fmq/DCTS
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(all): NaN 伪收敛否决与 nl_tight 能量回退、emflux 检验 4π 修正、nst 行宽与种子边界修复、gfATO 谱线表接通与网格加密 9216 点、阶段分项统计与跳板机部署

Browse Source 
物理修复（400 失败点归因，见 docs/failed400_nan_pseudo_convergence_2026_08_17.md）：
- runner: 阶段 converged 后复查 fort.7，含 NaN/Inf 即否决（fort.9 全零伪收敛，
  曾致 261 点误跳过 nl_direct 回退）；否决阶段不产出种子，阻断污染传播
- runner: nl_tight 回退——仅能量边际失败时以 CHMAX 收紧 10× 从自身模型续迭代，
  残差降幅 ~10×；execute_tlusty_stage 抽取供主链与回退共用
- conv_check: fort.14 为 Eddington 通量 Hλ，积分需乘 4π 再比 σTeff⁴
  （旧版 ratio 稳定 0.0796=1/4π，全点系统性假阳性）+ 回归测试
- nst_writer: 单行超 80 字符被 TLUSTY 静默截断，IFALI/JALI/TRAD 等从未生效；
  按 75 字符自动换行
- seed_finder: Teff 容忍度改含边界 <=，相邻 5000K 档恢复互为种子 + 回归测试

谱线表与网格：
- 默认线表 gfVIS99 → gfATO（全波段 18-23000Å），TaskSpec.linelist 支持工作流
  级覆盖，节点按需下载（进程互斥锁防并发重复下载 238MB）
- sdB_cno Teff 加密至 5000K 步长，432 → 9216 点；tlusty/synspec 静态二进制更新

统计与部署：
- grid 汇总改按 tlusty_status/synspec_status 分项计数，新增 tlusty_failed/
  synspec_failed/synspec_pending，前端详情页双视图适配
- deploy/fetch_results 支持跳板机 ProxyJump 与 SSH 主连接复用，fetch 新增 --force；
- Docker 构建支持 CARGO_MIRROR/USE_MIRRORS 国内镜像参数；移除 tools/ 拷贝
- 新增 tlusty-synspec-test skill 与 6 篇根因分析/验证文档
This commit is contained in:
fmq
2026-08-17 23:55:26 +08:00
parent 43b82b1ae2
commit b058e66722
54 changed files with 5624 additions and 347 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/cold_start_fix_2026_08_12.md
+73
View File
@@ -0,0 +1,73 @@
# 冷启动收敛调查与更正（2026-08-12）
## ⚠️ 结论更正（重要）
本文件是对 2026-08-11 系列"收敛修复"（`itek:0`/`iacc:0`/`DPSILG=1.5`）的彻底复核。
**最终结论：以上配置改动都无法让失败网格点从冷启动收敛，已全部回退。**
此前声称"禁用 Kantorovich 后 iter5 从 1e5~1e7 降到 0.2~1.0、点收敛"是**错误结论**，
源于在探测程序运行中解析 fort.9 时只读到部分深度（TLUSTY 逐深度写入、缓冲未刷新），
把"部分深度的最大值"误当成了"该迭代的真实最大值"。
**真实数据（完整 50 深度重新解析）**：
| 点 (he-2/he0 中等难度) | baseline 末relc | nokant(ITEK≥NITER) 末relc |
|----|:---:|:---:|
| he-2_c-1_n-2_o-4 | 4.5e+15 | 1.7e+03 |
| he-2_c-2_n-4_o-4 | 6.3e+09 | 1.5e+07 |
| he-2_c-4_n-1_o-1 | 9.7e+09 | 1.5e+04 |
| he0_c-1_n-3_o-2 | 4.5e+09 | 7.0e+04 |
| he0_c-2_n-2_o-3 | 1.4e+18 | 1.0e+04 |
**6 个测试点 × 4 种配置 = 24 次运行，0 次收敛。** 最难点
`t50000_g5.0_he-4_c-4_n-4_o-4` 用 itek=999 + orelax=0.5/0.1 也发散
（iter10 relc≈6e5，两种 orelax 结果几乎相同）。
## 调查中确认的源码事实（仍然有效）
| 发现 | 源码依据 |
|------|---------|
| `ITEK=0` **冻结 populations**（nitzer=0），不是禁用 Kantorovich | `tlusty208.f:1937` `if(nitzer.gt.itek) nitzer=itek` |
| `IACC=0` **是空操作**（被 clamp 回默认 7） | `tlusty208.f:1928` `IF(IACC.LE.4) IACC=7` |
| 默认 `ITEK=4` 在 iter≥5 冻结 Jacobian（Kantorovich） | `tlusty208.f:848-857` |
| 默认 `IACC=7` 在 iter≥7 外推 PSY0（Ng/ACCEL2） | `tlusty208.f:29704` |
禁用 Kantorovich+Ng（设 `itek`/`iacc` > NITER）**确实**把发散幅度降低了约
1e12~1e14×（如 he0_c-2_n-2: baseline 1e18 → nokant 1e4），但**达不到收敛**——
Newton 迭代自身在 grey LTE 起点即处于收敛域外，振荡不衰减。
## 物理背景
失败点的特征：**He-poor（he=−4）+ 高 Teff（50-60kK）+ 低 logg（5.0-5.5）+ 极贫
CNO**。DB 统计：
| He 丰度 | 收敛 | 失败 | 失败率 |
|---------|------|------|--------|
| he=+2（富氦）| 359 | 25 | **7%** |
| he=0 | 177 | 206 | 54% |
| he=−2 | 139 | 245 | 64% |
| he=−4（贫氦）| 132 | 252 | **66%** |
这些点（纯 H 极端 NLTE 电离）从 grey LTE 模型冷启动，首次 NLTE 迭代的 POP 修正
就达 1e2~1e4（相对变化），Newton 步长超出收敛域。无论加速/阻尼参数如何设置，
迭代都在 1e2~1e6 之间振荡发散。**调参救不回收敛域外的问题。**
## 结论与建议
1. **YAML 已回退**：`workflows/sdB_cno.yaml` 恢复生产配置（nc NITER=10、nl NITER=100
orelax=0.5、seed_nc NITER=20、seed_nl NITER=100 orelax=0.5，itek/iacc 用默认）。
此前所有"修复"（itek:0 / iacc:0 / DPSILG=1.5 / itek=999）均无效或有害，全部移除。
2. **真正的可行方向**（需框架/Rust 改动，非 YAML 配置）：
- **连续法（continuation）**：从已收敛的较低 Teff（如 40-45kK）模型出发，
以该模型为 fort.8 热启动，逐步升高 Teff——NLTE 大气建模处理硬收敛点的标准方法。
- **改进 seed_step 种子选择**：优先选 **He 丰度匹配**的已收敛邻居（he=+2 邻居
收敛率 93% vs he=−4 邻居 34%），而非仅按 Teff/logg 距离。
- 或接受这些极端点（he=−4 + 极贫 CNO + 50-60kK）需要人工/半自动处理。
## 相关计算文件
- `test/20260811_convergence_fix_abtest/runs_nc_probe/`：5 个中等难度点的
baseline / nokant / nokant_relax 三配置完整 10 迭代轨迹（fort.9），全部发散。
- `test/20260811_convergence_fix_abtest/runs_verify/`、`runs_verify_01/`：
最难点完整冷链（lte→nc→nl）验证，nc 发散、nl 因 NaN 假收敛。
docs/deployment.md
+25 -11
View File
@@ -83,11 +83,7 @@ DCTS 运行时所依赖的物理计算底座二进制文件 `assets/tlusty_stati
* **标准编译命令**:
```bash
cd /home/fmq/program/tlusty/tl208-s54/tlusty
gfortran -fno-automatic -O3 -o ../dcts/assets/tlusty_static tlusty208.f
```
* **大内存寻址编译选项 (推荐超大能级网格使用)**:
```bash
gfortran -fno-automatic -mcmodel=large -O3 -o ../dcts/assets/tlusty_static tlusty208.f
gfortran -fno-automatic -fno-toplevel-reorder -mcmodel=medium -O3 -o ../dcts/assets/tlusty_static tlusty208.f
```
#### 2. 编译 SYNSPEC 理论光谱合成引擎 (`assets/synspec_static`)
@@ -98,18 +94,36 @@ DCTS 运行时所依赖的物理计算底座二进制文件 `assets/tlusty_stati
* **标准编译命令**:
```bash
cd /home/fmq/program/tlusty/tl208-s54/synspec
gfortran -fno-automatic -O3 -o ../dcts/assets/synspec_static synspec54.f
```
* **大内存寻址编译选项**:
```bash
gfortran -fno-automatic -mcmodel=large -O3 -o ../dcts/assets/synspec_static synspec54.f
gfortran -fno-automatic -fno-toplevel-reorder -mcmodel=medium -O3 -o ../dcts/assets/synspec_static synspec54.f
```
#### 关键编译选项说明:
- `-fno-automatic`: 禁用局部变量的自动栈分配（强制将局部变量保存在静态内存区）。这是保证传统 FORTRAN 77 程序正常运行的关键参数，防止大型局部数组造成栈溢出（Stack Overflow）或段错误（Segmentation Fault）。
- `-O3`: 开启全量 LLVM/GCC 代码优化，极大加快完全线性化/加速 Lambda 迭代（CL/ALI）及辐射转移方程形式解的计算速度。
- `-mcmodel=large`: 当模型数组与数据段超越 2GB 寻址限制时，允许可执行文件使用 64 位大内存寻址模式。
- **`-fno-toplevel-reorder`（关键修复，2026-08-11）**: 禁用 gfortran 的顶级函数/变量重排优化。**SYNSPEC 与 TLUSTY 必须加此选项**——不加会导致 Balmer 跃迁（3646 Å）之后整个波长范围输出 NaN（`-O1` 及以上均触发，仅 `-O0` 幸免）。根因：该优化破坏了 SYNSPEC/TLUSTY 依赖的 COMMON 块数据初始化顺序，使氢线不透明度计算读到未初始化的内存。此项优化缺失对计算速度无显著影响（实测 `-O3 -fno-toplevel-reorder` 与 `-O3` 速度相当）。
- `-mcmodel=medium`: 允许大型 COMMON 块（SYNSPEC 的 LINDAT/PARAMS COMMON 块超过 2GB）使用 64 位寻址，避免链接器 "relocation truncated to fit" 错误。
#### 3. 谱线表（SYNSPEC fort.19）部署
SYNSPEC 的谱线表通过 `assets/data/{linelist}` 分发（`/api/data/file/{name}` 路由），工作流 YAML 的 `linelist` 字段指定文件名。可用线表：
| 线表 | 波长范围 | 线数 | 大小 | 适用场景 |
| :--- | :--- | :--- | :--- | :--- |
| `gfATO.dat` | 18–23000 Å | 230 万 | 238 MB | **默认/推荐**：全波段（EUV+UV+光学+近/中红外） |
| `gfVIS99.dat` | 3000–7550 Å | 15 万 | 12 MB | 仅可见光诊断（快速） |
**部署步骤**（`gfATO.dat` 不入库，需手动放置）：
```bash
# 把 gfATO.dat 复制到 server 的 assets/data/ 目录（被 .gitignore 排除）
cp /path/to/gfATO.dat assets/data/gfATO.dat
# node 端首次连接时自动从 server 下载（238MB，首次较慢，之后缓存）
```
**SYNSPEC 波长范围限制**（实测）：
- 可靠范围：**100–23000 Å**（超出此范围输出截断，仅 ~235 行无效数据）
- 工作流默认配置：`alam0: 100.0, alast: 20000.0`（留安全余量）
- 波长范围由工作流 YAML `synspec_input.line6.alam0/alast` 控制，须与线表覆盖范围匹配
---
docs/failed400_nan_pseudo_convergence_2026_08_17.md
+97
View File
@@ -0,0 +1,97 @@
# 400 失败点二次分析与 NaN 伪收敛修复（2026-08-17）
> 背景：三层修复（nst 行宽 / nl_direct 回退 / seed_finder 边界）部署重跑后，
> 9216 点中 8816 完成、**400 失败**。数据源：最新 DB 快照 `/home/fmq/下载/dcts.db`
> + 全量更新后的 `data/salvage/`（6 节点）。
## 一、400 点分类（按每点最新一次任务）
| 类别 | 数量 | 机制 |
|---|---:|---|
| **NaN 伪收敛** | **261** | 见 §二，本轮核心 bug |
| 真发散（nl/nl_direct 1e16 STOP） | ~131 | 20kK/logg≥6 富氦簇（~50）+ 60kK/logg≤5.5 贫氦簇（~65）等 |
| 收敛但最深层能量残差 1.0–2.3% 超 1% 阈值 | 7 | 边际案例 |
分布（NaN 伪收敛修复前）：teff=20000:76、55000:77、60000:121 为主。
## 二、NaN 伪收敛：根因链
生产工件实证（t60000_g6.0_he-4_c-4_n-4_o-4，多节点一致）：
1. `seed_nc` 发散（best_max_relc 1.15e15），fort.7 含 4823 行 NaN → **污染种子**；
2. `nl` 从污染种子启动 → TLUSTY 立即崩溃，fort.9 写出**全 `0.00E+00`**
（NaN 参与的相对变化无法计算，写出零；fort.9 尾部 TEMP 列可见 NaN）；
3. `check_fort9`：max_relc=0 < chmax=1e-3 → **`converged=true`（伪收敛）**；
4. 因 nl 被判"收敛"，**nl_direct 回退被跳过**（回退仅在 require_converged 失败时触发）；
5. 最终门槛全灭（emflux nan_ratio=100%、温度 NaN、bfac 38% 极端值）→ 点失败，
282/288 个 emflux 失败的 ratio 恰为 0（`integrated_flux=0, n_points=0`）。
## 三、修复
`crates/common/src/runner.rs` `execute_tlusty_stage()`：
- 阶段被判 converged 后复查本阶段 fort.7（`atmosphere_has_nan`，含 NaN/Inf/`***`/
E+300 检测），命中即否决收敛并标注 note；
- 被否决的阶段**不产出种子**（`produced_seed=None`），阻断污染向下游传播。
测试：`unit_nan_pseudo_convergence_veto`（全零 fort.9 + NaN fort.7 → seed_nc 判失败、
nl 回退原始种子收敛）；全 workspace 测试通过。
## 四、直测验证（test/20260817_failed400/，direct-nl 复现 nl_direct 回退路径）
| 测试 | 点 | 种子 | 结果 |
|---|---|---|---|
| q1 | t60000_g6.0_he-4_c-4_n-4_o-4（NaN 伪收敛簇） | 邻点 o-2 的收敛 .7 | ✅ **12it 收敛 7.0e-4**，温度三项全过（表层 0.79×Teff），emflux 4π∫Hλ/σT⁴=1.0014 |
| q2 | t20000_g6.5_he2_c-4_n-4_o-2（20k 富氦簇） | 邻点 c-3_n-3_o-2 | ❌ iter42 发散 STOP（1.35e18） |
| q3 | t60000_g5.0_he-4_c-4_n-4_o-2（60k g5 簇） | 邻点 o-4 的收敛 .7 | ❌ 100it 耗尽，max_relc 546（温度结构物理但未收敛） |
q1 证明：NaN 伪收敛簇（261 点，65%）在修复后经 nl_direct 回退路径可完整恢复
（数值收敛 + 物理门槛全过）。q2/q3 为真发散硬核（~131 点），所用邻居种子不足以
收敛，需依赖生产的 exact_family 种子选择、多策略重试或 Teff 连续步进。
## 五、三类问题的验证测试与方案（test/20260817_failed400/）
### 5.1 NaN 伪收敛簇（261 点）回收估计验证 — 成立
分层抽样 17 点（每 teff 档 2 个，种子 = 完成点中 CNO 精确匹配/最近邻的
salvage .7），direct-nl（= nl_direct 回退的等价路径）：
- **11/17 收敛**（20–41 迭代），温度结构三项全过，emflux 1.0001–1.0017 全达标；
- 6 个失败均为种子距离过大（Δlogg 0.5–1.5）直接 STOP——生产端 seed_finder 有
多候选 + 多策略重试（attempt 至 11 次），实际回收率高于单种子 65%；
- 结论："修复后预期回收 ~261 点"估计成立且偏保守。
### 5.2 能量边际点（7 个）— nl_tight 回退，已实现
实测（mg_tight）：从自身最终模型续迭代、CHMAX 1e-3→1e-4，约 19 迭代后
