简介mx3tools 是一套面向微磁学仿真研究者的 Python 工具集合专为配合 Mumax3 运行与分析仿真而设计适合已掌握基础微磁模拟、希望用脚本批量处理数据的科研人员与研究生使用。它并非通用软件包而是聚焦于仿真流程中的实际痛点例如将 simulation.out 目录下的多个 .ovf 文件批量读入 numpy 数组方便后续统计与可视化。资源包共 20 个文件以 12 个 py 脚本为核心另含 ovf 示例数据、txt 说明、yaml 与 cfg 配置、md 文档及 license 等压缩包约 8.55MB结构紧凑。功能模块覆盖 ovftools、ioutil、plotutil、statutil、datautil、simrun 等可支撑数据加载、绘图、统计与仿真运行等环节。目前已有 1521 人学习下载读者可借此快速搭建可复用的微磁数据处理流程减少重复编码提升仿真分析效率。1. 从脚本堆到工具链mx3tools 到底解决了什么如果你用 Mumax3 做过微磁学仿真大概率经历过这个循环手写.mx3脚本、命令行跑mumax3、等结果、再用 Python 读.ovf和table.txt、自己画图。单次仿真还好一旦要扫参数——比如交换刚度Aex从 10pJ/m 扫到 15pJ/m、DMI 强度取五个值——脚本管理立刻变成灾难。mx3tools 就是冲着这个痛点来的它是一套 Python 工具集把 Mumax3 仿真的批量生成、执行调度、结果解析、可视化串成一条流水线。适合两类人一是刚接触 Mumax3、不想在文件管理上翻车的新手二是已经有一堆散落脚本、想收敛成可复用工作流的熟手。它不替代 Mumax3 本身而是补上「Python 侧编排」这一层。2. 环境搭建与最小可跑闭环从安装到第一张磁化曲线2.1 依赖关系与安装路径选择mx3tools 本质是 Python 包运行前提是系统里已经有可执行的mumax3。常见做法是分两步先确认 Mumax3 本体能跑再装 Python 侧工具。Mumax3 是 Go 编译的单文件二进制放到PATH里即可GPU 加速依赖 CUDA 驱动这个必须在装 Python 包之前验证否则后面所有报错都会指向错误方向。# 第一步确认 mumax3 本体可用 which mumax3 mumax3 --version # 第二步确认 GPU 可见Mumax3 依赖 CUDA nvidia-smi # 第三步安装 mx3tools pip install mx3tools逻辑说明which确认二进制在PATH中--version确认能正常启动nvidia-smi是判断 GPU 是否可用的第一道关卡如果这里看不到设备后面仿真会直接报 CUDA 相关错误。参数上Mumax3 对 CUDA 版本有要求常见做法是驱动版本不低于 CUDA 运行时要求具体对照 Mumax3 官方说明。提示如果pip install报编译错误先检查 Python 版本mx3tools 一般要求 Python 3.8 以上且部分依赖如 numpy、matplotlib需要预编译轮子。2.2 用 Python 生成并提交一个仿真mx3tools 的核心用法是「用 Python 对象描述仿真再导出为.mx3脚本」。下面是一个最小示例定义一个 200nm×200nm×10nm 的薄膜加一个 skyrmion 初始态跑 1ns。from mx3tools import Simulation, Geometry, Material # 定义几何200nm x 200nm x 10nm 薄膜 geom Geometry(size(200e-9, 200e-9, 10e-9), cellsize(2e-9, 2e-9, 2e-9)) # 定义材料参数坡莫合金典型值 mat Material( Ms800e3, # 饱和磁化强度 A/m Aex13e-12, # 交换刚度 J/m Dind1.5e-3, # DMI 强度 J/m^2 Ku0.5e5, # 单轴各向异性 J/m^3 Ku1_axis(0, 0, 1) ) # 创建仿真对象 sim Simulation(geomgeom, materialmat, nameskyrmion_demo) # 设置初始磁化态一个 skyrmion sim.set_initial_state(skyrmion, radius50e-9, polarity1) # 设置输出每 10ps 存一次磁化同时记录能量表 sim.add_output(magnetization, every10e-12) sim.add_output(table, every10e-12) # 设置求解器与运行时间 sim.set_solver(rk4, dt1e-13) sim.run(duration1e-9) # 导出为 .mx3 脚本 sim.export(skyrmion_demo.mx3)逻辑说明Geometry定义空间离散cellsize决定网格精度太小会爆显存太大则丢物理细节Material里Dind是界面 DMIskyrmion 稳定存在需要它set_initial_state是 mx3tools 封装的便捷方法底层会生成对应的m.set或relax语句add_output控制输出频率every参数直接对应.mx3里的autosave和tableautosave。