2. 环境搭建¶

2.1. Anaconda 环境¶

这份教程的所有文档、计算都通过 Python 实现；因此需要安装一个 Python 环境。Anaconda 作为 Python 的一种非官方发行版，它集成了众多科学计算中所必须与经常使用的库；它至少包含可以实现矩阵计算的 NumPy、绘图实现 MatPlotLib、交互笔记本 Jupyter、仿 Matlab IDE 的 Spyder 等库与工具，以及文档工具 Pandoc、Python 管理工具 conda 和 pip 等管理工具。Anaconda 在普遍的科学计算领域足够完备，同时库的依赖关系可以通过 pip 与 conda 等方便地管理，使得程序员不必耗费许多精力在准备环境上。因此它也是普遍推荐的 Python 安装的解决方案。

由于 Psi4 不具备 Windows 版本，因此这里介绍 Linux 下的安装。

注意

WSL (Windows Subsystem of Linux) 尽管也是良好的 Linux 环境，但由于 Windows 系统不区分文件名中的大小写，因此在 WSL 下 Anaconda 时可能会遇到问题。因此，推荐在双系统或者服务器上安装 Anaconda。

前往清华开源镜像下，找到最新版本的 Anacodna 的 Linux 版本并下载；若在服务器上不太容易打开网页，则可以使用下述命令行下载 5.3 版本的 Anaconda：
```
$ wget https://mirror.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.0-Linux-x86_64.sh
```
以 Anaconda3-5.3.0-Linux-x86_64.sh 文件为例，在下载文件夹下直接执行：
```
$ chmod +x Anaconda3-5.3.0-Linux-x86_64.sh
$ ./Anaconda3-5.3.0-Linux-x86_64.sh
```
随后按照指示进行安装即可。
小技巧

安装后，需要前往 $HOME/.bashrc 检查是否将该版本的 Anaconda 加入了环境变量；参考安装日志中出现下述输出的上下文：
```
You may wish to edit your $HOME/.bashrc to setup Anaconda3:
```
对于服务器用户，可能需要改动的文件不是 $HOME/.bashrc 而是 $HOME/.bash_profile。

若在中国，可以使用清华镜像的仓库加速 Anaconda 的库的下载速度与更新速度；其使用方式是 (引用自 Anaconda 镜像使用帮助)

$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
$ conda config --set show_channel_urls yes

若要使用 Anaconda 发行版的 Python，退出当前 Terminal 再重新进入即可。

2.2. Psi4 环境¶

在这份教程中，我们不需要改动 Psi4 的程序，也不需要进行编译，只需要获得其 Python 版本的二进制可执行文件即可。这里的安装过程主要参考 Psi4NumPy 上的说明。

在安装完 conda 或 Anaconda 后，执行
```
$ conda create -n p4env psi4 -c psi4/label/dev
```
注意

一方面，我们需要使用 DFT 模块，因此需要下载 psi4/label/dev 而并非 psi4 的 Psi4 版本；

另一方面，上述的命令是创建了一个虚拟环境，它是专门为 Psi4 创建的环境。这么做是因为避免与最新版本的 Anaconda 产生库的依赖冲突，保证默认的 Python 比较干净。因此，这里没有直接在默认的 Python 环境下安装 Psi4。这样做多少会对使用产生不便，但避免库依赖关系混乱可能导致的更严重的问题。
在每次需要使用 Psi4 或维护其库依赖关系时，需要在 Bash 下执行
```
$ source activate p4env
```
当 Terminal 前有提示 (p4env) 时，即意味着进入 Psi4 的虚拟环境了。以后我们假设所有的命令都在该虚拟环境下执行。
Psi4 的 Python 二进制文件已经可以使用了；但 Jupyter 与 MatPlotLib 并不在其依赖关系中；而这些库是我们需要的。因此，我们需要在 Psi4 的虚拟环境下执行
```
(p4env) $ conda install jupyter matplotlib
```
至此我们已经完成了 Psi4 的安装。Psi4 可以作为一个量化软件，也可以作为 Python API 使用。对于前者，我们可以简单地使用一个输入文件作测试：input.dat

在 Bash 下使用下述命令进行测试：
```
(p4env) $ psi4 input.dat
```
如果能正常地看到 output.dat 且有正常的输出信息，即表明安装正常。

我们也可以尝试在 Python 下做一个小测试；如果看到与下述输出一样的信息，则表明 Python API 可以正常调用：

>>> import psi4
>>> mol = psi4.geometry("""
...     O  0.000    -0.000    -0.079
...     H  0.000     0.707     0.628
...     H  0.000    -0.707     0.628
...     symmetry c1
... """)
>>> psi4.set_options({'basis': '6-31g'})
>>> psi4.core.set_output_file('output.dat', False)
>>> scf_e, scf_wfn = psi4.energy('B3LYP', return_wfn=True)
>>> scf_e
-76.3771897718305

2.3. Jupyter 服务器环境¶

我们的操作系统通常设为 Linux (Mac 亦可)。通常这会不太方便，因为主要操作系统一般是 Windows，因此我们会期望将 Psi4 部署在远程 Linux 服务器上。而我们又会大量使用 Jupyter Notebook，其默认使用的地址是服务器的本地地址 (127.0.0.1:8080)；而这对于本地电脑而言是不可访问的。因此，需要对 Jupyter Notebook 的地址进行更改，才能让本地电脑访问服务器所启动的 Jupyter Notebook。这里参考 Jupyter Notebook 的官方文档 Running a notebook server 讲述如何配置 Jupyter Notebook。

小技巧

如果 Psi4 可以部署在本地电脑，这一节的内容可以跳过。

首先执行下述语句：
```
(p4env) $ jupyter notebook --generate-config
```
这将产生 Jupyter Notebook 的配置文件 $HOME/.jupyter/jupyter_notebook_config.py
在 Jupyter Notebook 配置文件中，你将看到下述语句：
```
#c.NotebookApp.ip = 'localhost'
```
对上述语句取消注释，并将其中的 localhost 更改为服务器的 IP 地址。Jupyter Notebook 的服务器环境就设立好了。
我们可以试一下 Jupyter Notebook 了。在 Bash 下执行
```
(p4env) $ jupyter notebook --no-browser
```
将会弹出一些输出。我们关心下述输出
```
Copy/paste this URL into your browser when you connect for the first time,
to login with a token:
```
后面一行的地址；将该地址复制到本地计算机的浏览器中，就可以使用服务器的 Jupyter Notebook 了。