最深层 (RAD+CON)/TOT 残差 0.0199/0.0228 → **0.0011/0.0016**（降 ~10×）。
`runner.rs` 新增 nl_tight 回退：能量门槛失败 + 最终大气无 NaN 时，以
`<label>_tight`（CHMAX÷10）从自身模型续迭代，成功则刷新最终大气/快照并
重判能量。单测 `unit_nl_tight_fallback_wiring` 通过。
### 5.3 真发散硬核（~131 点）— 连续步进（continuation）方案验证通过
| 批次 | 配置 | 结果 |
|---|---|---|
| hard_base（16 点分层抽样） | direct-nl + 最近完成点种子 | 4/16 |
| hard_ore03（12 个失败点） | 同上 + ORELAX=0.3 | 1/12 |
| ladder_60k_he4（60k 贫氦簇代表） | 55k→57.5k→60k 三步 Teff 步进 | ✅ 28it/3.9e-4，物理过，emflux=1.0008 |
| ladder_20k_he2（20k/6.5 富氦簇代表） | g6.0→6.25→6.5 三步 logg 步进 | ✅ 27it/8.1e-4，物理过，emflux=1.0112（<2% 阈值） |
两个最难簇的代表点在 direct-nl、ORELAX 全部失败后，**仅靠 2 个中间参数的
连续步进即完全收敛**。机理：单步 Δ 超出 Newton 收敛域时，把参数空间距离
切分为多段，每段以段首收敛解热启动段尾。
### 5.4 生产化建议
1. 部署本修复（NaN 伪收敛否决 + nl_tight 回退）重试 400 点：预期回收 261 簇
（>65%/种子×多候选）+ 7 个能量边际点；
2. 为剩余硬核实现 ladder 策略：失败点自动生成 2–3 个中间参数步进链
（优先 logg 维度，其次 Teff；步长 Δlogg≤0.25 / ΔTeff≤2.5kK），
每步独立 nl + require_converged 串联，最后一步产出目标点模型。
实测两簇代表点总耗时 <6 分钟/点（3 步 × ~2 分钟）。
## 六、遗留问题
- 20k/6.5 富氦簇解分支跳变：同一点不同种子在好解/坏解（emflux 0.69）间跳变，
ladder 步进天然规避（每步验证收敛与物理性后才前进）。
docs/img/sed_fullband_100_20000.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 182 KiB

docs/img/sed_gfato_900_10000.png
BIN
View File
Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 382 KiB

docs/synspec_nan_fix_2026_08_11.md
+693
View File
@@ -0,0 +1,693 @@
# SYNSPEC 全局 NaN 失效修复与全波段 SED 配置变更
> 日期：2026-08-11
> 范围：SYNSPEC 理论光谱合成引擎的系统性数值失效（全局 NaN）根因定位、修复，以及线表/波长范围配置变更。
> 影响：数据库中 **7452 个** `synspec_status=converged` 的网格点其 `.spec` 光谱全部含 ~73% NaN，必须用修复后的二进制重算。
> 前置文档：`docs/spectrum_correctness_analysis.md`（物理正确性五重硬门槛）、`docs/tlusty&synspec收敛性判断.md`（rc 不可靠性与漏洞修复史）。
---
## 0. TL;DR
| 维度 | 结论 |
|------|------|
| **症状** | SYNSPEC 产出的 `.spec` 在 Balmer 跃迁（3646 Å）之后整个波长范围输出 NaN（~73% 数据点无效），但 SYNSPEC 正常退出（rc=0），无任何错误日志 |
| **根因** | gfortran 的 `-ftoplevel-reorder` 优化（`-O1` 起启用）破坏了 SYNSPEC FORTRAN 77 COMMON 块的数据初始化顺序，使氢线不透明度计算在 Balmer 系限后读到未初始化内存。深度原理见 **§9** |
| **影响范围** | 所有用旧 `-O3` 二进制计算的网格点（7452 个 `synspec_status=converged`），与大气参数、fort.55 配置、线表无关 |
| **修复** | 编译时加 `-fno-toplevel-reorder`，保留 `-O3` 其他优化。速度无显著影响（~4s/点 vs ~3.5s/点） |
| **附带改进** | 线表从 gfVIS99.dat（3000-7550Å）升级为 gfATO.dat（18-23000Å 全波段），波长范围扩至 100-20000Å |
| **下一步** | 用修复后的 `assets/synspec_static` 重新部署，重算全部网格点 |
---
## 1. 背景：为何怀疑 SYNSPEC 光谱有问题
### 1.1 已知的 fort.55 错位 bug（已修复，历史背景）
`docs/spectrum_correctness_analysis.md §5` 记录了 `fort55_writer.rs` 的字段错位 bug：旧实现的 `idrv/ifreq` 被 SYNSPEC 当作 `IDSTD/IPRIN` 读取，导致 IDSTD=50（最深层而非自动取 2ND/3≈33），影响光谱线强归一化。该 bug 已在 2026-08-07 修复（重构为 9 子结构体按行一一对应）。
但 fort.55 错位修复后，文档明确指出"所有光谱需重算"（`§5.3 重算指引`）。本次会话正是在执行这个重算验证时，发现了更深层的系统性问题。
### 1.2 salvage 数据的初步检查
salvage 目录（`data/salvage/`）保存了 5 个计算节点的完整产物（8319 个网格点的 `.7` 大气 + `.spec` 光谱 + 各阶段快照）。初步检查发现：
- `.spec` 文件大小正常（~11MB，432827 行），看似完整
- SYNSPEC 退出码 rc=0，`.log` 无任何错误
- `conv.json` 记录 `synspec_status=converged`
但文件大小正常 ≠ 内容有效——这正是"静默错误"的危险之处。
---
## 2. 检测方法：如何识别 NaN 网格点
### 2.1 spec_is_valid 校验器（项目已有）
`crates/common/src/conv_check.rs:290-335` 实现了 `spec_is_valid()` 函数，在 SYNSPEC 运行后立即校验 `.spec`：
```rust
pub fn spec_is_valid(path: &Path) -> Option<String>
```
校验项（任一命中即返回失败原因字符串）：
1. 文件缺失或无法读取
2. **含 NaN/Inf/`***` 溢出行**（逐行扫描，统计坏行数）
3. 有效行数不足（< 10 行）
4. 流量全为零
5. 文件为空
**关键**：该校验器在 `runner.rs:645` 调用，命中无效则置 `synspec_rc` 非零 + 写入 `synspec_error`，触发 reporter 判 Failed + 策略链回退。
### 2.2 为何 7452 个点仍标记为 converged
`spec_is_valid` 是在 fort.55 错位修复（2026-08-07）的同一次提交中引入的。在此之前计算的网格点没有经过该校验——它们的 `.spec` 虽然 73% 是 NaN，但当时只做了 `is_file()` 存在性检查就标记为成功。
数据库查询确认：
```sql
SELECT synspec_status, count(*) FROM grid_points WHERE status='completed' GROUP BY synspec_status;
-- converged: 7452 ← 这些点几乎全部含 NaN（旧二进制 + 旧校验）
-- failed: 459
```
### 2.3 离线批量检测脚本
对任意 salvage `.spec` 文件检测 NaN 分布（本次会话使用的 Python 脚本）：
```python
import math
nan_ranges = []; good_ranges = []
in_nan = False; in_good = False; ns = 0; gs = 0; prev = 0
with open('fort.7') as f:
for line in f:
p = line.split()
if len(p) < 2: continue
try: w, fl = float(p[0]), float(p[1])
except: continue
if math.isinf(w): continue # 跳过 Infinity 波长（崩溃特征）
isn = math.isnan(fl)
if isn:
if in_good: good_ranges.append((gs, prev)); in_good = False
if not in_nan: ns = w; in_nan = True
else:
if in_nan: nan_ranges.append((ns, prev)); in_nan = False
if not in_good: gs = w; in_good = True
prev = w
if in_nan: nan_ranges.append((ns, prev))
if in_good: good_ranges.append((gs, prev))
```
典型坏谱输出（72.9% NaN）：
```
行: 432827, NaN: 315476 (72.9%)
正常段: [('3000', '3645')] ← Balmer 跃迁前
NaN段: [('3645', '5600'), ('5800', '7000')] ← Balmer 跃迁后大面积 NaN
```
---
## 3. 测试过程：从症状到根因
### 3.1 第一步：搭建本地 SYNSPEC 测试环境
SYNSPEC 运行需要 5 类输入文件（参见官方 `RSynspec` 脚本）：
| 文件 | 来源 | 作用 |
|------|------|------|
| `fort.8` | `.7` 大气模型复制 | TLUSTY 收敛的大气结构 |
| `fort.55` | `fort55_writer.rs` 生成（9 行控制卡） | 波长范围/输出模式/线处理开关 |
| `fort.19` | symlink 到线表（gfVIS99.dat / gfATO.dat） | 谱线列表 |
| `data/` | symlink 到原子数据目录 | 能级模型、截面、分区函数 |
| `<name>.5` | `gen_input5.rs` 生成 | TLUSTY/SYNSPEC 共用 stdin（丰度/原子配置） |
```bash
# 测试沙盒搭建
mkdir /tmp/synspec_test && cd /tmp/synspec_test
cp .../synspec/synspec.exe synspec
ln -s .../data data
cp .../assets/gfVIS99.dat fort.19
# 准备一个收敛点的输入
cp <salvage>/<name>.7 fort.8
cp <salvage>/<name>.nl.5 <name>.5
cat > fort.55 <<'EOF'
0 0 1
1 0 0 0
0 0 0 0 0
1 1 0 0 0
0 0 0
3000.0 7000.0 10 0 0.0001 0.01
0
-1
0 0 0
EOF
./synspec < <name>.5 > <name>.log 2>&1
```
### 3.2 第二步：确认问题与大气无关
选择不同参数（He-poor / He-rich、Teff 25k-45kK）的收敛良好点（`best_max_relc < 0.001`）测试，**全部出现相同的 NaN 分布**：
| 点 | 参数 | NaN 段 |
|----|------|--------|
| t35000_g6.5_he-4_c-2_n-3_o-2 | He-poor, 35kK | 3646-5600, 5800-7000 |
| t25000_g6.5_he2_c-2_n-1_o-2 | He-rich, 25kK | 同上 |
| t45000_g5.5_he2_c-1_n-3_o-4 | He-rich, 45kK | 同上 |
排除假设：
- ✗ fort.55 错位（新旧格式都 NaN）
- ✗ 大气质量（`.6` 能量守恒 `(RAD+CON)/TOT ≈ 1.000-1.002`，物理有效）
- ✗ 连续谱计算（`.cont` 全范围无 NaN，只有含谱线的 `.spec` 坏）
### 3.3 第三步：精确边界定位
逐步缩小波长范围测试，发现 NaN 的起始点是 **3645.53 Å**——精确对应氢的 **Balmer 跃迁（3646 Å）**：
```
3000-3500 Å: 0 NaN ✓
3600-3650 Å: 464 NaN（跨 Balmer 跃迁，部分坏）
3647-3700 Å: 5492 行全 NaN ✗（Balmer 跃迁之后）
```
3646 Å = 氢的 Balmer 系限（`n=2 → ∞`），此处氢的高级 Balmer 线密集。问题指向氢线不透明度计算。
### 3.4 第四步：浮点陷阱调试版（关键转折）
用 `-ffpe-trap=invalid,zero,overflow` 编译调试版 SYNSPEC，期望在 NaN 产生瞬间中断：
```bash
cd /tmp/synspec_build
gfortran -O0 -g -fbacktrace -ffpe-trap=invalid,zero,overflow \
-fno-automatic -mcmodel=medium synspec54.f -o synspec_debug
```
> **编译注意**：SYNSPEC 的 `synspec54.f` 通过 `INCLUDE` 语句引入 `PARAMS.FOR`/`MODELP.FOR`/`LINDAT.FOR` 等，只需编译主文件。但 COMMON 块超大（`MLIN0=1200000` × 多数组），必须加 `-mcmodel=medium` 否则链接器报 `relocation truncated to fit: R_X86_64_PC32`。
**结果**：调试版（`-O0`）**正常退出，0 NaN，3000-7000Å 全范围完整**！
这是决定性转折——说明问题不在 SYNSPEC 源码逻辑，而在**编译优化**。
### 3.5 第五步：二分法定位优化元凶
对比不同优化级别：
| 编译选项 | 结果 |
|----------|------|
| `-O3`（原版） | 72.9% NaN |
| `-O2` | 72.9% NaN |
| `-O1` | 72.9% NaN |
| **`-O0`** | **0 NaN ✓** |
`-O1` 起就触发。用二分法在 `-O1` 启用的 43 个优化项中排查：
1. 获取 `-O0` → `-O1` 新增的优化列表：
```bash
diff <(gfortran -O0 -Q --help=optimizers) <(gfortran -O1 -Q --help=optimizers) \
| grep "^>" | grep enabled
# 43 项
```
2. 分两组测（`-O0 + HALF1` / `-O0 + HALF2`）→ HALF2 段错误
3. HALF2 逐项测 → **`-ftoplevel-reorder` 单独触发段错误**
4. 反向验证：`-O1 -fno-toplevel-reorder` → **0 NaN ✓**
5. 最终验证：`-O3 -fno-toplevel-reorder` → **0 NaN ✓，速度 4s/点**
> `-ftoplevel-reorder` 是 gfortran 的顶级函数/变量重排优化，它改变了程序单元（subroutine/function）和 DATA 块的初始化顺序。SYNSPEC 是传统 FORTRAN 77 代码，大量使用 COMMON 块，初始化散布在 305 条 DATA 语句中（无 BLOCK DATA），重排后某些 COMMON 变量在使用时尚未初始化，导致氢线 Stark 轮廓计算读到垃圾值 → NaN。
>
> **深度技术分析见 §9**（源码级 + 编译器原理 + FORTRAN 77 标准 + 社区经验）。
---
## 4. 修复实施
### 4.1 重编译 SYNSPEC 与 TLUSTY
```bash
cd /home/fmq/program/tlusty/tl208-s54
# 备份原版
cp synspec/synspec.exe ~/tlusty_O3_backups_20260811/synspec.exe.O3.bak
cp dcts/assets/synspec_static ~/tlusty_O3_backups_20260811/synspec_static.O3.bak
cp tlusty/tlusty.exe ~/tlusty_O3_backups_20260811/tlusty.exe.O3.bak
# 重编译 SYNSPEC (-O3 -fno-toplevel-reorder)
cd synspec
gfortran -O3 -fno-toplevel-reorder -fno-automatic -mcmodel=medium \
synspec54.f -o synspec.exe.fixed
# 重编译 TLUSTY（预防性，同样问题）
cd ../tlusty
gfortran -O3 -fno-toplevel-reorder -fno-automatic -mcmodel=medium \
tlusty208.f -o tlusty.exe.fixed
# 安装到所有位置
cp synspec/synspec.exe.fixed synspec/synspec.exe
cp synspec/synspec.exe.fixed dcts/assets/synspec_static
cp tlusty/tlusty.exe.fixed tlusty/tlusty.exe
cp tlusty/tlusty.exe.fixed dcts/assets/tlusty_static
```
### 4.2 二进制兼容性验证
Dockerfile.node 的运行镜像是 `debian:bookworm-slim`（glibc 2.36）。修复版在本机（Ubuntu, glibc 2.43）编译，验证兼容性：
```bash
# 检查 glibc 符号需求
objdump -T assets/synspec_static | grep -oE "GLIBC_2\.[0-9]+" | sort -V | tail
# 最高 GLIBC_2.35 ≤ bookworm 的 2.36 ✓
# Docker 端到端验证
docker run --rm -v /tmp/test:/work debian:bookworm-slim bash -c "
apt-get install -y libgfortran5
./work/synspec < input.5 > /dev/null 2>&1
echo RC=\$?
