候选结构清洗后再进入 DFT
这条流程适合处理 Make Dataset 生成的大批候选结构。目标不是在本地得到最终训练标签，
而是在 DFT 之前删掉明显不值得计算的结构，避免把计算资源花在坏构型和重复构型上。
一条稳妥路线是：
弛豫好的初始结构
-> Make Dataset 生成候选结构
-> NEP Dataset Display 查看和清洗异常结构
-> FPS Filter 或其他采样方法选择代表结构
-> DFT 标注
-> GPUMD 训练
1. 从初始结构开始
先准备一批可信的初始结构。它们通常来自已有训练集、弛豫后的晶体、表面模型、缺陷模型或手工构建的原型。
在 Make Dataset 页面，先用顶部 Open 导入这些初始结构，再添加生成卡片。
这一步不要跳过。没有初始结构时，大多数构型生成卡没有明确的处理对象；即使某些生成卡能从零创建结构， 也应该单独确认它的输出是否符合你要研究的材料体系。
2. 生成候选结构，不要急着 DFT
Make Dataset 负责把初始结构扩展成候选池。例如：
Lattice Strain/Shear Strain：补应变附近结构。Atomic Perturb/Vibration Perturb：补近平衡扰动。Random Vacancy/Vacancy Defect/Insert Defect：补缺陷环境。Random Slab/Stacking Fault：补表面和层错。Random Doping/Random Occupancy：补合金或占位变化。
这些操作会扩大覆盖，但也会引入坏结构。比如扰动过大导致原子距离过近，随机占位产生极端局部环境，
表面或缺陷生成后出现不合理配位。候选结构应该先导出为一个中间文件，例如
candidate_pool.xyz，再进入下一步清洗。
3. 在 NEP Dataset Display 里先看结构
把 candidate_pool.xyz 导入 NEP Dataset Display。这一步先做肉眼和几何层面的检查：
结构是否明显破碎或重叠。
元素组成是否符合预期。
Config_type是否能追溯到生成来源。是否存在明显过短键长或非物理局部环境。
建议先用这些工具：
Finding non-physical structures：按近邻距离快速找疑似坏构型。Select by Range：按图上范围选择异常点。Find Max Error Point：在有参考或预测结果时定位最极端样本。搜索框：按
Config_type、元素或表达式筛某一类结构。Delete Selected Items/Undo：删除和撤销。
4. 用 NEP 预测做快速预筛
如果你有可用的预筛模型，可以让 NEP Dataset Display 给候选结构做快速预测。
这里的预测值不是 DFT 标签，也不能当作训练真值；它只用于发现明显离谱的候选样本。
常见判断包括：
某些结构预测力远高于同批样本，大概率有过近原子或极端局部环境。
能量分布出现孤立长尾，需要回到结构视图确认。
某一类
Config_type系统性异常，说明上游卡片参数可能过激。
如果没有可信预筛模型，也不要强行依赖预测值。先做几何检查和人工抽查，再保守地缩小生成参数。
5. 先清洗，再 FPS
FPS Filter 的作用是从候选池里选代表结构，不是判断结构是否物理合理。
如果候选池里混入很多坏结构，直接 FPS 会有一个风险：坏结构在描述符空间里往往很“远”， 因此可能被优先选中。结果看起来覆盖更广，实际却把 DFT 预算花在不该算的结构上。
更稳的顺序是：
候选池
-> 删除明显坏结构
-> 删除或隔离预测力极大的结构
-> 检查每类 Config_type 是否还保留足够样本
-> 再用 FPS Filter 做代表性采样
清洗后的输出可以命名为 candidate_pool_clean.xyz。如果之后做 FPS，输出可以命名为
candidate_pool_fps.xyz，这样每一步都能追溯。
6. 送去 DFT 后再回看
DFT 标注完成后，把带有能量、力、应力的结构再导入 NEP Dataset Display。
这时检查重点会变化：
是否有 DFT 未收敛或异常标签。
力和能量分布是否出现不合理长尾。
某些构型族是否过多或过少。
训练后模型在哪些结构上误差最大。
这一步的输出会决定下一轮 Make Dataset 应该补什么：是补某类缺陷、某个应变范围，
还是缩小某张生成卡的参数范围。
常见误区
误区 1：生成后直接 DFT。 候选结构不是最终训练集。先清洗通常比事后处理失败 DFT 更省时间。
误区 2：先 FPS 再清洗。 FPS 不知道物理合理性，只知道描述符距离。坏结构可能因为“特别不一样”被选中。
误区 3：把 NEP 预测当作 DFT 标签。 NEP 预测只适合预筛和排序，最终训练标签仍然来自 DFT。
误区 4：只看总数量。
候选池有 5000 个结构不等于覆盖好。更重要的是每类 Config_type 的质量和多样性。