (常见的有 xshell, mobaxterm) 登录到容器里, [[qflow:quickstart_gpu#对容器登录、上传下载|用 pwmat 登录容器]]

===== 2. 计算案例example01 =====

（1）准备输入文件

 * 结构文件 ''atom.config''
 
 atom.config 结构文件是PWmat软件支持的标准结构输入格式，可以通过Q-Studio建模工具构建模型并导出。登录Q-Studio,[[qflow:quickstart_gpu#对容器登录、上传下载|用 pwmat 登录容器]] 
    
<code>
     2
 LATTICE
      0.00000000     2.71535000     2.71535000
      2.71535000     0.00000000     2.71535000
      2.71535000     2.71535000     0.00000000
 POSITION
  14     0.00000000     0.00000000     0.00000000 0 0 0
  14     0.25000000     0.25000000     0.25000000 0 0 0
</code>
 
 * 参数文件 ''etot.input'' 

 除指定输入文件的名称外，不区分大小写；除首行外，其他行不区分顺序。阅读参数手册，https://www.pwmat.com/pwmat-resource/Manual.pdf
<code>
1  1
JOB = SCF
IN.PSP1 = Si.SG15.PBE.UPF
IN.ATOM = atom.config
MP_N123 = 9 9 9 0 0 0
</code>

 * 赝势文件 ''*UPF'' 

拷贝结构文件中各元素对应的赝势文件，推荐采用SG15模守恒赝势。赝势包可在PWmat的官网https://www.pwmat.com/potential-download 下载

 * 脚本文件 ''slurm.sh'' 

运行PWmat时，需要在PWmat后面加上-host参数，并在-host参数后加上config.json文件中的"IP"和“PORT”值；

通过nvidia-smi命令查看机器上的GPU卡数来配置计算资源

<code>
#!/bin/sh
#SBATCH --partition=gpu
#SBATCH --job-name=tutorial_scf
#SBATCH --nodes=1
#SBATCH --ntasks-per-node=1
#SBATCH --gres=gpu:1
#SBATCH --gpus-per-task=1

module load mkl mpi
module load cuda/12.1
module load pwmat/20260428

which PWmat

mpirun -np $SLURM_NPROCS PWmat -host 172.17.0.1 50001 | tee output

</code>

（2） 提交计算

<code>
sbatch slurm.sh
</code>

（3）查看计算状态

<code>
squeue
</code>

（4）查看计算结果

输出文件含义查阅手册：https://www.pwmat.com/pwmat-resource/Manual.pdf

后处理命令及使用方法：https://www.pwmat.com/utility-download

* 查看版本号和计算报错信息，可通过''slurm_任务号.out''文件查看

===== 3. 更多计算教程 =====  

（1）基础计算入门PPT教程：https://www.pwmat.com/Tutorials

（2）常用参数详解：http://modulefiles.pwmat.com/#/

（3）视频教程：https://space.bilibili.com/1965576887

（4）高级模块性质计算教程：https://www.pwmat.com/module-download



~~DISCUSSION:off~~