Goldilocks MCP

為Quantum ESPRESSO提供SSSP1.3 PBEsol贗勢下的k點生成工具，包含k點間距預測和網格生成功能，支持不同置信度水平和模型選擇。

研究與數據開發者工具 #量子計算 #材料模擬 #k點生成 #贗勢工具 .Python

評分 : 2.5分

下載量 : 6.6K

更新時間 : 2026-03-13

打開站點

什麼是Goldilocks MCP服務器？

Goldilocks MCP服務器是一個專門為Quantum ESPRESSO（一款流行的第一性原理計算軟件）設計的智能參數推薦工具。它使用機器學習模型（ALIGNN和隨機森林）來預測材料計算中k點網格的最優設置，確保計算精度與效率的平衡。

如何使用Goldilocks MCP服務器？

通過Claude Desktop等支持MCP協議的客戶端，您可以像與助手對話一樣請求k點參數。只需提供材料結構文件路徑、選擇置信度水平和模型類型，服務器就會返回推薦的k點間距或完整的k點網格。

適用場景

適用於使用Quantum ESPRESSO進行材料電子結構計算的研究人員，特別是那些希望自動化參數設置、避免手動試錯、確保計算可靠性的用戶。

主要功能

智能k點間距預測

基於材料晶體結構，預測Quantum ESPRESSO計算所需的最優k點間距（k-spacing），平衡計算精度與效率

自動k點網格生成

根據預測的k點間距，自動生成完整的k點網格（kmesh），可直接用於Quantum ESPRESSO輸入文件

置信度控制

提供三種置信度水平（0.85, 0.9, 0.95），讓用戶根據計算需求選擇不同的可靠性級別

雙模型支持

支持ALIGNN（基於圖神經網絡的先進模型）和隨機森林（RF）兩種機器學習模型，適應不同需求

SSSP贗勢優化

專門針對SSSP1.3 PBEsol效率版贗勢庫進行優化，確保預測結果與該贗勢庫的最佳實踐一致

優勢

節省計算資源：避免過度密集的k點網格，減少不必要的計算時間

提高可靠性：基於大量訓練數據，提供經過驗證的參數推薦

用戶友好：通過自然語言交互，無需記憶複雜命令

靈活配置：多種置信度和模型選擇，適應不同計算需求

專門優化：針對Quantum ESPRESSO和SSSP贗勢庫深度優化

侷限性

僅支持SSSP1.3 PBEsol效率版贗勢，其他贗勢可能需要調整

需要提供結構文件路徑，不能直接處理結構數據

安裝需要額外依賴（PyTorch Geometric），可能增加部署複雜度

目前主要針對常規材料，極端情況可能需要手動驗證

如何使用

安裝準備

確保系統已安裝Python 3.11和uv包管理器，克隆Goldilocks倉庫

創建虛擬環境

使用uv創建Python虛擬環境並激活

安裝依賴

安裝基礎依賴和PyTorch Geometric（需要單獨安裝）

配置Claude Desktop

編輯Claude Desktop配置文件，添加Goldilocks MCP服務器

開始使用

啟動Claude Desktop，通過自然語言與Goldilocks服務器交互

使用案例

新材料初步篩選

當研究新材料時，需要快速確定合適的計算參數，避免因k點設置不當導致計算不收斂或結果不可靠

計算參數優化

在已有計算結果基礎上，希望優化計算參數以減少計算時間，同時保持足夠的精度

批量材料計算

需要對多個材料進行高通量計算，需要自動化參數設置流程

常見問題

Goldilocks支持哪些結構文件格式？

置信度水平如何選擇？

ALIGNN和隨機森林模型有什麼區別？

安裝PyTorch Geometric時遇到問題怎麼辦？

可以用於非SSSP贗勢嗎？

如何驗證預測結果的準確性？

🚀 Goldilocks MCP server

Goldilocks MCP server 為使用 SSSP1.3 PBEsol 效率版贗勢的 Quantum ESPRESSO 提供 k 點生成工具。

🚀 快速開始

工具介紹

🔍 estimate_kpoint_distance

要求：需指定結構文件的路徑、置信水平（模型針對 0.85、0.9 和 0.95 這幾個置信水平進行了訓練）以及模型（ALIGNN 或 RF）。
示例提示：“Can you please generate k-points spacing for structure 'path/to/BaGa4.cif', confidence level 0.95 with ALIGNN model?”
輸出：輸出預測的 k 間距以及置信區間。

🔍 generate_kpoint_grid

要求：需指定結構文件的路徑、置信水平（模型針對 0.85、0.9 和 0.95 這幾個置信水平進行了訓練）以及模型（ALIGNN 或 RF）。
示例提示：“Can you please generate k-points grid for structure 'path/to/BaGa4.cif', confidence level 0.95 with ALIGNN model?”
輸出：使用 k 間距區間的下限生成預測的 k 網格（以確保預測值與置信水平一致的概率）。

📦 安裝指南

本地安裝 MCP 服務器

安裝 uv（https://docs.astral.sh/uv/getting-started/installation/）。
克隆倉庫：

git clone https://github.com/stfc/goldilocks-mcp.git
cd goldilocks-mcp

創建虛擬環境並安裝依賴：

uv venv --python 3.11
source .venv/bin/activate
uv pip install -e .

安裝 pytorch-geometric（無法從 pyproject.toml 安裝，但為必需項）。詳情請見 https://pytorch-geometric.readthedocs.io/en/latest/install/installation.html：

uv pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.8.0+cpu.html
uv pip install torch_geometric

將 mcp 添加到 Claude Desktop

要將 goldilocks-mcp 添加到 Claude Desktop，請按以下步驟操作：

打開或創建 Claude Desktop 配置文件：
- macOS/Linux：~/Library/Application Support/Claude/claude_desktop_config.json
- Windows：請參閱 https://modelcontextprotocol.io/docs/develop/build-server 中的說明。
如果文件不存在，請使用 claude_desktop_config.json 中的內容創建它。如果文件已存在，請將 goldilocks-mcp 條目合併到現有的 mcpServers 對象中。
重要提示：更新配置文件中的路徑。將 "absolute/path/to/goldilocks-mcp/goldilocks_mcp/" 替換為你克隆的倉庫中 goldilocks_mcp 目錄的實際絕對路徑。