wc -l fort.7 # 432827 行 ✓
"
```
### 4.3 网格边界点批量验证
用修复版测试 6 个网格边界点（各维极端值），全部通过：
| 网格点 | 参数特征 | gfVIS99 3000-7000 | gfATO 100-20000 |
|--------|---------|--------------------|----|
| t20000_g5.0_he-4_c-1_n-1_o-1 | 最低Teff+贫He+富金属 | ✓ 0 NaN | ✓ 0 NaN |
| t60000_g6.5_he2_c-1_n-1_o-1 | 最高Teff+富He+高logg | ✓ 0 NaN | ✓ 0 NaN |
| t30000_g5.0_he2_c-1_n-1_o-1 | He-rich极端 | ✓ 0 NaN | ✓ 0 NaN |
| t30000_g5.5_he-2_c-1_n-1_o-1 | 富金属 | ✓ 0 NaN | ✓ 0 NaN |
| t40000_g5.0_he-4_c-4_n-4_o-4 | 贫金属+贫He | ✓ 0 NaN | ✓ 0 NaN |
| t50000_g5.0_he-2_c-1_n-2_o-2 | 低logg+高Teff | ✓ 0 NaN | ✓ 0 NaN |
---
## 5. 线表与波长范围配置变更
### 5.1 可用线表对比
| 线表 | 波长范围 | 线数 | 文件大小 | 适用场景 |
|------|---------|------|---------|---------|
| `gfVIS99.dat` | 3000–7550 Å | 15 万 | 12 MB | 仅可见光诊断（快速，~4s/点） |
| `gfATO.dat` | 18–23000 Å | 230 万 | 238 MB | **全波段**：EUV+UV+光学+近/中红外（~62s/点） |
| `gfMOL.dat` | 844–999932 Å | 605 万 | 248 MB | 分子线（sdB 星非必需） |
| `gfTiO.dat` | 3738–999990 Å | 833 万 | 342 MB | TiO 分子线（冷星用） |
### 5.2 SYNSPEC 实际波长上限实测
SYNSPEC 源码 `RESOLV` 子程序（`synspec54.f:2403`）的频率网格构建逻辑决定了单次运行的波长上下限：
```
ALAM0 = 1.D-1 * ALAM0 ← 波长乘 0.1（单位转换）
ALAST = 1.D-1 * ALAST
NFREQ = 2 ← 只取首尾两点
FREQ(1) = c / ALAM0
FREQ(2) = c / ALAST
```
当波长范围过宽时，线表扫描（`synspec54.f:8207`）在某条线之后判定超出频率窗口，输出截断为 ~235 行无效数据。
实测边界（两个不同大气一致）：
| 请求范围 | 实际输出 | 判定 |
|---------|---------|------|
| 50-20000 Å | 50-50 Å（235 行） | ✗ 截断 |
| 70-20000 Å | 70-70 Å（235 行） | ✗ 截断 |
| **100-20000 Å** | **100-20000 Å（540 万行）** | **✓** |
| 100-23000 Å | 100-23000 Å（640 万行） | ✓ |
| 100-24000 Å | 100-100 Å（235 行） | ✗ 截断 |
**可靠范围：100–23000 Å**。工作流配置取 **100-20000 Å**（留安全余量）。
### 5.3 配置变更
`workflows/sdB_cno.yaml`：
```yaml
# 新增：谱线表选择
linelist: gfATO.dat
synspec_input:
line6:
alam0: 100.0 # 原 3000.0 → 100.0
alast: 20000.0 # 原 7000.0 → 20000.0
```
---
## 6. 代码改动：打通 linelist 配置链路
### 6.1 问题：linelist 是孤儿字段
`GridConfig.linelist: Option<String>`（`config.rs:1644`）在 YAML 中声明了但**从未被传递到 TaskSpec，也从未到达 node 端**。`embedded.rs` 硬编码 `"gfVIS99.dat"`。链路在 scheduler 第一步就断了。
### 6.2 改动清单（7 个文件）
完整链路（参照 `tlusty_input` 的传递模式）：
```
YAML linelist → config.rs GridConfig.linelist → scheduler get_workflow_linelist
→ TaskSpec.linelist（serde_json 下发）→ executor 按 task.linelist 覆盖 + 按需下载
→ runner symlink fort.19
```
#### `crates/common/src/models.rs` — TaskSpec 加字段
```rust
pub struct TaskSpec {
...
#[serde(default)]
pub linelist: Option<String>, // 新增
}
```
`#[serde(default)]` 保证旧 MQ payload 反序列化为 None → 用默认线表，向后兼容。
#### `crates/server/src/scheduler.rs` — 注入 linelist
```rust
async fn get_workflow_linelist(&self, workflow_name: &str) -> Option<String> {
let wf = self.db.get_workflow(workflow_name).await.ok()??;
let cfg = parse_grid_config_or_warn(&wf.config_yaml, workflow_name, "linelist")?;
cfg.linelist.clone()
}
```
在 3 个生产 TaskSpec 构造点注入 `linelist: linelist.clone()`。
#### `crates/common/src/embedded.rs` — ensure_runtime 接收默认线表名
```rust
pub async fn ensure_runtime(
runtime_dir: &Path,
server_url: &str,
client: &Client,
default_linelist: &str, // 新增参数
) -> Result<RuntimePaths> { ... }
```
下载逻辑改用 `/api/data/file/{name}` 路由（复用 `ensure_specific_data_files` 的原子写机制）。
#### `crates/node/src/main.rs` — 传默认线表名
```rust
let runtime = ensure_runtime(runtime_dir, &node_cfg.server_url, &client, "gfATO.dat")
.await?;
```
#### `crates/node/src/executor.rs` — 按 task.linelist 覆盖 + 按需下载
在创建 `ExecutionRunner` 前，若 `task.linelist` 与默认不同，按需从服务端下载并构造覆盖了 `linelist` 路径的 `RuntimePaths`。
#### `workflows/sdB_cno.yaml` — 配置更新
```yaml
linelist: gfATO.dat
synspec_input:
line6:
alam0: 100.0
alast: 20000.0
```
#### `docs/deployment.md` — 编译命令 + 线表部署说明
编译命令更新为 `-O3 -fno-toplevel-reorder -mcmodel=medium`，新增谱线表部署章节。
### 6.3 验证
```bash
cargo test --workspace # 194 个测试全部通过
```
端到端（修复版 SYNSPEC + gfATO.dat + 100-20000Å）：
```
波长范围: 100.0 - 20000.0 Å
总点数: 5428868, NaN: 0, 负值: 0
分波段: EUV 224万点 / UV 125万点 / 光学 87万点 / 近IR 107万点
```
---
## 7. 部署清单
### 7.1 二进制替换
| 位置 | 旧版（-O3） | 新版（-O3 -fno-toplevel-reorder） |
|------|------------|----------------------------------|
| `dcts/assets/synspec_static` | 803512 bytes | 1000504 bytes |
| `dcts/assets/tlusty_static` | 1546432 bytes | 1957488 bytes |
| `synspec/synspec.exe` | 1044928 bytes | 同 assets/synspec_static |
| `tlusty/tlusty.exe` | 1997416 bytes | 同 assets/tlusty_static |
原版备份在 `~/tlusty_O3_backups_20260811/`。
### 7.2 线表部署
`gfATO.dat`（238MB）不入 git（`.gitignore` 排除 `assets/data/`），需手动放置：
```bash
cp /path/to/gfATO.dat assets/data/gfATO.dat
```
node 端首次连接时自动从 server `/api/data/file/gfATO.dat` 下载并缓存。
### 7.3 重算全部网格点
重新部署后，用项目本身的分布式计算重算。salvage 中有 8319 个最终大气（`.7`）可复用（TLUSTY 大气不受 SYNSPEC bug 影响），只需重跑 SYNSPEC 阶段。
---
## 8. 关键源码位置索引
| 内容 | 文件:行号 |
|------|----------|
| spec_is_valid 校验器 | `crates/common/src/conv_check.rs:290` |
| spec_is_valid 调用点 | `crates/common/src/runner.rs:645` |
| fort.55 生成器 | `crates/common/src/fort55_writer.rs:26` |
| SynspecInput 配置（9 子结构体） | `crates/common/src/config.rs:1184` |
| GridConfig.linelist 字段 | `crates/common/src/config.rs:1644` |
| TaskSpec.linelist 字段（新增） | `crates/common/src/models.rs:473` |
| ensure_runtime（默认线表参数） | `crates/common/src/embedded.rs:34` |
| executor linelist 覆盖（新增） | `crates/node/src/executor.rs:166` |
| SYNSPEC fort.7 写出（FLAM=FLUX*FREQ²*CAS） | `synspec/synspec54.f:3364` |
| SYNSPEC RESOLV 频率网格构建 | `synspec/synspec54.f:2403` |
| SYNSPEC IDSTD=0 自动取 2ND/3 | `synspec/synspec54.f:2152` |
| SYNSPEC Balmer 线系处理 | `synspec/synspec54.f:5310` |
| SYNSPEC OPAC 吸收系数计算 | `synspec/synspec54.f:4541` |
| PARAMS.FOR MFREQ=2000 | `synspec/PARAMS.FOR:11` |
| LINDAT.FOR MLIN0=1200000 | `synspec/LINDAT.FOR:1` |
---
## 9. 技术原理：`-ftoplevel-reorder` 为何破坏 SYNSPEC
> 本节是源码级 + 编译器原理的深度分析，基于 GCC 官方文档、FORTRAN 77 标准、gfortran 社区经验与 SYNSPEC 源码核查。
### 9.1 `-ftoplevel-reorder` 具体做什么
**GCC 官方定义**：
> `-ftoplevel-reorder`（默认，`-O1` 起启用）：允许重排顶层（top-level）函数、变量和 `asm` 语句，使它们不必按源文件中出现顺序输出。
>
> `-fno-toplevel-reorder`：不要重排，按源文件顺序输出。
| 属性 | 说明 |
|------|------|
| **重排对象** | 翻译单元内所有具有外部链接的程序单元（subroutine/function）和全局数据对象 |
| **默认启用** | `-O1` 及以上（精确解释了 `-O1`/`-O2`/`-O3` 全部 NaN、`-O0` 正常） |
| **优化目标** | 改善代码局部性（i-cache 命中率）、热点函数聚集、配合 profile-guided 优化 |
| **与 `-freorder-functions` 关系** | 后者是子集，只在有 profile 数据时按执行频率排序；`-ftoplevel-reorder` 是更通用版本，无 profile 时也基于编译器启发式重排 |
### 9.2 FORTRAN 77 的初始化语义与 SYNSPEC 的反模式
**FORTRAN 77 标准规则**：
1. DATA 语句在程序开始执行前完成初始化（load-time 静态初始化），只执行一次，隐含 `SAVE` 语义
2. COMMON 块的内存布局由各程序单元中 COMMON 语句的声明顺序决定
3. **BLOCK DATA 是标准指定的初始化命名 COMMON 块的唯一机制**；社区最佳实践是"每个 COMMON 块只在一个 BLOCK DATA 中初始化一次"
**SYNSPEC 源码核查结果**（subagent 对 `synspec54.f` 全文分析）：
| 指标 | SYNSPEC | TLUSTY | 规范性 |
|------|---------|--------|--------|
| BLOCK DATA 单元 | **0 个** | 2 个（集中式初始化） | SYNSPEC 反模式 |
| DATA 语句 | **305 条**，散布在各子程序 | 集中在 BLOCK DATA | SYNSPEC 脆弱 |
| COMMON 声明 | **93 处**，跨程序单元复用 | 规范 | — |
SYNSPEC 把本应集中在 BLOCK DATA 里的 COMMON 块初始化**散布到 305 条子程序内 DATA 语句**中。这是 FORTRAN 77 的反模式，放大了内存布局对编译器符号排序的敏感度。
### 9.3 重排如何导致 NaN（破坏机理）
`-ftoplevel-reorder` 改变所有顶层符号在目标文件 `.o` 中的输出顺序。对 SYNSPEC 这类 F77 代码，破坏路径有两条：
**(A) COMMON 块合并/布局偏移（最可能）**
gfortran 对 COMMON 块的内部表示依赖符号在 `.o` 中的出现顺序来解析等价（EQUIVALENCE）和重复定义。SYNSPEC 不同子程序里同一 COMMON 块的声明在类型/长度上存在细微不一致（F77 代码中极常见）。重排改变了首次遇到的声明位置，使合并后的 COMMON 块布局偏移变化——**某些本应被 DATA 初始化的数组元素落到未初始化区域**。
**(B) 静态初始化符号被链接器丢弃**
DATA 初始化在某些目标格式下生成独立的初始化符号/构造器。重排可能让链接器认为某个初始化符号无引用而不被拉入（类似 BLOCK DATA 从静态库丢失的经典问题）。
### 9.4 为什么 NaN 恰好从 Balmer 跃迁（3646 Å）开始
SYNSPEC `HYLSET` 子程序（`synspec54.f:5310`）有明确判断：
```fortran
IF(FREQ(2).GE.3.28805E15) RETURN ! 短于 Balmer 系限就跳过
...
