JSON 出力リファレンス

mlmm は AI エージェント、スクリプト、下流ツールからの利用に向けた機械可読 JSON 出力を提供します。

--out-json フラグ

MLIP を使用するすべてのサブコマンドが --out-json / --no-out-json(デフォルト: off)に対応しています。 有効にすると、出力ディレクトリに result.json が生成されます。

mlmm opt -i r_complex_layered.pdb --max-cycles 5 --out-json --out-dir result_opt
cat result_opt/result.json | python -m json.tool

all / path-search は常に summary.json を出力します(--out-json 不要)。

共通エンベロープ

すべての result.json に自動付与されるフィールド:

フィールド

説明

command

string

サブコマンド名(例: "opt"

mlmm_version

string

パッケージバージョン

elapsed_seconds

float

実行時間(秒)

environment

object

ハードウェア情報(下表参照)

environment:

フィールド

device

string

"cuda" または "cpu"

gpu_name

string

"NVIDIA GeForce RTX 5080"

gpu_vram_gb

float

16.6

cuda_version

string

"12.9"

cpu

string

"AMD Ryzen 9 7950X 16-Core Processor"

n_cpus

int

32

ram_gb

float

133.7

サブコマンド別スキーマ

opt

フィールド

説明

status

string

"converged" / "not_converged"

energy_hartree

float

最終 ONIOM エネルギー (Hartree)

n_opt_cycles

int

最適化サイクル数

opt_mode

string

"grad" (LBFGS) / "hess" (RFO)

backend

string

ML バックエンド

charge

int

モデル領域電荷

spin

int

モデル領域スピン多重度

n_atoms

int

全原子数(全レイヤー)

n_freeze_atoms

int

凍結原子数

thresh

string

収束閾値プリセット名

max_cycles

int

最大サイクル数

input_file

string

入力ファイル名

final_max_force

float

最終 max gradient (Hartree/Bohr)

final_rms_force

float

最終 RMS gradient

final_max_step

float

最終 max 変位 (Bohr)

final_rms_step

float

最終 RMS 変位

convergence_thresholds

object

収束閾値の数値

files

object

出力ファイルマップ

tsopt

フィールド

説明

status

string

"completed"

energy_hartree

float

TS エネルギー (Hartree)

n_imaginary_modes

int

虚振動数

imaginary_frequencies_cm

float[]

虚振動数 (cm$^{-1}$, 負の値)

opt_mode

string

"grad" (PHG-Dimer) / "hess" (RS-I-RFO)

n_atoms

int

全原子数

n_opt_cycles

int

最適化サイクル数

backend

string

ML バックエンド

files

object

最終構造 + vib モードファイル

freq

フィールド

説明

status

string

"completed"

n_modes

int

全基準振動数

n_imaginary

int

虚振動数

frequencies_cm

float[]

全振動数 (cm$^{-1}$)

imaginary_frequencies_cm

float[]

負の振動数のみ

thermochemistry

object|null

熱化学データ

backend

string

ML バックエンド

n_atoms

int

原子数

files

object

{"frequencies_txt": "frequencies_cm-1.txt"}

thermochemistry (thermoanalysis 利用不可時は null):

temperature_K, pressure_atm, zpe_ha, thermal_correction_energy_ha, thermal_correction_enthalpy_ha, thermal_correction_free_energy_ha, sum_EE_and_ZPE_ha, sum_EE_and_thermal_energy_ha, sum_EE_and_thermal_free_energy_ha, E_thermal_cal_per_mol, Cv_cal_per_mol_K, S_cal_per_mol_K

irc

フィールド

説明

n_frames_forward / backward / total

int

IRC フレーム数

energy_reactant_hartree

float

反応物エネルギー

energy_ts_hartree

float

TS エネルギー

energy_product_hartree

float

生成物エネルギー

forward_converged / backward_converged

bool

IRC 収束判定

backend

string

ML バックエンド

bond_changes

object

{formed: [...], broken: [...]}

scan / scan2d / scan3d

scan は stages[] 配列にステージごとのデータ、scan2d/scan3d は pair1/pair2(/pair3) と grid_shape を含みます。すべて backend, charge, spin, min_energy_hartree を持ちます。

path-opt

フィールド

説明

converged

bool

収束判定

mep_mode

string

"dmf" / "gsm"

image_energies_hartree

float[]

全イメージエネルギー

barrier_kcal

float

前方障壁 (kcal/mol)

delta_kcal

float

反応エネルギー (kcal/mol)

backend

string

ML バックエンド

dft

フィールド

説明

converged

bool

SCF 収束?

energy_hartree

float

DFT エネルギー

xc_functional

string

汎関数

basis_set

string

基底関数

used_gpu

bool

GPU 使用?

backend

string

ONIOM 高レベル領域の ML バックエンド

charges / spin_densities

object

{mulliken, lowdin, iao} 原子電荷/スピン密度

extract

フィールド

説明

n_atoms_extracted

int

抽出後の原子数

total_charge

float

合計電荷

protein_charge

float

タンパク質電荷

ligand_total_charge

float

リガンド電荷合計

unknown_residue_charges

object

{残基名: 電荷}

center

string

中心残基

radius

float

抽出半径 (angstrom)

summary.json (path-search / all)

フィールド

説明

status

string

"success" / "partial"

segments

object[]

セグメントごとの障壁、反応エネルギー、結合変化

energy_diagrams

object[]

エネルギーダイアグラム

mlip_backend

string

モデル名

environment

object

ハードウェア情報

all はさらに rate_limiting_step, overall_reaction_energy_kcal, post_segments を含みます。

使用例

Python

import json

with open("result_opt/result.json") as f:
    result = json.load(f)

if result["status"] == "converged":
    print(f"Energy: {result['energy_hartree']:.6f} Hartree")
else:
    print(f"Not converged after {result['n_opt_cycles']} cycles")

jq

jq '.status' result.json                    # 収束確認
jq '.barrier_kcal' result.json               # 障壁エネルギー
jq '.imaginary_frequencies_cm' result.json   # 虚振動数
jq '.thermochemistry.sum_EE_and_thermal_free_energy_ha' result.json  # 自由エネルギー