导出后用命令行执行mumax3 skyrmion_demo.mx3这一步会生成skyrmion_demo.out/目录里面有.ovf文件和table.txt。2.3 读取结果并画第一张图仿真跑完后mx3tools 提供解析接口不用自己手写 OVF 解析器。from mx3tools import load_table, load_ovf import matplotlib.pyplot as plt # 读取能量表 table load_table(skyrmion_demo.out/table.txt) plt.plot(table[t], table[E_total], labelTotal energy) plt.xlabel(Time (s)) plt.ylabel(Energy (J)) plt.legend() plt.savefig(energy.png) # 读取最后一帧磁化 m load_ovf(skyrmion_demo.out/magnetization000100.ovf) m.plot_slice(z0, componentmz, cmapRdBu) plt.savefig(mz_slice.png)逻辑说明load_table返回的是字典式结构键名对应table.txt的列名常见的有t、E_total、E_exch、E_dmi等load_ovf返回的对象带plot_slice方法z0表示取中间层component指定分量。参数上cmapRdBu适合看mz的正负分布skyrmion 会呈现典型的红蓝同心圆。3. 参数扫描与批量调度把 50 组仿真压成一条命令3.1 扫描逻辑的设计为什么不用 shell 循环很多人第一反应是写 bash 循环改一个参数、跑一次、换个目录。问题是参数组合一多目录命名、结果收集、失败重跑全得手动管。mx3tools 的做法是把扫描定义成 Python 里的参数网格每个组合生成独立仿真对象再统一提交。from mx3tools import Simulation, Geometry, Material, ParameterSweep geom Geometry(size(200e-9, 200e-9, 10e-9), cellsize(2e-9, 2e-9, 2e-9)) # 定义扫描Aex 取 3 个值Dind 取 4 个值共 12 组 sweep ParameterSweep( base_materialMaterial(Ms800e3, Aex13e-12, Dind1.5e-3, Ku0.5e5), params{ Aex: [10e-12, 13e-12, 16e-12], Dind: [1.0e-3, 1.5e-3, 2.0e-3, 2.5e-3] } ) # 为每个组合生成仿真 sims [] for i, mat in enumerate(sweep): sim Simulation(geomgeom, materialmat, namefsweep_{i:03d}) sim.set_initial_state(skyrmion, radius50e-9) sim.add_output(table, every10e-12) sim.run(duration1e-9) sim.export(fsweep_{i:03d}.mx3) sims.append(sim)逻辑说明ParameterSweep接收基础材料和参数字典内部做笛卡尔积enumerate遍历时每个mat已经是改好参数的Material对象。参数上Aex和Dind的单位分别是 J/m 和 J/m²写的时候注意量级。导出后批量执行# 串行执行简单但慢 for f in sweep_*.mx3; do mumax3 $f; done # 并行执行按 GPU 数量决定并发数 ls sweep_*.mx3 | xargs -P 2 -I {} mumax3 {}-P 2表示同时跑 2 个具体数字取决于 GPU 显存和单仿真占用。常见做法是先跑一个测显存再决定并发。3.2 结果聚合从 12 个 table.txt 到一张相图批量跑完后最烦的是把结果拼起来。mx3tools 提供聚合接口。