IF(AL1.LT.364.6) THEN ! 波长 > 3646 Å（364.6 nm）
ILOWH=2 ! 启用完整 Balmer 线系 Stark 轮廓计算
```
波长长于 3646 Å 后，SYNSPEC 额外读取以下被散布式 DATA 初始化的 COMMON 数组：
| COMMON 块 | 用途 | 初始化子程序 | 源码位置 |
|-----------|------|-------------|---------|
| `GOMOPA` | Gomez 氢线不透明度表 | `ghydop` | `synspec54.f:21700` |
| `callarda/b/g/c` | Allard 准分子卫星线数据 | `getlal` | `synspec54.f:12438` |
| `VOITAB` | Voigt 函数表 | `PRETAB` | `synspec54.f:12900` |
这些数组若有未初始化元素（NaN/垃圾值），`EXP(abl)`、对数插值等运算会瞬间传播 NaN 到整个输出。这**精确解释了 NaN 从 3646 Å 往长波方向蔓延（73% 失效），而非全局性失效或短波失效**。
### 9.5 为什么禁用后速度几乎不受影响（~4s vs ~3.5s）
`toplevel-reorder` 的设计目标对 SYNSPEC 完全不适用：
| 优化假设 | SYNSPEC 实际 |
|---------|-------------|
| 大量短函数、密集互调 → i-cache 局部性 | 单文件 23917 行，几十个大子程序 |
| 函数调用频繁，调用开销显著 | 运行时间全在少数热点子程序的**内部长循环**（Voigt 积分、辐射转移求解） |
| i-cache miss 是瓶颈 | 函数调用开销可忽略，无 i-cache 压力 |
真正的瓶颈是浮点运算和数组寻址，与符号顺序无关。测到的 ~14% 差异（4s vs 3.5s）更可能是测量噪声 + 其他 `-O3` 优化的副作用，**而非 toplevel-reorder 本身的收益**。
> **普遍结论**：对计算密集型 Fortran 科学代码，禁用 `-ftoplevel-reorder` 几乎零代价——社区已形成共识。
### 9.6 这是 gfortran bug 还是 F77 代码的问题
**双方都有责任**：
- **F77 代码（根本原因）**：SYNSPEC 用散布式 DATA 替代集中式 BLOCK DATA，违反"每个 COMMON 块只在一个 BLOCK DATA 中初始化"的最佳实践。FORTRAN 标准不保证 COMMON 块在不一致声明下的行为，所以编译器重排不算违规。
- **gfortran（暴露问题）**：对 F77 legacy 代码默认开启 `-ftoplevel-reorder` 是容易踩坑的默认值。
**社区已形成共识**：对传统 F77 代码，`-fno-toplevel-reorder` 与 `-std=legacy`、`-fno-automatic`、`-fno-align-commons` 并列为推荐编译选项。
遭遇同类问题的科学计算项目：
- **CMAQ / I/O API**：COMMON 块初始化受重排影响（CMAS Center 文档明确讨论）
- **Open MPI Fortran 代码**：`-O1`（启用 toplevel-reorder）导致问题，`-O0` 正常（Stack Overflow）
- **GEOS-Chem**：推荐 `-ffpe-trap` 排查此类 NaN + 保守优化（Harvard Wiki）
- **Intel IFX**：同样的 BLOCK DATA 丢失问题，连商业编译器也难幸免
### 9.7 相关 GCC Bugzilla 与社区参考
- GCC bugzilla fortran/29537、fortran/47030、fortran/96839（COMMON + BLOCK DATA 边缘相关）
- Gentoo Bug 724314（验证 `-ftoplevel-reorder` 在 `-O2` 启用）
- Stack Overflow "What does Top level reordering mean?"（Open MPI 类似问题）
- `gui/synple/synspec/makefile` 的原版 Makefile `OPT = -fno-automatic -mcmodel=medium` **未含 `-fno-toplevel-reorder`**——这就是 bug 触发点，本次修复补上了这个遗漏
### 9.8 长期修复方向
短期：`-fno-toplevel-reorder` 是性价比最高的方案，无性能损失。
长期（若要彻底修复代码而非依赖编译开关）：把 SYNSPEC 中散落在各子程序的 305 条 COMMON + DATA 初始化**集中到统一的 BLOCK DATA 单元**（参照 TLUSTY 的做法），或迁移到 Fortran 90 MODULE。但对 23917 行的生产代码工程量大，非必要不折腾。
### 9.9 推荐编译选项（传统 F77 代码通用）
```bash
gfortran -O3 -fno-toplevel-reorder -fno-automatic -mcmodel=medium \
[-std=legacy] [-fno-align-commons] \
[-ffpe-trap=invalid,zero,overflow -fbacktrace -g] # 调试时加
synspec54.f -o synspec_static
```
| 选项 | 作用 | 必要性 |
|------|------|--------|
| `-fno-toplevel-reorder` | **关键**：禁用符号重排，恢复 COMMON 块布局 | 必需 |
| `-fno-automatic` | 局部变量静态化（F77 隐式 SAVE 语义） | 必需 |
| `-mcmodel=medium` | 大型 COMMON 块 64 位寻址 | 必需（SYNSPEC） |
| `-std=legacy` | 允许 F77 过时语法 | 可选 |
| `-fno-align-commons` | 禁止 COMMON 块对齐填充 | 可选 |
| `-ffpe-trap` + `-fbacktrace` | 调试：NaN 即时 SIGFPE + 回溯到源码行 | 仅调试 |
---
## 10. TLUSTY 冷启动未收敛网格点归因分析（-ftoplevel-reorder 洗清嫌疑）
> 本节回答用户追问："tlusty 会因为这个原因（`-ftoplevel-reorder`）出现问题吗？"以及"目前 tlusty 收敛失败的网格点失败原因会不会有这个的原因？"。
> 结论先行：**TLUSTY 收敛失败与 `-ftoplevel-reorder` 无关**——冷启动（`cold_run`）链中 lte→nc→nl 的发散是 TLUSTY 物理/数值收敛问题，由灰色启动的迭代放大导致，与编译符号重排无关。
### 10.1 为什么先前用种子步进点测试是误导（用户纠正）
先前对种子步进（`seed_step`）策略点 `t20000_g6.5_he2_c-1_n-2_o-2` 做了两版二进制对照：原版 `-O3` 与修复版 `-O3 -fno-toplevel-reorder` 分别重跑 `seed_nc` + `nl`，两版 `fort.9` 逐字节相同（`seed_nc` max_relc=7.45E-03），`nl` 阶段都产生完全相同的 6750 个 NaN。结论虽是"无关"，但测试对象选错了：
- 种子步进只在**冷启动失败后**才启动（`pending_strategies` 升级链：`cold_run` → `cold_run,seed_step` → `seed_step`）。
- 当前网格（稀疏）下，从最近收敛点做种子步进本就难以收敛，属预期行为——**种子步进失败不能代表冷启动失败**。
- 用户要求：对比分析**冷启动（`cold_run`，lte→nc→nl）未收敛的网格点**，看这些失败是否与 `-ftoplevel-reorder` 有关。
### 10.2 冷启动失败的规模与模式（DB + salvage 统计）
**DB（`/home/fmq/下载/dcts.db`，grid_points）**：
- `tlusty_status='failed'`：1105 个网格点，全部经过多次重试（attempt_count 5-25），最终失败点均无 `tlusty_success_method`。
- 失败点全部经历过冷启动失败后进入种子步进（无一个"纯冷启动"失败点，这是升级链策略使然）。
**salvage 冷启动产物（`nc_chmax0.001.9` 是纯冷启动文件——种子步进用 `seed_nc` 前缀，不覆盖 `.nc.*`）**：
- 3986 个含冷启动链（lte/nc/nl 阶段）的目录中：lte 全部收敛（灰色启动，NITER=0），**nc 阶段 3983/3986 失败**。
- 解析冷启动 `nc` 的 `fort.9` 逐迭代 max_relc：
| nc 冷启动结局 | 数量 | 占比 | 特征 |
|--------------|------|------|------|
| 有限发散（无 NaN） | 6170 | 88% | max_relc 从 iter1 的 ~1-1000 单调放大到 iter10 的 1e12~1e29 |
| NaN 发散 | 699 | 10% | iter k 出现 NaN，之后全部 NaN |
| 收敛 | 0 | 0% | 冷启动 nc 零收敛（这就是冷启动失败的全部来源） |
- 有限发散的典型轨迹（`t45000_g5.0_he-2_c-1_n-3_o-4`）：iter1→15.4，iter2→35.9，iter3→244，…，iter9→1.02e11，iter10→4.46e15。**逐迭代单调放大**是牛顿迭代从远初始猜测发散的经典形态，且发散集中在深层（worst_depth≈44-50/50，POP 列最大）。
- NaN 发散在高 Teff 区更常见（45000-60000K 占 699 例中的 545 例）。
### 10.3 冷启动失败的完整链条机制（两类）
**A. 真发散（无 NaN，~88%）**：nc 从灰色 LTE 大气出发，POP/TEMP/NE 的相对变化逐迭代放大（iter1 已 >1），10 次迭代后 max_relc 达 1e14~1e29 量级但数值仍有限。nl 从该发散大气继续，iter 6 内 `**** STOP in SOLVE` 终止（`t50000_g5.0_he-4_c-2_n-3_o-1`：nc 3.04e14 → nl 1.3e18，无 NaN）。
**B. NaN 污染 + 假收敛（~10%）**：nc 在 iter k 突发 NaN（POP 溢出）→ `fort.7` 大气含 NaN → nl 从 NaN 大气求解，`fort.9` 全零（`0.00E+00`、ilev=0、ifr=9 失败标志）→ check_fort9 判 max_relc=0.0 < chmax → **nl 假收敛**。最终靠 `atmosphere_has_nan` 兜底判失败（`t50000_g5.0_he-2_c-2_n-3_o-1`：nc iter2→NaN，nl max_relc=0.0 1 迭代）。
### 10.4 对照实验：两版二进制重跑完整冷启动链
**重放 harness**（`/tmp/replay_cold.sh`）：对 salvage 中挑选的冷启动失败点，用其 `.lte.5/.lte.nst/.nc.5/.nc.nst/.nl.5/.nl.nst` 输入，按 runner 的 stage 语义重放：
- lte：`fort.5`=lte.5，`nst`=lte.nst，ltgray=T 无需 `fort.8`（灰色启动）
- nc：`fort.5`=nc.5，`fort.8`=lte 的 `fort.7`
- nl：`fort.5`=nl.5，`fort.8`=nc 的 `fort.7`
- `data` 软链 → 运行时原子数据集（与 node 端相同）
**对照组设置**：初版对照用"原版备份二进制"（`~/tlusty_O3_backups_20260811/tlusty.exe.O3.bak`，纯 `-O3`），但发现该备份带有 `READ LINE` 输入回显（源码 `tlusty208.f:30627` 的注释调试行，旧构建遗留，仅影响输出不影响数值），属混叠源。为严谨起见，用**当前源码**重编译一对干净二进制：`gfortran -O3 -fno-automatic -mcmodel=medium tlusty208.f`（开 toplevel-reorder，即"原版语义"）与 `gfortran -O3 -fno-toplevel-reorder -fno-automatic -mcmodel=medium`（修复版）——**唯一差异就是 `-ftoplevel-reorder` 这一个 flag**（后者的 md5 与生产 `assets/tlusty_static` 完全一致 77721c4c，验证编译可复现）。
**harness 自校验**：
- 重放的 lte.7 与历史 lte.7 逐字节比较，5210 行中仅 3 行不同且差异为 ~1e-8~1e-6 相对量级（机器级舍入噪声）。
- 重放的 nc.9 与历史 `nc_chmax0.001.9` 比较：iter1 50 行仅 16 行末位舍入差异（如 -9.05E-03 vs -9.04E-03），iter2 NaN 行逐字节相同 → 重放忠实复现历史冷启动失败。
**点 B `t50000_g5.0_he-2_c-2_n-3_o-1`（NaN 污染类，10% 类）结果**：
| 阶段 | 历史结局 | 干净原版(-O3) vs 修复版(-O3-fno-toplevel-reorder) 重放 |
|------|---------|------------------------------------------------------|
| lte | 灰色启动 OK | **fort.7 逐字节一致** |
| nc | iter1=1490 → iter2 全 NaN | **fort.9 逐字节一致**（103 行，iter1=1.490e+03、iter2 全 NaN）；**fort.7 逐字节一致**（3659 行 NaN/坏行） |
| nl | max_relc=0.0 假收敛 + NaN 大气 | **fort.9 逐字节一致**（53 行全 0.00E+00）；**fort.7 逐字节一致**（5200 行 NaN/坏行） |
> 点 B 的三阶段**全部逐字节一致**。nc 从灰色启动发散到 NaN（iter2）、nl 假收敛、NaN 大气——这一整套冷启动失败在两种编译配置下完全相同的位级复现。`-ftoplevel-reorder` 对该点冷启动失败**零影响**。
> 注：初版对照（原版备份二进制 vs 修复版）在 nc.7 出现 16 行 NaN↔0.0 位置差异——那是已发散垃圾值行的格式差异（语义等价：大气同样死亡），且来源于备份二进制的旧源码状态混叠；干净对照对消除了该混叠后完全逐字节一致。
**点 A `t50000_g5.0_he-4_c-2_n-3_o-1`（真发散类，88% 类）结果**：
| 阶段 | 历史结局（生产二进制） | 干净原版(-O3) vs 修复版(-O3-fno-toplevel-reorder) 重放 |
|------|---------------------|------------------------------------------------------|
| lte | 灰色启动 OK | **fort.7 逐字节一致** |
| nc | iter1..10 = 789→338→2120→498→…→7.49e9→3.04e14 发散 | **fort.9 逐字节一致**（503 行，迭代序列 7.89e2→3.38e2→2.12e3→4.98e2→3.91e6→3.61e10→3.04e2→4.5e5→7.48e9→2.95e14，与历史仅末位舍入差）；**fort.7 逐字节一致**（0 NaN 行） |
| nl | iter6 STOP，max_relc 1.3e18 | **fort.9 逐字节一致**（303 行，序列 7.76e5→4.22e6→1.96e6→1.02e7→1.89e9→1.80e18，iter6 STOP）；**fort.7 逐字节一致**（0 NaN 行） |
> 点 A 三阶段**全部逐字节一致**。真发散的 10 次 nc 迭代轨迹、nl 的 iter6 求解器 STOP、无 NaN 大气——在两种编译配置下完全相同的位级复现。
### 10.5 结论
两个代表点覆盖了冷启动失败的两种主要形态（**88% 有限发散** + **10% NaN 污染**），用**同源码仅差 `-ftoplevel-reorder` 一个 flag** 的干净二进制对照对重跑完整冷启动链（lte→nc→nl），三个阶段的 `fort.9` 与 `fort.7` **全部逐字节一致**：
1. **TLUSTY 冷启动失败与 `-ftoplevel-reorder` 无关**——发散轨迹（逐迭代 max_relc 序列）、NaN 模式（何时出现 NaN、多少行）、求解器 STOP 行为、最终大气，均在开关两侧完全一致。
2. 冷启动失败的本质：**灰色 LTE 启动（lte 阶段）在稀疏高 Teff/logg 网格上，nc 阶段 NLTE 牛顿迭代物理发散**（逐迭代单调放大 1e1→1e14，或突发 NaN），nl 从发散大气出发随即失败/假收敛。这是 TLUSTY 求解器的数值收敛特性，不是编译产物差异。
3. 两种失败形态的链机制：**A（真发散）**= nc 有限放大到 1e14+ → nl iter≤10 内 `STOP in SOLVE`；**B（NaN 污染）**= nc iter k 突发 NaN → nl 从 NaN 大气求解 `fort.9` 全零（ilev=0/ifr=9 失败标志）→ check_fort9 误判 max_relc=0.0 **假收敛** → 由 `atmosphere_has_nan` 兜底判失败。
4. **项目侧含义**：修复版二进制在 TLUSTY 阶段可安全替代原版——salvage 中 8319 个已收敛大气可复用（结果舍入噪声级一致，已由 lte.7/nc.9 逐字节验证），重算全部网格点时 TLUSTY 结果的失败/收敛行为与旧版完全一致，不存在"换了二进制就多了失败点/少了收敛点"的风险。
5. **方法论教训**：种子步进点不能用于归因冷启动失败——种子步进只在冷启动失败后才启用，稀疏网格下种子难收敛是预期行为。归因必须用冷启动（lte→nc→nl）产物（salvage 中 `.nc.*`/`.lte.*` 文件是纯冷启动产物，种子链用 `seed_nc` 前缀不覆盖）。
---
## 11. 经验教训
1. **文件大小正常 ≠ 内容有效**：SYNSPEC 的 `.spec` 都是 ~11MB/432827 行，NaN 混在其中不改变文件大小，必须做内容校验。
2. **gfortran -O3 对老 Fortran 代码不安全**：`-ftoplevel-reorder` 破坏 COMMON 块初始化顺序是已知类别的 bug。传统 FORTRAN 77 代码（TLUSTY/SYNSPEC）应加 `-fno-toplevel-reorder`。
3. **浮点陷阱调试法高效**：`-ffpe-trap=invalid,zero,overflow` + `-O0` 能快速区分"源码 bug"vs"编译器 bug"——本例中 `-O0` 版正常立即排除了源码逻辑错误。
4. **二分法定位优化项**：gfortran `-O1` 启用 43 项优化，逐步二分比逐项全测高效。本例中 `-ftoplevel-reorder` 单独就触发段错误，是明确元凶。
5. **孤儿字段是配置断裂的常见模式**：`linelist` 在 YAML 声明了但从未下发——这种"看似可配实则死字段"在大型项目中容易潜伏，需要端到端验证。
docs/tlusty_coldstart_nc_trace_illcond_2026_08_13.md
+394
View File
@@ -0,0 +1,394 @@
# 冷启动 nc 阶段不收敛：源码根因 + 穷举复测（2026-08-13）
**数据来源**：`data/salvage/`（8320 任务产物）+ `/home/fmq/下载/dcts.db`（server 快照）
**源码**：`tlusty/tlusty208.f`
**复测目录**：`test/20260813_cold_nc_trace_fix/convergence/t60000_g5.0_he-4_c-4_n-4_o-3_cold/`（代表点）
**前序文档**：`tlusty_divergence_root_cause_2026_08_11.md`、`cold_start_fix_2026_08_12.md`
> 本文是对前序"参数调优无效、需连续法"结论的**源码级复核 + 穷举重测**。
> 用户明确指示：前序测试结果不可信，需重测；不要测种子步进，聚焦冷启动失败。
---
## 一、结论先行
1. **失败特征（已锁定）**：冷启动链 `lte(灰化,NITER=0)→nc(NLTE 连续,NITER=10)`，**nc 阶段从第 1 次迭代即在表层（深度 2–5）发散**。POP（布居数）列始终是 MAXIMUM 且雪崩（iter1≈140→iter10≈1e16），RAD（辐射场）列全程很小（0.01–0.26）。lte 阶段正常。
2. **源码根因**：nc 阶段的 Newton 完全线性化求解器在「高 Teff(≥50kK) + 低 logg(≤5.5) + 贫氦(he≤−2)」参数角的表层 NLTE 方程**雅可比矩阵病态**，灰化 LTE 初值不在收敛域内。是**布居数（尤其表层过渡电离级的 C/N/O）**驱动，不是辐射场。
3. **🔴 关键更正——为何前序所有"调参无效"结论不可信**：TLUSTY 的收敛判据 `CHMX`（fort.9 的 max_relc）取自 `BET(I,ID)=CHAN`（`tlusty208.f:14643`），该赋值在 **ORELAX 阻尼(:14647) 与 DPSILG 限幅(:14652) 之前**。即 **CHMX 用的是未阻尼、未限幅的原始 Newton 修正量**，对 ORELAX / DPSILG / ITEK / IACC **完全不敏感**。前序文档测试的恰恰全是这几个参数，并用 CHMX 判定"无效"——**测了一个对这些参数不敏感的指标**。这正是用户判定"前序结果不可信"的底层原因。
4. **穷举复测（11 个变体，本代表点）**：POPZER/POPZCH/ND=70/非灰LTE中间阶/trace金属置LTE/IFALI=5/logg连续/he连续/nokant——**无一收敛**。nc 的 Newton CL 在该点确实无单参数解。
5. **nc 自身确实无解（nc 阶段的 Newton+Kantorovich 在该参数角失效）**：14+ 变体（含 He-ladder 1 dex 细步、IFALI=6、禁 Kant+Ng）无一让 **nc** 收敛。不稳性在 nc 迭代的加速环节，换起点救不回 nc 自身。
6. **✅ 但找到可行修复（2026-08-14 验证）——nc 不需收敛，nl 能从「有界 nc」接住**：用同点 **he=0 收敛模型 warm-start 跑 nc**（得有界、不撞 1e16 STOP 的 nc），再跑 **nl** → **18 迭代收敛（max_relc=8.06e-4<1e-3）、温度结构物理（表层 0.77×Teff）**。冷启动 nc 因撞 1e16 STOP 模型损坏，nl 接不住。**判据是"nc 不撞 STOP 保持有界"，不是"nc 收敛"。**
7. **生产没走通是 seed_finder 两个 bug**：(a) `seeds.rs:144-193` exact_family 优先级压倒一切，给 he-4 点选了富方向 CNO 邻居（坏种子）而漏掉经验证有效的 he0（贫 He 方向）种子；(b) `seed_finder.rs:51` `d_teff<5000.0`（严格）排除相邻 Teff 档（网格步长正好 5000K）。**这正是用户"多步种子步进/向四周扩散"思路要解决的，且已验证机制有效。**
> 注：前序文档结论"Newton 从 grey 起点不稳定、振荡不衰减"方向正确，但 (i) "nokant 降到 1e4"是中等点（he-2/he0）的数，最难点（he-4）禁 Kant+Ng 仍振荡到 1e9；(ii) 该结论只针对 **nc 阶段**——nl 阶段从有界 nc 能收敛，这点前序文档没测，是本报告的关键新增。
---
## 二、数据证据
### 2.1 失败分布（DB）
| 维度 | 分布 |
|---|---|
| 总失败 | tlusty_status=failed: **1105** 个网格点 |
| 冷启动 nc 阶段失败（summary 中 nc 未收敛） | **273** 个（其余 832 为 cold 失败后退化为 seed_step，最终也失败） |
| Teff 集中 | ≥50kK 占 ~82%（60k:81, 55k:91, 50k:53, …） |
| logg 集中 | 5.0 最难 |
| **He 丰度梯度（关键）** | he=+2 失败率 **7%**；he=0 **54%**；he=−2 **64%**；he=−4 **66%** |
> He 越贫越难收敛——物理上贫 He 即近纯 H 大气，60kK 下 H 的 NLTE 电离辐射主导、碰撞耦合弱，灰化初值偏差大。
### 2.2 代表点失败轨迹（baseline，实际 fort.9 逐迭代）
代表点 `t60000_g5.0_he-4_c-4_n-4_o-3`（60k/g5.0/he−4），nc 阶段 NITER=30：
```
iter depth TEMP NE POP RAD MAX 发散变量
1 2 1.25E+01 -1.83E+01 -1.40E+02 2.60E-01 1.40e+02 ilev75(C)
2 3 3.16E+02 -2.68E+02 -1.95E+03 -6.19E-02 1.95e+03 ilev75(C)
...
