弗洛伊德

弗洛伊德

概述

freud Python 库提供了一套简单、灵活、强大的工具，用于分析从分子动力学或蒙特卡罗模拟获得的轨迹。高性能、并行化 C++ 用于计算标准工具，如径向分布函数、相关函数、阶次参数和聚类，以及原始分析方法，包括平均力和扭矩 (PMFT) 和局部环境匹配的潜力。 freud库支持多种输入格式并输出 NumPy 数组，从而能够与许多典型材料科学工作流程的科学 Python 生态系统集成。

资源

• 参考文档：示例、教程、主题指南和包 Python API。
• 安装指南：安装和编译freud .
• 弗洛伊德讨论区：向弗洛伊德用户社区寻求帮助。
• GitHub 存储库：下载弗洛伊德源代码。
• 问题跟踪器：报告问题或请求功能。

相关工具

• HOOMD-blue：执行可以用freud进行分析的 MD / MC 模拟。
• signac：使用signac管理您的工作流程。

引文

当使用弗洛伊德处理数据以供发表时，请使用此引文。

安装

freud可在 conda-forge 上用于linux-64 、 osx-64 、 osx-arm64和win-64架构。安装：

mamba install freud

弗洛伊德也可以在 PyPI 上使用：

python3 -m pip install freud-analysis

如果您需要更详细的信息或希望从源代码安装freud ，请参阅安装指南从源代码编译freud 。

示例

freud库是使用 Python 脚本调用的。弗洛伊德文档中演示了许多核心功能。这些示例以 Jupyter 笔记本的形式提供，也可以从 freud 示例存储库下载或在 Binder 上交互式启动。下面是一个示例脚本，用于计算使用 HOOMD-blue 运行的模拟的径向分布函数并保存到 GSD 文件中。

 import freud
import gsd . hoomd

# Create a freud compute object (RDF is the canonical example)
rdf = freud . density . RDF ( bins = 50 , r_max = 5 )

# Load a GSD trajectory (see docs for other formats)
traj = gsd . hoomd . open ( 'trajectory.gsd' , 'rb' )
for frame in traj :
    rdf . compute ( system = frame , reset = False )

# Get bin centers, RDF data from attributes
r = rdf . bin_centers
y = rdf . rdf 

支持与贡献

请访问我们在 GitHub 上的存储库以获取库源代码。任何问题或错误都可以在我们的问题跟踪器上报告，而问题和讨论可以直接到我们的讨论板。欢迎通过拉取请求对弗洛伊德做出所有贡献！