from mx3tools import aggregate_tables import pandas as pd # 收集所有 table.txt results aggregate_tables(sweep_*.out/table.txt) # 提取每个仿真的末态能量和 skyrmion 半径 summary [] for name, df in results.items(): final df.iloc[-1] summary.append({ name: name, E_total: final[E_total], E_dmi: final[E_dmi], E_exch: final[E_exch] }) summary_df pd.DataFrame(summary) summary_df.to_csv(sweep_summary.csv, indexFalse)逻辑说明aggregate_tables用 glob 匹配多个table.txt返回{仿真名: DataFrame}的字典iloc[-1]取最后一帧代表弛豫后的稳态。参数上如果仿真没跑完就中断最后一帧可能不是稳态常见做法是检查t是否达到设定时长或者看能量是否收敛。3.3 用相图判断 skyrmion 稳定区把summary_df和扫描参数对应起来就能画相图。import matplotlib.pyplot as plt import numpy as np # 假设 summary_df 已按扫描顺序排列 Aex_vals [10e-12, 13e-12, 16e-12] Dind_vals [1.0e-3, 1.5e-3, 2.0e-3, 2.5e-3] # 构造能量矩阵 E_matrix summary_df[E_total].values.reshape(len(Aex_vals), len(Dind_vals)) plt.imshow(E_matrix, aspectauto, originlower, cmapviridis) plt.xticks(range(len(Dind_vals)), [f{d*1e3:.1f} for d in Dind_vals]) plt.yticks(range(len(Aex_vals)), [f{a*1e12:.0f} for a in Aex_vals]) plt.xlabel(Dind (mJ/m^2)) plt.ylabel(Aex (pJ/m)) plt.colorbar(labelE_total (J)) plt.savefig(phase_diagram.png)逻辑说明reshape的行列顺序必须和扫描顺序一致否则相图会错位——这是血泪经验扫描时参数顺序和 reshape 顺序对不上图看起来「有规律」但物理意义全错。参数上originlower让 y 轴从下往上增符合常规相图习惯。4. 避坑与排查那些让仿真白跑的细节4.1 现象仿真启动即报 CUDA out of memory原因cellsize太小或几何尺寸太大显存不够。Mumax3 的显存占用大致和网格点数成正比200×200×10nm 用 2nm 网格是 100×100×55 万点用 1nm 网格就变成 20 万点显存翻四倍。解决先算网格点数常见做法是控制在 GPU 显存的 60% 以内。如果必须高分辨率可以分区域跑或者用sim.set_solver里的demag选项调整退磁计算精度。4.2 现象table.txt 里能量震荡不收敛原因dt太大RK4 求解器不稳定。微磁学里交换作用对应的特征时间很短dt一般取 1e-13 到 1e-14 量级。解决把dt调小一个量级重跑或者换用rk45自适应步长。注意rk45会动态调整步长table的输出间隔仍然由every控制不受影响。4.3 现象OVF 文件读出来全是零原因输出路径写错或者add_output的every设得比总时长还大导致一帧都没存。解决检查.out目录里有没有magnetization*.ovf文件如果有但读出来是零检查load_ovf的路径是否指向了table.txt而不是 OVF。常见做法是先用ls确认文件存在再用load_ovf读第一帧测试。4.4 现象批量扫描时部分仿真结果缺失原因并行执行时 GPU 显存被多个进程争抢部分进程被系统杀掉但xargs不会报错。解决降低-P并发数或者在每个仿真前加显存检查。更稳妥的做法是用mx3tools的调度接口它会在提交前检查 GPU 可用显存。另外跑完后用aggregate_tables时如果发现某个仿真缺失检查对应.out目录是否完整。4.5 现象skyrmion 初始态设置后立刻消失原因radius太小或Dind不够强skyrmion 无法稳定。skyrmion 的稳定存在需要 DMI 和交换作用、各向异性之间满足一定条件。解决先跑一个弛豫步骤用sim.relax()让系统找到能量极小态再开始动力学。或者增大Dind到 2e-3 以上测试。参数上radius一般取 30-80nm太小会被网格离散化吃掉。