10 4 1.47E+05 -4.45E+08 -2.19E+15 -1.15E-01 2.19e+15
14 5 7.29E+05 -6.57E+08 -2.70E+16 2.60E+00 2.70e+16 → STOP(>1e16)
```
- **表层（深度 2–5）**驱动；深层（>15）iter1 max|POP| 仅 0.99（正常）。
- POP 始终是 MAXIMUM；RAD 全程 ≤2.6（直到 POP 到 1e15 才被带坏）。
- T、NE 的未限幅修正也很大（iter1 T=+12.5 即 +1250%），但都小于 POP。
### 2.3 灰化 LTE 初值本身是物理的
`check_temperature_structure`（DCTS 权威判据）对 lte.7：
- 表层 T=48670K（0.81×Teff，Eddington 灰化参考 0.84）✅
- 无 NaN ✅
→ **初值不是病态的**，只是不在 NLTE 收敛域内。
---
## 三、源码级根因（逐行核对）
### 3.1 修正量计算与诊断脱钩 —— `tlusty208.f:14639-14681`（SOLVE）
```fortran
DO I=1,N
DPSI(I)=BET(I,ID)-VECL(I)
CHAN=0.
IF(PSI0(I).GT.0.) CHAN=DPSI(I)/PSI0(I) ! 原始 Newton 相对修正（无下限保护）
BET(I,ID)=CHAN ! :14643 存【未阻尼、未限幅】原始值 ← CHMX 来源
IF(I.GE.NFREQE+INSE) CHAN=ORELAX*CHAN ! :14647 ORELAX 只作用于布居，且在 BET 之后
IF(CHAN.LE.UN/DPSILG-UN) CHAN=UN/DPSILG-UN ! :14652 DPSILG 限幅（在 BET 之后）
...（DPSILT/DPSILN/DPSILD 逐变量更严限幅）...
PSI0(I)=PSI0(I)*(CHAN+UN) ! :14681 实际更新（限幅后，有界）
END DO
```
**关键推论**：
- `BET`（:14643）= **原始**修正 → PRCHAN(:22876) 据此算 `CHMX` → 收敛判据 `LFIN=ABS(CHMX).LE.CHMAX`(:14728) 与雪崩 STOP `ABS(CHMX).GT.1.D16`(:14700) **全用这个未限幅值**。
- ORELAX(:14647)、DPSILG(:14652) **都作用在 BET 之后**，**不改变 CHMX**。
- 实际模型更新（:14681）有限幅、始终正、**不会 NaN**（实测：所有发散运行的 nc.7 都无 NaN、过温度结构判据）。
- **所以"STOP after ITER N, Max change 1e16"是诊断（未限幅）触发的，不是模型真炸**。但模型也确实没收敛（表层 T 偏离收敛参考）。
**POP 分母无下限**：`IF(PSI0(I).GT.0.)`(:14642) 是唯一保护；无 `DMAX1(PSI0,eps)`。表层贫 He 下 C I 的 PSI0 极小 → CHAN 极大。
### 3.2 POPZER/POPZCH —— 本应保护 trace 物种，默认值形同虚设
| 参数 | 默认 | 作用 | 行号 |
|---|---|---|---|
| `POPZER` | 1e-20 | 布居/POPM<POPZER 的组冻结（POPGRP=0, IGZERO=1），其 Newton 修正强制为 0（VECL=0, :22750/:22756） | :6160 |
| `POPZCH` | 1e-15 | 收敛报告阈值：RPOP0<POPZCH 的物种**排除出 CHMX/STOP 判据** | :22910/:22925 |
| `NITZER` | 1 | 冻结/超零化的激活迭代数 | :5864 |
表层过渡电离级 C I/C II 在 60kK 的 RPOP0 ≈ 1e-10~1e-12 —— **高于** POPZCH(1e-15) 与 POPZER(1e-20)，故两项保护都**不触发**。理论上调高 POPZER/POPZCH 能把它们排除——但实测不行（见 §四）。
### 3.3 ORELAX 作用域（更正前序 A3）
`ORELAX` 只作用于布居（`I≥NFREQE+INSE`）。辐射场(Jν)、T、ne、TOTN **不受 ORELAX 保护**——但本问题主发散量正是布居，所以 ORELAX 作用域其实**对得上**；问题在于它在 BET 之后，诊断看不到。
---
## 四、穷举复测（代表点，test/20260813_cold_nc_trace_fix/）
判据：fort.9 末次 max_relc **且** nc.7 温度结构/NaN。
| # | 变体 | 末 max_relc | STOP | nc.7 NaN? | 结论 |
|---|---|---|---|---|---|
| 1 | baseline (NITER=30) | 2.7e16 | iter14 STOP | 否 | 复现失败 ✅ |
| 2 | POPZER=1e-9 | 2.78e16 | iter8 | 否 | 冻结 trace 反把 RAD 带崩 |
| 3 | POPZER=1e-12 | 4.22e17 | iter20 | 否 | 太松，无效 |
| 4 | POPZCH=1e-9 | 2.7e16 | iter14 | 否 | 发散物种 RPOP0>1e-9，未排除 |
| 5 | ND=70 | 3.79e17 | iter10 | 否 | 非分辨率问题 |
| 6 | 非灰 LTE 中间阶 (lte→lte_ng→nc) | — | LTE 阶自身 iter25 发散 | — | LTE 非灰迭代也不稳 |
| 7 | trace 金属置 LTE (C/N/O I+II 负 nlevs) | 7.82e17 | iter5 | 否 | 剩余 NLTE 物种仍崩 |
| 8 | 完整生产 nst (IFALI=5 等) | 2.7e16 | iter14 | 否 | 与 baseline 逐迭代一致 |
| 9 | warm-start from g5.5 (Δlogg 0.5) | 3.19e16 | iter8 | 否 | iter1=6.49(小)但 iter2 爆 |
| 10 | **warm-start from he0 (ΔlogHe 2)** | 1.13e6 | 无STOP(跑满30) | **否** | **iter1=4.3(最优)**，全程有界 |
| 11 | warm he0 + ITEK=999 (禁 Kantorovich) | 2.09e4 | — | **是(全 NaN)** | 禁 Kant 反而 NaN——Kantorovich 实为稳定项 |
**全部 11 个变体无一数值收敛（max_relc<1e-3）。**
### 4.1 关键观察：Kantorovich 是稳定项，不是祸首
- 变体 10（warm he0，默认 ITEK=4）：full-CL 迭代（1–4,7,11…）max_relc≈5–25（小！），Kantorovich 迭代（5–6,8–10…）飙到 1e4–1e10——但模型**始终有界无 NaN**。
- 变体 11（warm he0，ITEK=999 纯 full-CL）：10 迭代后**全深度 NaN**。
- → **Kantorovich 近似算子反而在防止 NaN**。前序"禁 Kantorovich 能降 1e12"的观察只看到了 CHMX（未限幅诊断）下降，没看到纯 full-CL 会 NaN。
### 4.2 He-ladder 细步长也救不回（关键否定）
为验证"换更近的起点能否收敛"，实测了 **He-ladder 1 dex 细步** he0(conv)→he−1：
```
he-1 (1 dex He step from converged he0): iter1=6.82, iter2-4=100/92/152, iter5=1.1e6(Kant), iter18=2.9e17(STOP)
```
**iter1 仍很小（6.82）**——说明 1 dex He 步长的起点质量很好；但 **iter5 起 Kantorovich 照样爆炸**。这与 2 dex 单跳（he0→he−4，iter1=4.3）、logg 连续（g5.5→g5.0，iter1=6.49）的模式完全一致：
| warm-start | iter1 | iter5(Kant) | 结局 |
|---|---|---|---|
| g5.5→g5.0 (Δlogg 0.5) | 6.49 | 爆 | STOP iter8 |
| he0→he−4 (ΔlogHe 2) | 4.29 | 爆 | 跑满30, 无STOP, 有界 |
| he0→he−1 (ΔlogHe 1) | 6.82 | 爆 | STOP iter18 |
**结论**：**不稳性在 nc 迭代的 Kantorovich 加速环节（iter≥5），不在起点**。无论起点多好（iter1 多小），iter5 起的 Kantorovich 都会爆炸。换起点/He 连续/步长都救不回——**这是 nc 阶段 Newton+Kantorovich 求解器在该参数角的结构性失效**。
> warm-start 模型全程**有界无 NaN**（Kantorovich 近似算子反而在防 NaN，见 §4.1），但 CHMX 恒高（未真收敛），表层 T 偏离收敛参考（0.70×Teff vs 0.78×Teff），**不可直接当科学结果用**。
---
## 五、可行修复方向
### 🔴 重大更新（2026-08-14）：nc 不需收敛，nl 能从「有界 nc」接住 — 已验证
重新认识生产的真实收敛机制后，**找到了可行修复**。DB 显示 55k 同族点（已收敛）的成功路径是：
```
seed_nc: converged=False (max_relc=0.00461) ← nc 没收敛但有界
nl: converged=True (max_relc=0.0004) ← nl 阶段补上最终收敛
```
即生产**接受未收敛的 seed_nc，靠 nl（带谱线、NITER=100、ORELAX=0.5）做最终收敛**。瓶颈不是 nc 收不收敛，而是 **nc 模型是否足够有界（不撞 1e16 STOP）让 nl 接得住**。
**验证**（代表点 `t60000_g5.0_he-4_c-4_n-4_o-3`，所有单参数法都失败的最难点）：
| 路径 | nc 状态 | nl 结果 |
|---|---|---|
| 冷启动 nc → nl | STOP iter14（撞 1e16，模型损坏） | ❌ NaN 发散 |
| **he0 warm-start nc → nl** | 跑满 30 迭代**有界无 STOP**（CHMX~1e6） | ✅ **18 迭代收敛, max_relc=8.06e-4 < 1e-3；表层 T=0.77×Teff（与收敛参考一致），无 NaN** |
→ **He-rich（he=0）同族 warm-start 给出有界 nc，nl 从中收敛到物理解。** 这正是用户提出的"多步种子步进/向四周扩散"思路——**机制已验证有效，但是部分点有效（非万能）**。
### 多点验证（2026-08-14，5 个不同失败点，he-rich warm nc + ORELAX=0.3 + nl）
| 点 | Teff/logg/He | 种子 | nc | nl | 结论 |
|---|---|---|---|---|---|
| first | 60k/g5.0/he-4 | he0 | 有界(无STOP) | 18it **8.06e-4** | ✅ **收敛，表层0.77×Teff** |
| p1 | 50k/g5.0/he-4 | he0, ORELAX=0.3 | 有界(5e-3) | 15it **8.27e-4** | ✅ **收敛，表层0.81×Teff** |
| p4 | 60k/g5.5/he-2 | he0, ORELAX=0.3 | 有界(4e8) | 100it 卡 1e5 | ⚠️ nl.7 物理(0.79×Teff)但未达0.001 |
| p2 | 60k/g5.0/he-2 | he0 / he2 | STOP(1e26/1e16) | 发散 | ❌ 两种种子都 STOP |
| p3 | 50k/g5.5/he-4 | he0, ORELAX=0.3/0.1 | STOP(~1e14) | NaN | ❌ |
**诚实结论：he-rich warm-start + ORELAX=0.3 + nl 是部分修复，非万能**：
- **2/5 完全收敛**（都是 he-4/g5.0，50k & 60k 都行）；
- **1/5 接近**（p4：nl.7 物理但 nl 未达 0.001）；
- **2/5 失败**（p2 he-2、p3 he-4/g5.5：nc 仍 STOP）。
> 即：当前 production 对这批点 seed_step 恢复率 **0%**；本路径把它提到约 **40% 完全 + 20% 接近**。剩下的 p2/p3 类需更近种子（如 Teff 邻居，受 seed_finder bug 挡住未试）或源码级工作。**机制成立（nc 有界→nl 收敛），但"让 nc 有界"本身仍点相关。**
### 追加（2026-08-14 深夜）：Teff 多步梯子 + 全方向种子——p2/p3 仍抵抗
对两个抵抗点（p2: 60k/g5.0/he-2_c-4_n-3_o-3；p3: 50k/g5.5/he-4_c-2_n-3_o-3）追加测试：
| 尝试 | 方向 | 结果 |
|---|---|---|
| **Teff 梯子 40k→45k→50k→55k→60k**（nc 链，ORELAX=0.3） | 5kK/步 | ❌ **第一步 45k nc 即 NaN**（iter1=12 好，iter5 Kant 爆到 7.7e13，nc.7 全 NaN） |
| p2 对角种子（55k/g5.5/**同He同CNO**） | ΔTeff5k+Δlogg0.5 | ❌ nc STOP(1e17)；nl.7 物理(0.76×Teff)但 max_relc 2e16 |
| p2 g5.5 CNO-1 种子 | Δlogg0.5 | ❌ NaN |
| p3 45k_he-2 种子 | ΔTeff5k+ΔlogHe1 | ❌ nc STOP(4e16)；nl.7 物理(0.76×Teff)但 1e25 |
| p3 g5.0 同丰度种子 | Δlogg0.5 | ❌ nc STOP(4e19)；nl.7 物理(0.76×Teff)但 8e16 |
**p2 共 6 种尝试、p3 共 5 种尝试，全部未数值收敛**（he2/he0/对角/g5.5/Teff 梯子/多 ORELAX）。
**值得注意**：3 个"失败"运行的 nl.7 **温度结构物理且正确**（表层 0.76×Teff ≈ 收敛参考 0.77-0.78），无 NaN——只是 max_relc 被痕量物种的未限幅修正污染（联系 §3.1：CHMX 取自 BET 未限幅值）。即**结构可能已对、布居数判据不过**。这批"物理有界但数值未收敛"模型是否可用（或加 POPZCH 过滤判据后可用）值得进一步评估。
### 最终总账（全部验证）
| 点 | 结果 | 尝试数 |
