`pair_e3gnn.cpp` should use pair-wise force.

[YutackPark]

현재 해당 cpp 파일은 레거시로 인해 pair-wise force 가 아니라, atom-wise force 로 미분하는 방법을 쓰고 있음.

이 방법은 stress, atomic_stress 와 compatible 하지 않음. (왜냐하면 virial 구할 때 pair_wise force 정보가 필요한데 다 날아가니까). Stress 의 경우 (이것도 레거시 때문에) strain tensor 를 추가해서 구하는 bypass 로 동작 중.

이번에 atomic_stress 나오면서 문제가 다시 터져서 #297 , 해당 PR 에서 atom-wise force 를 쓰도록 강제하는 deploy.py 코드를 수정하고, pair_e3gnn.cpp 도 edge force 를 쓰도록 바꿔야함. cpp 에서 (해당 방법 구현 자체는 이미 pair_e3gnn_parallel.cpp 에 되어있음, pair_e3gnn_parallel.cpp 는 autograd 자체를 pytorch 에서 안함. 그래서 cpp 에서 중간에 edge force byproduct 를 자연스럽게 얻을 수 있음.)

    grad_module = ForceStressOutput()
    model.replace_module('force_output', grad_module)
    new_grad_key = grad_module.get_grad_key()
    model.key_grad = new_grad_key

https://github.com/MDIL-SNU/SevenNet/blob/main/sevenn/nn/force_output.py
pair_e3gnn.cpp가 위 모듈의 ForceStressOutput 으로 deploy.py 가 replace 하는 걸, ForceStressOutputFromEdge 모듈을 consistent 하게 쓰도록 (python 부분은 이미 해당 모듈을 쓰도록 되어있음) 수정하면 됨. Atomc stress 도 해당 ForceStressOutputFromEdge 모듈에 flag 를 추가해서 구하도록 #297 의 contributor 에게 얘기함.

이 때, pair_force 를 주면 사실 나머지 (virial) 은 램스의 fdotr 이 똑같은 연산을 해주기 때문에, 옵션이 두 가지임.

1. pytorch의 force_output.py 에 있는 모듈을 그대로 사용하고, 값을 .cpp 에서 assign 해준다 (기존방법). 이 경우, fdotr 이 뭔가 난리치지 않도록, atomic stress 에서는 해당 부분 꺼줘야 한다고 함 (Add atomic_virial option #297 이 PR 의 _stress.cpp 참조)

2. force_output.py 의 모듈을 deploy 할때 지워버리고, autograd 를 직접 lammps 에서 call 한다. r_ij 로 energy 를 미분. 그리고 F_ij 를 램스에게 넘겨주고, virial 계산은 램스에게 맡긴다. (pair_e3gnn_parallel.cpp 이 하는 방법)

[YutackPark]

https://docs.lammps.org/Modify_pair.html

no_virial_fdotr_compute