5. 进阶技巧把 mx3tools 接进自己的分析流水线5.1 自定义输出与后处理钩子mx3tools 允许在仿真对象上挂后处理函数每存一帧就调用一次。这个功能适合做实时监控比如每 10ps 算一次 skyrmion 半径不用等仿真跑完。from mx3tools import Simulation, Geometry, Material import numpy as np def measure_radius(m): 从磁化场估算 skyrmion 半径 mz m[:, :, m.shape[2]//2, 2] # 取中间层 mz # 找 mz 过零点的位置作为边界 zero_crossings np.where(np.diff(np.sign(mz[0, :])))[0] if len(zero_crossings) 2: return (zero_crossings[-1] - zero_crossings[0]) * 2e-9 / 2 return 0.0 sim Simulation(geomGeometry(size(200e-9, 200e-9, 10e-9), cellsize(2e-9, 2e-9, 2e-9)), materialMaterial(Ms800e3, Aex13e-12, Dind1.5e-3, Ku0.5e5), nameradius_monitor) sim.set_initial_state(skyrmion, radius50e-9) sim.add_output(magnetization, every10e-12) sim.add_hook(measure_radius, every10e-12, outputradius.txt) sim.run(duration1e-9) sim.export(radius_monitor.mx3)逻辑说明add_hook注册的回调函数接收当前磁化场返回值写入radius.txt。参数上every控制调用频率和add_output独立。这个钩子在仿真进程内执行所以不能太重否则拖慢仿真。5.2 用 Python 做参数拟合从相图反推材料参数如果你有一组实验测到的 skyrmion 半径想反推Dind可以用 mx3tools 跑扫描再拟合。from mx3tools import ParameterSweep, Simulation, Geometry, Material import numpy as np from scipy.optimize import minimize_scalar def simulate_radius(Dind): 给定 Dind跑一个短仿真返回 skyrmion 半径 sim Simulation(geomGeometry(size(200e-9, 200e-9, 10e-9), cellsize(2e-9, 2e-9, 2e-9)), materialMaterial(Ms800e3, Aex13e-12, DindDind, Ku0.5e5), namefit_tmp) sim.set_initial_state(skyrmion, radius50e-9) sim.relax() sim.run(duration1e-10) sim.export(fit_tmp.mx3) # 这里假设已执行并读取结果 return 50e-9 # 占位实际从结果读 # 目标半径 60nm反推 Dind result minimize_scalar( lambda d: abs(simulate_radius(d) - 60e-9), bounds(0.5e-3, 3.0e-3), methodbounded ) print(fFitted Dind {result.x:.3e} J/m^2)逻辑说明minimize_scalar做一维搜索每次调用simulate_radius跑一个短仿真。参数上bounds根据物理合理范围设定太宽会浪费计算。这个流程适合参数少的情况参数多时改用网格搜索加插值。5.3 验证方法用解析解交叉检查跑完仿真后常见做法是用解析近似验证。比如 skyrmion 半径和Dind的关系在薄板近似下有经验公式。如果仿真结果和解析解偏差超过 20%先检查网格精度和dt再检查材料参数单位。检查项常见错误验证方法网格尺寸大于交换长度对比 1nm 和 2nm 网格结果时间步长大于特征时间减半 dt 看能量是否收敛DMI 符号正负写反看 skyrmion 手性是否与预期一致输出频率太稀漏掉瞬态加密 every 看曲线是否平滑从那以后我每次跑扫描前都强制先用一个参数组合跑通全流程——生成、执行、读取、画图——确认闭环没问题再铺开。这个习惯帮我省了至少三次「跑了一夜发现输出路径写错」的后悔药。希望帮到你。本文还有配套的精品资源点击获取