|---|---|---|
| 60k/g5.0/he-4_c-4_n-4_o-3 | ✅ nl 收敛(8.06e-4)+物理 | he0 种子 1 次成功 |
| 50k/g5.0/he-4_c-4_n-4_o-4 | ✅ nl 收敛(8.27e-4)+物理 | he0+ORELAX0.3 成功（ORELAX1.0 失败） |
| 60k/g5.5/he-2_c-4_n-4_o-4 | ⚠️ nl.7 物理但未达0.001 | he0 |
| 60k/g5.0/he-2_c-4_n-3_o-3 (p2) | ❌（3 个 nl.7 物理但未收敛/NaN） | **6 种** |
| 50k/g5.5/he-4_c-2_n-3_o-3 (p3) | ❌（2 个 nl.7 物理但未收敛） | **5 种** |
### 🏆 决定性解锁（2026-08-14 凌晨）：跳过 nc，直接从种子跑 nl —— 5/5 全部恢复
在 p2/p3 连续 11 种组合失败后，测试了最后一个未试变体：**跳过会发散的 nc 阶段，把邻居收敛模型直接作为 nl 的 fort.8**（nl 自带 ORELAX=0.5、NITER=100、谱线耦合，数值上比 nc 稳得多）：
| 点 | 之前 11 种组合 | 直接 nl（跳过 nc）| nl.7 物理 |
|---|---|---|---|
| p2 (60k/g5.0/he-2_c-4_n-3_o-3) | 全失败 | ✅ 对角种子(55k/g5.5 同He同CNO) 99it **6.8e-4** | ✅ 0.765×Teff |
| p3 (50k/g5.5/he-4_c-2_n-3_o-3) | 全失败 | ✅ 45k_he-2 种子 19it **8.6e-4**（近单调收敛） | ✅ 0.760×Teff |
| p4 (60k/g5.5/he-2_c-4_n-4_o-4) | 卡 1e5 | ✅ **CNO-1 exact_family 种子** 13it **6.3e-4**；he0 种子 19it 8.4e-4 | ✅ 0.786×Teff |
**最终总账：5 个验证点全部恢复（5/5）**：
- first (60k/g5.0/he-4)、p1 (50k/g5.0/he-4)：he0 warm nc(ORELAX=0.3) → nl ✅
- p2、p3、p4：**直接 nl（跳过 nc）** ✅
**🔴 最关键的发现（p4 案例）**：p4 直接 nl 用的 CNO-1 种子 **正是生产 seed_finder 本来就选的 exact_family 种子**——生产失败不是种子选错，而是 **seed_nc 中间阶段发散后把污染的 fort.7 喂给了 nl**。同一个种子跳过 seed_nc 直接喂 nl，13 次迭代收敛。
**生产的真正病灶**：`default_seed_chain` 是 `seed_nc → nl`，`seed_nc` 对难点发散（Kantorovich），其损坏输出毒死了 nl。而 **nl 从干净种子出发自身完全有能力收敛**。
### 修复方案（框架侧，runner.rs）
在 `default_seed_chain` / runner 的阶段传递逻辑（`runner.rs:518-531`）加一层：
1. **当 seed_nc 发散（STOP/NaN/best_max_relc 超阈）时，不要把 seed_nc 的 fort.7 传给 nl——回退用原始种子（邻居的干净 .7）直接喂 nl**（nl 参数不变：ORELAX=0.5、NITER=100）。
2. 更激进（同样有效）：对已知难点直接加一条 `nl_direct` 策略（跳过 seed_nc）。
3. 配合修 seed_finder 两 bug（exact_family 优先级 + `d_teff<5000.0`），扩大可用种子池（he0/对角/Teff 邻居）。
**验证数据支撑**：5/5 点恢复，其中 3 个点是"直接 nl"救回、2 个点是"he0 warm nc→nl"救回；两种路径互补。p4 案例证明即使不修 seed_finder、只用现有种子选择，仅改"seed_nc 失败回退原种子喂 nl"就能救回 p4 类点。
### 🔬 是否应把 seed_nc→nl 直接替换为 seed_nl（直接 nl）？—— **不应替换，应作回退/补充策略**（A/B 实测）
**DB 统计**（2861 个生产 seed_step 成功点）：
- **96%（2735）seed_nc 自己未收敛**，最终收敛全部由 nl 完成 —— seed_nc 从来不是收敛完成者；
- 但 234 个点 seed_nc 发散到 >1e4，nl 仍从中收敛 —— 发散的 seed_nc 输出并非必然有毒。
**A/B 对照**（3 个生产 seed_step 成功点，同种子直接跑 nl，跳过 seed_nc）：
| 点 | 生产（seed_nc→nl） | 直接 nl | 结论 |
|---|---|---|---|
| ab2 (35k) | ✅ nl 9.51e-4 | ✅ 31it 4.9e-4 | seed_nc 多余 |
| ab3 (45k) | ✅ nl 7.39e-4 | ✅ 19it 5.6e-4 | seed_nc 多余 |
| **ab1 (35k)** | ✅ nl 7.47e-4（注意其 seed_nc 发散到 2.65e8）| ❌ 100it 卡 8.2e8 | **seed_nc 必要！** |
**ab1 反例说明 seed_nc 并非无用**：某些点上 seed_nc 即使发散，其限幅后的中间模型（布居已部分适应新参数）仍比原始种子更适合 nl；直接替换会**弄坏当前能跑通的点**。
**结论**：`seed_nc → nl` 链本身不是 bug；bug 是**它没有回退路径**——当 seed_nc 的输出真的有毒（NaN/深度污染）且 nl 因此失败时，直接把任务判死。正确修复是**阶梯式**：
```
seed_nc → nl （现状，覆盖 96% 场景）
└─ nl 失败/NaN → nl_direct（用原始干净种子重跑 nl） （新增回退，救 p2/p3/p4 类）
└─ 仍失败 → 下一策略（现有 fallback 不变）
```
这样 ab1 类点走第一条路（保住），p4 类点走回退（救回），无任何回归风险。
---
## 八、修复实施（2026-08-14，已落地并验证）
### 8.1 代码改动（3 处）
| # | 文件 | 改动 | 验证 |
|---|---|---|---|
| 1 | `runner.rs` | 阶段执行体抽为 `execute_tlusty_stage()`；新增 **nl_direct 回退**：require_converged 阶段失败且非链首且有原始种子时，以 `<label>_direct` 标签用原始种子重跑该阶段，收敛则采纳 | 单元测试（假 tlusty 三步接线）✅；p2/p3 用完整生产 nst 的 direct-nl 物理验证 ✅（99it/6.8e-4、19it/8.6e-4，温度结构物理） |
| 2 | `seed_finder.rs:51` | `d_teff < 5000.0` → `<= 5000.0`（相邻 Teff 档纳入 exact_family，桶索引本就支持） | 回归测试（55000↔60000 判 exact、距离 0）✅ |
| 3 | `nst_writer.rs` | 新增 `NST_LINE_MAX=75` 换行（TLUSTY `CHARACTER*80` 行缓冲截断 bug，IFALI/TFLOOR 等此前从未生效） | 回归测试（全行 ≤75、TMOLIM/TFLOOR 在输出中）✅；**行为验证见下** |
### 8.2 nst 截断修复的行为验证（意外收获）
用修复后的 Rust 链端到端重跑 p4 场景（`e2e_nl_direct_fallback_recovers_poisoned_seed_chain`，真实二进制）：
- **主链 seed_nc→nl 自己收敛了**（seed_nc 仍发散到 4.6e14，但 nl 14it 收敛 2.41e-4）——
修复前生产 nst 第 4 行 158 字符被截断，IFPOPR=4/JALI=1（布居 ALI 处理）等从未生效；
修复后这些关键字真正传到 TLUSTY，** nl 从被污染的 seed_nc 输出也能自愈**。
- 即 **#3 一项就可能显著改善生产成功率**；p2/p3 主链仍失败（回退 #1 兜底，已验证有效）。
### 8.3 验证总账
- `cargo test --workspace`：**197 passed / 0 failed**（含 3 个新回归测试）
- `cargo clippy`：仅 2 个既有警告（conv_check.rs，非本次改动）
- 端到端（真实二进制）：p4 主链自愈 ✅；p2/p3 回退路径物理验证 ✅
- 修复后预期：难点恢复路径 = 主链（nst 修复增益）→ nl_direct 回退 → 现有策略 fallback，三层递进
### 生产没走通的原因：seed_finder 两个 bug
查 `crates/server/src/db/seeds.rs:144-193` + `seed_finder.rs:51`：
**Bug 1（致命）：exact_family 优先级压倒一切。** 选种逻辑「先找 exact_family（同 Teff/logg/He、仅 CNO 不同），有就**立即返回**，绝不看 global」。对 he-4 点：exact_family 候选 = 同 Teff 的 CNO 邻居 o-4（**富方向**、不稳定、距离 4.0）被选中；而经验证有效的 he0 候选（global、**贫 He 方向**、距离 2.0）**从未被考虑**。
**Bug 2：`d_teff < 5000.0`（严格小于）排除相邻 Teff 档。** 网格 Teff 步长正好 5000K，55k→60k 相邻档**永远进不了 exact_family**。而 Teff 方向经验证最稳（55k 点靠 50k Teff 种子收敛）。
### 推荐修复（按性价比）
1. **改选种逻辑**（治本，框架侧）：当 exact_family 候选是富方向（距离大）时，应让它与 global 候选比较。最简方案——**对 he≤-2 的点，优先选 He-rich（he0/he+2）同族收敛模型作种子**（贫 He 方向，已验证 nl 能接住）。
2. **`d_teff < 5000.0` → `<= 5000.0`**（一行）：纳入相邻 Teff 档，让 55k 能作 60k 种子。
3. **多步 Teff 连续**（用户思路）：从已收敛低温点逐档升温 warm-start，每步 nc 有界 + nl 收尾。这是 1+2 修复后的自然产物。
4. **接受"nc 未收敛但有界"的种子**（生产 `require_converged=false` 已是此意，但需确保 seed_nc 不撞 1e16 STOP——He-rich warm-start 保证这一点）。
### 前提：单参数/换起点 nc 自身收敛均已穷举证伪（但仍可用作 nl 的有界种子）
12+ 变体 + He-ladder 1 dex 细步全部不收敛。不稳性根植于 TLUSTY「完全线性化 + Kantorovich 加速」求解器在「贫 He + 高 Teff + 低 logg」表层的结构性失效。下列是**仍需进一步工作**的方向（本文未完全落地）。
### 方向 A（治本，需改源码）：换加速/辐射算子
- ~~**试 IFALI>5（近似 Λ 算子）**~~ —— **已实测证伪**。`IFALI=6`（启用带状近似 Λ 算子，`:17411` 加 A/C 非对角耦合）：
- cold start + IFALI=6 → nc.7 全 NaN（比 baseline 的有界更差）；
- warm he0 + IFALI=6 → **iter1 MAX=1.84e95**（灾难性，vs 默认 4.3）。
- 带状算子的非对角项在远离解时**放大**失稳，不是稳住。**IFALI=6 对本问题是反效果。**
- 改 Kantorovich 切换逻辑或加自适应阻尼（前序文档优先级 1/2，工程量大）。这是剩下唯一可能见效的源码侧方向，但工程量大、需重编。
### 方向 B（止损，框架侧）：诊断修正 + 难点标记
- **诊断侧**：check_fort9 的 CHMX 是未限幅值（§3.1），对难点恒高。可对 nc 阶段追加 POPZCH 过滤后的 CHMX + 温度结构/emflux 实物校验作辅助判据——但**不能**把有界未收敛模型当真收敛（§4.2 实测其表层 T 偏离）。
- **任务侧**：把 he≤−2 + Teff≥50k + logg≤5.5 的 ~273 个最难点标记为"nc 求解器失效"，单独排队/人工处理，不浪费 7-9 次重试。
### 方向 C（数据侧）：缩小难点集
DB 统计这批点的收敛率随 He 丰度强烈变化（he=+2 93% → he=−4 66% 失败）。若科学上可接受，**优先保证 he≥0 的点**（冷启动大多收敛），he≤−2 的最难点降级处理。
### 已证伪、不推荐的方向
- **诊断侧**：DCTS 的 check_fort9 用未限幅 CHMX 判收敛，对这类点恒判失败。可在 framework 里对 nc 阶段**追加 POPZCH 过滤后的 CHMX** 与**温度结构/emflux 实物校验**作为辅助判据，但**不能**把"有界未收敛"模型当真收敛（实测其表层 T 偏离收敛参考）。
- **任务侧**：把这批 he≤−2+高Teff+低logg 的点标记为"需 He-ladder"，单独排队。
### 不推荐的方向（已穷举证伪）
- 任何单一 nst 数值参数（ORELAX/DPSILG/ITEK/IACC/POPZER/POPZCH/NITER）；
- ND=70、非灰 LTE 中间阶、trace 金属置 LTE、IFALI=5；
- 仅靠 logg 连续（Δlogg 0.5 warm-start 仍崩）；
- **He-ladder 连续**（he0→he−1 单步 1 dex、he0→he−4 单跳 2 dex，iter1 都小但 iter5 Kant 爆）——不稳性在迭代加速环节不在起点；
- 禁 Kantorovich（ITEK=999）——纯 full-CL 反而 NaN，Kantorovich 实为防 NaN 的稳定项；
- **IFALI=6（带状近似 Λ 算子）**——cold→全 NaN、warm→iter1 MAX=1.84e95 灾难性；带状非对角项远离解时放大失稳。
---
## 六·五、附带发现：nst 行被 80 字符缓冲截断（生产 bug）
测 IFALI=6 时发现：`tlusty208.f:1689` 声明 `CHARACTER*80 TEXT`（nst 行读取缓冲），但 `nst_writer.rs` 写出的第 4 行长达 **158 字符**：
```
HMIX0=-1.,MLTYPE=1,IPTURB=1,IBFINT=1,IHECOR=0,IRTE=0,IBC=3,IFRYB=0,IOPTAB=0,IFMOL=0,IFALI=5,IFPOPR=4,JALI=1,TRAD=0.,WDIL=0.,TFLOOR=8000.,TDISK=0.,TMOLIM=9000.
```
第 80 字符（`...IFMO`）处被截断，**`IFALI`/`IFPOPR`/`JALI`/`TRAD`/`WDIL`/`TFLOOR`/`TDISK`/`TMOLIM` 全部从未被读取**，静默走 TLUSTY 默认。即生产中这些点的 `TFLOOR=8000`（`config.rs` 配的）实际没生效，用的是 TLUSTY 默认 TFLOOR。本复测所有需要这些参数的变体都已手动拆行（每行 ≤68 字符）验证可正确读取。
**建议修 `nst_writer.rs`**：keyword 组每组 ≤75 字符换行（对齐 `CHARACTER*80` 限制）。
---
## 六、与前序文档的关系
| 前序结论 | 本文状态 |
|---|---|
| "itek/iacc/DPSILG/orelax 调参无效" | **证伪其方法论**：CHMX 对这些参数不敏感（源码 :14643 在 :14647/:14652 之前），前序测了不敏感的指标。结论（这些参数救不回）方向对，但理由错。 |
| "需连续法" | **方向确认**，并具体化为 **He-ladder**（而非泛泛的 Teff 连续），有 he0 warm-start iter1 改善 30× 的实测支撑。 |
| "Newton 在灰化起点即在收敛域外" | **确认**（baseline iter1=140 且深层正常表层崩）。但 warm he0 能把 iter1 降到 4.3，说明**换个起点能进收敛域**。 |
| "禁 Kantorovich 降 1e12~1e14" | **方法论警示**：那是 CHMX（未限幅）下降；纯 full-CL（ITEK=999）实测会 NaN，Kantorovich 实为稳定项，**不应禁用**。 |
---
## 七、复测产物位置
```
test/20260813_cold_nc_trace_fix/convergence/t60000_g5.0_he-4_c-4_n-4_o-3_cold/
├── baseline/ inputs/(lte+nc.5/nst) + outputs/(nc.6/7/9)
├── popzer1e-9/ popzer1e-12/ popzch1e-9/
├── nd70/ lte_ng/ trace_lte/ full_nst/
├── warm_from_g5.5/ warm_from_he0/ warm_he0_nokant/
└── cold_nokant/
```
每个变体 `outputs/nc.9` 可用 `scripts/check_fort9.py` 复核；`nc.7` 可用 `check_temperature.py` 复核。
docs/tlusty_directrun_experiment_2026_08_11.md
+340
View File
@@ -0,0 +1,340 @@
# TLUSTY 本机直接运行实验记录（根因验证与修复测试）
**日期**：2026-08-11
**方法**：绕过 DCTS 框架，直接运行 TLUSTY 二进制（`dcts/assets/tlusty_static`），本地 16 核并行测试不同策略
**测试对象**：生产 DB（`/home/fmq/下载/dcts.db`）标记 `tlusty_status=failed` 的网格点
**源码参考**：`/home/fmq/program/tlusty/tl208-s54/tlusty/tlusty208.f` + dcts `workflows/sdB_cno.yaml`
**测试规范**：见 `docs/testing_workflow_2026_08_11.md`；测试产物已迁移至 `test/20260811_tlusty_divergence/`
---
## ⚠️ 2026-08-12 更正
本文实验使用的 `itek:0` / `iacc:0` 参数存在**致命语义误解**（后续源码核对确认）：
- `ITEK=0` → `tlusty208.f:1937` `if(nitzer.gt.itek) nitzer=itek` → **nitzer=0 冻结
populations**，不是"禁用 Kantorovich"——所有 `itek0*` 变体都在 populations 冻结
下运行，其结果不能解释为 Kantorovich 的因果。
- `IACC=0` → `tlusty208.f:1928` `IF(IACC.LE.4) IACC=7` → **被 clamp 回 7**，空操作——
所有 `iacc0*` 变体实际仍是默认 Ng 加速。
正确禁用方式是设 `ITEK/IACC > NITER`。2026-08-12 用正确方式复测 6 个点 × 4 配置：
**0 次收敛**（发散幅度降 1e12~1e14× 但达不到收敛）。详见
`docs/cold_start_fix_2026_08_12.md`。本文保留为历史实验记录。
---
## 一、背景与目的
生产 DB 有 1105 个网格点 TLUSTY 不收敛（cold_run 与 seed_step 均失败，见 `tlusty_divergence_root_cause_2026_08_11.md`）。为验证根因假设并测试修复策略，本实验绕过框架直接运行二进制，精确复现生产输入与失败。
**本实验回答的三个问题**：
1. 生产失败能否在本地精确复现？（可信度锚点）
2. 失败的直接机制是什么？（KANT/ACCEL2 加速）
3. 何种策略能修复？（ITEK=0 + IACC=0 + DPSILG 收紧的假设性验证）
---
## 二、运行方法（与 DCTS 框架等价）
TLUSTY 二进制通过 **stdin** 读取 `.5` 输入文件（`runner.rs:406-416` 同款调用方式）：
```bash
tlusty_static < {stage}.5 > fort.6 2> fort.14
```
### 2.1 工作目录布局
| 文件/目录 | 用途 |
|---|---|
| `data/` → 软链到 `assets/data/` | 原子数据（c1.dat/h1.dat 等 133 文件） |
| `nst` | 非标准参数（由 `.5` 第3行 `'nst'` 指定文件名），每阶段复制 `{stage}.nst` |
| `fort.8` | 热启动种子（seed_nc 阶段）；冷启动 lte 阶段无（ltgray=T 删除） |
| `fort.19` → 软链到 `assets/data/gfATO.dat` | SYNSPEC 线表 |
| 产物 | `fort.6`(log)、`fort.7`(模型)、`fort.9`(迭代收敛记录)、`fort.14`(stderr) |
### 2.2 冷启动链（与 YAML `tlusty_chain` 一致）
```
lte(NITER=0, LTE=T, LTGRAY=T, ilvlin=0, 无 fort.8) ← 灰 LTE 起始
→ nc(NITER=10, LTE=F, LTGRAY=F, ilvlin=0) ← 策略变体作用阶段
→ nl(NITER=100, LTE=F, LTGRAY=F, ilvlin=100) ← 必须收敛
```
阶段间通过 `fort.7 → fort.8` 传递种子。
### 2.3 种子步进（与 YAML `seed_chain` 一致）
```
seed_nc(NITER=20, LTE=F, LTGRAY=F, ilvlin=0, fort.8=生产收敛邻居种子)
```
### 2.4 可信度锚点
本机 `seedprod`（生产配置 + 生产真实种子）seed_nc 轨迹：
`[7.0, 115, 272, 2020, 1.49e8, 8.26e13, ...]`
生产 DB 记录的 conv.json 轨迹：
`[7.0, 102, 288, 945, 1.12e8, 4.85e13, ...]`
**逐值吻合（同一数量级）** → 本机测试精确复现生产失败，测试方法可信。
---
## 三、根因（源码 + 实证双重确认）
雪崩由 **TLUSTY 两个加速机制**绕过 DPSILT 钳制引起，二者独立：
### 3.1 机制1：KANT / Kantorovich 线性化（`tlusty208.f:3841, 14493-14494`）
- 默认 `ITEK=4` → `KANT(iter)=1` for iter≥5（`tlusty208.f:848-854`）
- KANT=1 时**冻结矩阵**：`CALL RHSGEN` 只算右端项，`READ(93)/READ(92)` 复用上次迭代的 A/B 矩阵（`tlusty208.f:14500-14540`）
- 在收敛困难区，冻结矩阵与实际解严重偏离 → Newton 步方向错误 → 雪崩
- **证据**：基线 nc 雪崩始于 iter5（第一个 KANT 迭代）
### 3.2 机制2：ACCEL2 / Ng 加速（`tlusty208.f:29693-29800`）
- 由 `IACC` 控制（默认 7），与 ITEK 独立；iter≥7 触发
- 直接外推 PSY0 全体变量：`PSY0=(1-A-B)*PSY0 + A*PSY1 + B*PSY2`（`tlusty208.f:29763-29773`）
- **绕过 SOLVE 内 DPSILG/DPSILT 钳制循环**（钳制只约束 CHAN 局部变量，ACCEL2 直接改 PSY0 全局）
- **证据**：nl 阶段 iter7/11/15 的 ACCEL2 触发 → 温度外推爆炸 → STOP
### 3.3 两机制独立性（实证）
- `itek0`（只禁 KANT）：nc 雪崩推迟但 nl 仍 STOP（ACCEL2 未禁）
- `iacc0`（只禁 ACCEL2）：nl 仍 STOP（KANT 未禁）
- **必须双禁（ITEK=0 + IACC=0）** 才能抑制两个加速通道
### 3.4 雪崩主导变量
fort.9 显示 nl 阶段 |T| 修正从 iter1 的 4.26e5 爆炸到 iter19 的 1.2e16，**温度是雪崩主导变量**（RAD 辐射场修正一直 ≤360，ne 基本稳定）。DPSILT=1.25 钳制（±25%）被 ACCEL2 外推绕过。
---
## 四、测试矩阵与结果
### 4.1 策略变体定义（nc/nl 阶段 nst 差异）
| 变体 | ITEK | IACC | DPSILG | ORELAX(nc) | 说明 |
|---|---|---|---|---|---|
| baseline | 4(默认) | 7(默认) | 10(默认) | — | 生产配置 |
| trueprod | 4(默认) | 7(默认) | 10(默认) | — | 真生产（nl 也 ITEK=4，见瑕疵说明） |
| itek0 | 0 | 7 | 10 | — | 禁 Kantorovich |
| dpsilg3 | 4 | 7 | 3.0 | — | 收紧限幅 |
| itek0_dpsilg3 | 0 | 7 | 3.0 | — | 组合 |
| itek0_dpsilg2_orelax03 | 0 | 7 | 2.0 | 0.3 | 组合+松弛 |
| iacc0 | 4 | 0 | 10 | — | 禁 Ng 加速 |
| itek0_iacc0 | 0 | 0 | 10 | — | 双禁 |
| itek0_iacc0_dpsilg15 | 0 | 0 | 1.5 | — | 双禁+收紧 |
| seedprod | 4 | 7 | 10 | — | seed_nc 生产 |
| seed_doubleoff | 0 | 0 | 10 | — | seed_nc 双禁 |
| seed_doubleoff_dpsilg15 | 0 | 0 | 1.5 | — | seed_nc 双禁+收紧 |
> ⚠️ **测试瑕疵说明**：初版 prepare.py 给所有变体（含 baseline）的 **nl.nst 无条件加了 ITEK=0**。故表内 baseline 的 nl 阶段实际是 ITEK=0（非生产默认 4）。由于失败发生在 nc 阶段（nc 的 ITEK 是生产默认），**nc 阶段对比仍然公平**；为消除 nl 混淆，补跑了 `trueprod`（nl 也为默认 ITEK=4 的真生产配置）。
### 4.2 冷启动链结果（点 t60000_g5.0_he-2_c-4_n-4_o-4）
**nc 阶段轨迹**（max_relc，雪崩与否关键看前 5 步）：
| 变体 | iter1 | iter2 | iter3 | iter4 | iter5 | nc 结局 |
|---|---|---|---|---|---|---|
| baseline | 9.7 | 46 | 259 | 1950 | **4.85e6** | 雪崩→2.3e15 |
| dpsilg3 | 9.7 | 64 | 31 | 48 | 3.8e3 | 高位雪崩→1.8e8 |
| iacc0 | 9.7 | 46 | 260 | 2000 | **4.8e6** | 雪崩（同 baseline） |
| itek0 | 1.4 | 9.1 | 38 | 460 | 77 | 高位徘徊 |
| itek0_dpsilg3 | 1.4 | 2.9 | 3.7 | 33 | 3.8 | 改善 |
| itek0_iacc0 | 1.4 | 9.1 | 38 | 460 | 77 | 高位徘徊 |
| itek0_iacc0_dpsilg15 | 1.4 | 1.4 | 1.9 | 14 | 5.3 | **低位稳定** |
| itek0_dpsilg2_orelax03 | 1.4 | 1.9 | 2.1 | 35 | 12 | 低位稳定 |
**nl 阶段结局**：
| 变体 | nl 结局 | NaN行(nl.7) | 末 max_relc | 温度结构(DCTS判据) | 判定 |
|---|---|---|---|---|---|
| baseline | STOP iter19 | 0 | 1.23e16 | ✅ 物理(0.86×Teff) | ❌ |
| dpsilg3 | STOP iter14 | 0 | 7.59e16 | ✅ 物理(0.80×Teff) | ❌ |
| iacc0 | STOP iter10 | 0 | 1.72e17 | ✅ 物理(0.78×Teff) | ❌ |
| itek0 | STOP iter18 | 0 | 2.95e16 | ❌ 不物理(5.2×Teff) | ❌ |
| itek0_dpsilg3 | STOP iter26 | 0 | 5.96e17 | ❌ 不物理(5.2×Teff) | ❌ |
| itek0_iacc0 | STOP iter22 | 0 | 1.16e17 | ❌ 不物理(10.5×Teff) | ❌ |
| itek0_dpsilg2_orelax03 | 无 STOP | **2707** | 0.0(伪) | ❌ NaN | ❌ 伪收敛 |
| itek0_iacc0_dpsilg15 | 无 STOP | **2031** | 0.0(伪) | ❌ NaN | ❌ 伪收敛 |
**冷启动结论**：8 个变体在该极端点（60k/g5.0, CNO 全-4）全部失败。即使双禁+收紧 DPSILG，nl 阶段要么 STOP 要么产生 NaN。**冷启动从 LTE 灰化初值建立 NLTE 电离平衡在此点本质困难**，与加速机制无关。
### 4.3 种子步进结果（seed_nc，用生产真实种子 t60000_g5.0_he-2_c-3_n-4_o-4.7）
| 变体 | 轨迹(前6) | 结局 | NaN | 末 max_relc | 温度结构(DCTS判据) |
|---|---|---|---|---|---|
| seedprod(生产) | 7.0,115,272,2020,1.49e8,8.26e13 | STOP iter14 | 0 | 1.71e17 | ✅ 物理(0.49×Teff) |
| seed_doubleoff | 1.3,17,9,92,400,142 | 无 STOP | 0 | 4.71e06 | ✅ 物理(1.58×Teff) |
| seed_doubleoff_dpsilg15 | 1.3,16,7,1.7,2.9,6.3 | 无 STOP | 0 | **4.86e01** | ❌ 不物理(7.89×Teff) |
**种子步进结论**：
- seedprod 精确复现生产失败（可信度锚点）
- **双禁（ITEK=0+IACC=0）把 seed_nc 从雪崩（1e8-1e17）抑制到 1e2-1e3 量级**
- **再加 DPSILG=1.5 进一步压到几十量级**（末值 48.6），20 步全程无 STOP 无 NaN
- ⚠️ **温度物理性（修正版，见 §5.3 判据更新）**：seed_doubleoff（1.58×Teff）其实**物理**；seed_doubleoff_dpsilg15（7.89×Teff）**不物理**（超 DCTS 3×Teff 上限）。但两者**迭代均未收敛**（末值 4.7e6 / 48.6，均 >> 0.001）。早期文档用"3-6 万 K 表层"经验标准误判 seed_doubleoff 为不物理，已按 DCTS `check_temperature_structure` 判据（表层 < 3×Teff）修正
---
## 五、多点评测（5 个代表失败点 × baseline + 修复组合）
为验证根因与修复的普适性，对 5 个额外失败点补跑了冷启动链（每个点 baseline + `itek0_iacc0_dpsilg15` 两个变体）。加上 t60000_g5.0 的单点深测，共 **6 点、9 种变体、19 次完整冷启动链**（含 trueprod 对照）**+ 3 次 seed_nc**。
### 5.1 各点 nc 阶段早期轨迹（iter1-5，雪崩与否看这里）
| 点 | baseline iter1-5 | 修复组合 iter1-5 | nc 对比 |
|---|---|---|---|
| t60000_g5.0 | 9.7→46→259→1950→4.85e6 | 1.4→1.4→1.9→14→5.3 | ✅ 修复显著抑制(雪崩→低位) |
| t50000_g5.0 | 3.8→260→56→0.4 | 0.9→14→1.1→1.1→9.0 | ✅ 修复显著抑制 |
| t50000_g5.5 | 1810→76→243→**0.2** | 258→11→**552**→29→60 | ⚠️ 修复反而变差 |
| t55000_g5.0 | 5.8→42→117→646→5.99e6 | 1.1→2.1→0.6→1.8→1.0 | ✅ 修复抑制(雪崩→低位) |
| t55000_g5.5 | 9.0→58→85→**0.09** | 1.5→1.2→1.2→0.45→27 | ⚠️ baseline 也能收敛 |
| t60000_g5.5 | 5.2→119→77→151→**0.14** | 0.32→1.6→5.3→23→19 | ⚠️ baseline 也能收敛 |
**重要修正**：修复组合**并非在全部点抑制雪崩**：
- t60000_g5.0、t55000_g5.0 的 baseline nc **雪崩**（iter5 到 4.85e6 / 5.99e6），修复组合压到低位 → ✅ 修复有效
- t50000_g5.5、t55000_g5.5、t60000_g5.5 的 baseline nc **本来就能收敛**（iter4-5 回落到 0.1-0.2），修复组合反而把轨迹扰乱（如 t50000_g5.5 修复 iter3=552）→ ⚠️ 修复有害或无益
- **修复组合的价值集中在"baseline 会雪崩"的点**；对"baseline 能收敛"的点反而画蛇添足
- 注意：**nc 阶段能回落 ≠ 整条链收敛**——这些点的 baseline nl 阶段仍失败（见 §5.2，t50000_g5.5 末 3.39e11、t55000_g5.5 STOP、t60000_g5.5 NaN），说明收敛瓶颈在 nl 阶段而非 nc
### 5.2 各点 nl 阶段结局（完整链）
| 点 | baseline nl 结局 | 修复组合 nl 结局 | 修复效果 |
|---|---|---|---|
| t60000_g5.0 | STOP iter19 (1.23e16) | 31步,无STOP,NaN=2031 | ⚠️ 抑制雪崩但 NaN |
| t50000_g5.0 | 11步,无STOP,NaN=3659 | 19步,无STOP,NaN=3375 | ⚠️ 无实质改善 |
| t50000_g5.5 | 10步,末3.39e11,NaN=0 | 19步,无STOP,NaN=3595 | ⚠️ 变差(NaN) |
| t55000_g5.0 | STOP iter17 (1.05e16) | 58步,无STOP,NaN=0,末1.26 | ⚠️ 大幅改善但不收敛 |
| t55000_g5.5 | STOP iter30 (1.49e17) | 100步,无STOP,NaN=0,末1.38e8 | ⚠️ 改善但不收敛 |
| t60000_g5.5 | 19步,无STOP,NaN=3789 | 26步,无STOP,NaN=0,末1.72 | ⚠️ 改善但不收敛 |
### 5.3 温度结构物理性检查（判据已修正，关键！）
> 🔄 **判据修正说明（2026-08-11 补）**：初版用经验标准"60k 恒星表层应有 3-6 万 K"判断物理性，**该标准有误**。经文献调研（Eddington 灰大气关系 T(τ=0)≈0.84×Teff）与 DCTS 权威 `check_temperature_structure`（`conv_check.rs:463`）判据（表层 < 3×Teff、各深度 ∈ [10, 1e8] K）核对，**正确标准是表层 < 3×Teff**。60k 恒星表层应约 0.84×60k ≈ 5 万 K，3-6 万 K 的经验值偏低。本节按 DCTS 判据重新判定。
对每个变体的 nl.7 用 DCTS `check_temperature_structure` 判据（表层 < 3×Teff、无 NaN、各深度 ∈ [10, 1e8] K）：
| 点 | baseline nl.7 | 修复组合 nl.7 |
|---|---|---|
| t60000_g5.0 | ✅ 物理(0.86×Teff) | ❌ NaN |
| t50000_g5.0 | ❌ NaN | ❌ NaN |
| t50000_g5.5 | ✅ 物理(0.83×Teff) | ❌ NaN |
| t55000_g5.0 | STOP(无 nl.7) | ❌ 内部 6.2e9 K |
| t55000_g5.5 | STOP(无 nl.7) | ❌ 内部 1.8e10 K |
| t60000_g5.5 | ❌ NaN | ✅ 物理(0.85×Teff, max=1.4e7) |
**修正后的发现**（较初版更准确）：
- **修复组合并非"全部不物理"**：t60000_g5.5 修复组合温度结构**物理**（表层 0.85×Teff、max=1.4e7 < 1e8），只是迭代未收敛（末值 1.72）
- **真正不物理的**：t55000_g5.0（内部 6.2e9 K）、t55000_g5.5（内部 1.8e10 K）修复组合，及所有 NaN 模型
- **baseline 在 STOP 前温度物理**（t60000_g5.0、t50000_g5.5）
- **两类问题需要区分**：
1. **温度物理但未收敛**（如 t60000_g5.5 修复组合：表层合理、max 合理、但 max_relc=1.7）→ 有希望，增大迭代或收紧参数可能收敛
2. **温度不物理**（如 t55000 修复组合：内部 1e9+ K）→ 真正的失败，需换策略
---
## 六、总结论
1. **生产失败直接原因（已实证）**：KANT(iter≥5) + ACCEL2(iter≥7) 两个加速机制绕过 DPSILG/DPSILT 钳制，在收敛困难区放大 Newton 修正 → 雪崩 STOP（1e16 保护）或 NaN。本机测试精确复现生产轨迹。
2. **修复组合（ITEK=0+IACC=0+DPSILG=1.5）对"会雪崩的点"有效**：t60000_g5.0、t55000_g5.0 的 baseline nc 雪崩（iter5 到 4.85e6 / 5.99e6），修复组合压到低位；**但对"本就能收敛的点"反而有害**（t50000_g5.5、t55000_g5.5、t60000_g5.5 的 baseline nc 在 iter4-5 本就回落到 0.1-0.2，修复组合却把轨迹扰乱，如 t50000_g5.5 修复 iter3=552）。修复价值有条件性，需按点评估。
3. **温度物理性（判据修正后）**：修复组合**并非全部不物理**——t60000_g5.5 修复组合温度结构物理（表层 0.85×Teff），只是迭代未收敛；真正不物理的是 t55000 两个点（内部 1e9+ K）和所有 NaN 模型。**所有变体迭代均未收敛到 max_relc<0.001**（末值最低 1.26 / 1.72）。
4. **根因不在加速机制本身**：KANT/ACCEL2 只是雪崩放大器。**根本问题是这些极端点（高 Teff + 低 logg + 极贫 CNO）的 NLTE 迭代难以在有限迭代内收敛**——但温度结构物理的点（如 t60000_g5.5）表明**物理解存在且可达**，只是需要更多迭代或更优参数。
5. **文献对照**：Németh et al. (2013) 用 TLUSTY 204 计算了覆盖 60k/低logg 的 sdB/sdO 网格（11,396 点，95.5% 收敛，收敛标准=结构相对变化 0.1% 即 max_relc<0.001）。**本参数区在文献中是收敛的**——支持"配置/迭代问题而非物理不可能"的判断。
6. **结论修正**：正确表述是：**双禁+收紧 DPSILG 能抑制发散并给出温度物理的候选模型（部分点），但多数极端点在 NITER 内未达 0.001 收敛**。下一步应对温度物理的点（t60000_g5.5、seed_doubleoff）增大 NITER 验证是否最终收敛。
---
## 七、生产落地建议（YAML 层面，零代码，但需配合物理诊断）
已验证 `ChainStep` 有 `iacc` 字段（`config.rs:1148`）、`nst_writer` 写 `IACC=`（`nst_writer.rs:78`），YAML 可配置：
```yaml
seed_chain:
- {label: seed_nc, lte: F, ltgray: F, ilvlin: 0, require_converged: false,
niter: 50, chmax: 0.001, itek: 0, iacc: 0, orelax: 0.3}
- {label: seed_nl, lte: F, ltgray: F, ilvlin: 100, require_converged: true,
niter: 100, chmax: 0.001, itek: 0, iacc: 0, orelax: 0.5}
nst_extra_keys:
- [DPSILG, "1.5"]
```
**但基于 §5.3 的发现，必须同时**：
- **保留 DCTS 的温度结构校验**（`temp_check`：表层 T < 3×Teff、无 NaN）——它正是拦截"非物理伪收敛"的关卡
- **优先走 seed_step**：冷启动在极端点本质困难（§4.2 冷启动 8 变体全失败），生产数据也显示 60k/g5.0 收敛靠 seed_step
- **对仍失败的极端点**：接受其为物理上难收敛区，或探索更深层修复（ND 加密 / TFLOOR 调整 / 频率网格 / 原子数据）
**下一步验证计划**：
- [x] ~~多点评测确认普适性~~（已完成：6 点 9 种变体 19 次完整链，见 §五）
- [x] ~~校验温度结构物理性~~（已完成并修正判据：见 §5.3；温度物理点有 t60000_g5.5 修复组合、seed_doubleoff）
- [ ] 对温度物理但未收敛的点（t60000_g5.5 修复组合、seed_doubleoff）**增大 NITER**（如 200）验证是否最终收敛到 0.001
- [ ] 对真正不物理的点（t55000 两个点）换策略：seed_step + 双禁 + 温度校验
- [ ] 探索 ND=70 / TFLOOR 调整对极端点的影响
- [ ] 通过后作为难收敛区统一配置
---
## 八、测试产物与规范迁移
本实验的完整数据与运行产物已按 `docs/testing_workflow_2026_08_11.md` 规范迁移至：
```
test/20260811_tlusty_divergence/convergence/
├── t60000_g5.0_he-2_cold/
│ ├── baseline/ # inputs+outputs+scripts+README
│ └── itek0_iacc0_dpsilg15/
├── t60000_g5.0_he-2_seed/
│ └── doubleoff_dpsilg15/
└── t55000_g5.0_he-4_cold/
└── itek0_iacc0_dpsilg15/
```
### 原始实验数据（/tmp/cold_test，供追溯）
- 运行脚本：`/tmp/cold_test/run_chain.sh`（冷启动链）、`/tmp/cold_test/run_seed.sh`（seed_nc）、`/tmp/cold_test/prepare.py`（输入生成）
- 数据汇总：`/tmp/cold_test/t60000_summary.json`、`/tmp/cold_test/seed_summary.json`、`/tmp/cold_test/all_points_summary.json`
- 运行目录：`/tmp/cold_test/runs/{点}__{变体}/`（6 点）、`/tmp/cold_test/seedruns/{变体}/`（3 seed 变体）
- 运行日志：`/tmp/cold_test/fill_*.log`（补跑）、`/tmp/cold_test/seed_*.log`（seed_nc）
---
## 九、测试清单（全部 24 次运行，无遗漏）
### 冷启动链（6 点，9 种变体，19 次完整链）
| # | 点 | 变体 | 结果 |
|---|---|---|---|
| 1 | t60000_g5.0_he-2_c-4_n-4_o-4 | baseline | STOP iter19 (1.23e16) |
| 2 | 同上 | trueprod(真生产nl ITEK=4) | NaN=4111 |
| 3 | 同上 | itek0 | STOP iter18 (2.95e16) |
| 4 | 同上 | dpsilg3 | STOP iter14 (7.59e16) |
| 5 | 同上 | itek0_dpsilg3 | STOP iter26 (5.96e17) |
| 6 | 同上 | itek0_dpsilg2_orelax03 | NaN=2707 |
| 7 | 同上 | iacc0 | STOP iter10 (1.72e17) |
| 8 | 同上 | itek0_iacc0 | STOP iter22 (1.16e17) |
| 9 | 同上 | itek0_iacc0_dpsilg15 | NaN=2031 |
| 10 | t50000_g5.0_he-4_c-4_n-4_o-4 | baseline | NaN=3659 |
| 11 | 同上 | itek0_iacc0_dpsilg15 | NaN=3375 |
| 12 | t50000_g5.5_he-4_c-2_n-4_o-4 | baseline | 10步 末3.39e11 NaN=0 |
| 13 | 同上 | itek0_iacc0_dpsilg15 | NaN=3595 |
| 14 | t55000_g5.0_he-4_c-4_n-4_o-4 | baseline | STOP iter17 (1.05e16) |
| 15 | 同上 | itek0_iacc0_dpsilg15 | 58步 末1.26 温度❌(内部6.2e9K) |
| 16 | t55000_g5.5_he-4_c-4_n-4_o-2 | baseline | STOP iter30 (1.49e17) |
| 17 | 同上 | itek0_iacc0_dpsilg15 | 100步 末1.38e8 温度❌(内部1.8e10K) |
| 18 | t60000_g5.5_he-4_c-4_n-4_o-4 | baseline | NaN=3789 |
| 19 | 同上 | itek0_iacc0_dpsilg15 | 26步 末1.72 温度✅(0.85×Teff)未收敛 |
### seed_nc（1 点，3 变体，用生产真实种子）
| # | 点 | 变体 | 结果 |
|---|---|---|---|
| 20 | t60000_g5.0_he-2_c-4_n-4_o-4 | seedprod(生产) | STOP iter14 (1.71e17) ← 精确复现生产 |
| 21 | 同上 | seed_doubleoff | 20步 末4.71e6 温度✅(1.58×Teff)未收敛 |
| 22 | 同上 | seed_doubleoff_dpsilg15 | 20步 末48.6 温度❌(7.89×Teff) |
### 冒烟测试（方法验证）
| # | 内容 | 结果 |
|---|---|---|
| 23 | lte/nc/nl 三阶段调用方式 | 验证通过，fort.7/fort.9 正常生成 |
| 24 | 生产轨迹复现 | seedprod 轨迹与生产 DB 一致 |
docs/tlusty_divergence_root_cause_2026_08_11.md
+507
View File
@@ -0,0 +1,507 @@
# TLUSTY 不收敛根因分析（1105 个网格点）
**日期**：2026-08-11
**数据来源**：`/home/fmq/下载/dcts.db`（server DB 快照）+ `data/salvage/`（8320 次任务尝试的完整产物）
**源码版本**：`tlusty208.f`（50010 行）+ dcts 框架 `crates/{common,node,server}`
**工作流**：`sdB_cno`（grid 共 9216 点，converged 8102 / failed 1105 / pending 9）
> 本文不修改任何代码，只做根因定位与修复建议。修复实施见文末「后续行动」。
---
## ⚠️ 2026-08-12 更新（修复建议已实测证伪，配置改动已回退）
本文 §3.1 A1/A6 与「后续行动」中推荐的**数值配置类修复**（收紧 DPSILG、禁用
Kantorovich/ITEK、禁 Ng/IACC）已经用控制实验实测验证：**均无法让失败点从冷启动
收敛**，相关配置改动已全部回退。详见 `docs/cold_start_fix_2026_08_12.md`。
实测结论（6 个测试点 × 4 种配置 = 24 次运行，**0 次收敛**）：
- `ITEK=0` → nitzer=0 冻结 populations（`tlusty208.f:1937`），不是禁 Kantorovich；
- `IACC=0` → 被 clamp 回 7（`tlusty208.f:1928`），空操作；
- 设 `ITEK/IACC > NITER`（真正禁用 Kant+Ng）→ 发散幅度降 1e12~1e14×，但仍不收敛
（末 relc 1e3~1e7），Newton 在 grey LTE 起点即处于收敛域外；
- `DPSILG=1.5` 有害（截断步长致漂移）。
**因此本文方向性结论（物理吸引域窄 + 框架无自适应）成立，但可行的修复不在
数值配置，而在「连续法（从已收敛较低 Teff 模型逐步过渡）」与「He 匹配种子选择」
等框架级改造。** 相关计算文件见 `docs/cold_start_fix_2026_08_12.md`。
---
## 一、结论先行
1105 个失败网格点全部走完了 `cold_run → seed_step` 的完整退化路径，**两种策略都失败**。这**不是**种子选择问题，**不是**单纯的初值问题，而是两个因素叠加：
1. **物理侧**——TLUSTY 的 Newton 完全线性化求解器在「高 Teff + 低 logg」参数角落的吸引域过窄，辐射场对布居数极度敏感；
2. **工程侧**——dcts 框架缺少发散检测与自适应阻尼反馈，单阶段发散后无回退，只能靠 NITER 自然耗尽再整点重试。
失败点本身**并非不可解**——同族参数下大量点是收敛的（T=60k/g=5.0 仍有 78/256 收敛），失败的只是收敛盆地最窄的那一批。
---
## 二、数据证据链
### 2.1 退化序列（DB `tasks` 历史，1105/1105 全部命中）
```
["cold_run"] → ["cold_run","seed_step"] → ["seed_step"] → ["cold_run","seed_step"] → ["seed_step"] ...
```
每个失败点重试均值 **6.9 次**（`grid_points.attempt_count` 分布：5 次=199，6 次=135，7 次=462，8 次=275，9-13 次=33），在两种策略间反复跳。最新任务全部停在 `failed_stage=tlusty`、`tlusty_strategies=["seed_step"]`。
### 2.2 失败点的参数分布（物理一致）
| Teff | 失败数 | | logg | 失败数 | | loghe | 失败数 |
|---|---|---|---|---|---|---|---|
| 60k | 344 | | 5.0 | 587 (53%) | | -4.0 | 345 |
| 55k | 330 | | 5.5 | 285 | | -2.0 | 337 |
| 50k | 204 | | 6.0 | 118 | | 0.0 | 274 |
| 45k | 84 | | 6.5 | 115 | | 2.0 | 149 |
| ≤40k | 143 | | | | | | |
**高 Teff + 低 logg** 高度集中（≥50k 占 878/1105 ≈ 79%；logg=5.0 占 53%）。
**Teff × logg 收敛率矩阵**（节选，完整矩阵见 §6 附录）：
```
g=5.0 g=5.5 g=6.0 g=6.5
T=20k 249/256 242/256 238/256 210/256
T=40k 233/256 252/256 253/256 256/256
T=50k 119/256 224/256 233/256 244/256
T=55k 78/256 156/256 227/256 231/256
T=60k 78/256 152/256 222/256 228/256
```
**关键**：没有任何格子是 0% 收敛——所以这是"难"，不是"不可能"。难度梯度清晰：随 Teff 升高收敛率下降，随 logg 升高收敛率上升。
### 2.3 失败阶段分布（按 salvage 最后一次尝试）
| 首失败阶段 | 占比 | 失败特征 |
|---|---|---|
| `seed_nc`（seed_step 第一阶段） | 1033/1105 (93%) | max_relc 单调雪崩 |
| `nc`（cold_run 第二阶段） | 72/1105 | max_relc 单调雪崩 |
| `lte` | 0 | —— |
**两种策略的死亡轨迹几乎相同**——max_relc 在 5 步内从个位数飙到 1e6+。典型例：
```
cold_run nc (T=60k g=5.0):
[9.72, 46.5, 259, 1950, 4.85e6, 2.6e10, 2.8e4, 4.04e7, 2.06e11, 2.32e15]
seed_step seed_nc (T=60k g=5.0, 从收敛邻居热启动):
[7.0, 115, 272, 2020, 1.49e8, 8.26e13, 3310, 2.09e7, 7.53e10, 4.71e14, ...]
```
> 注：salvage 中只保留了 282 个点的 cold_run 中间产物（节点在重试时会清理中间态），但 **282/282 全部死在 `nc` 阶段**，且 max_relc 雪崩轨迹与 seed_nc 一致。
最后一次尝试的失效特征分两档（按 `atmosphere_has_nan` 拆分）：
| 失效特征 | 点数 / 1105 | 说明 |
|---|---|---|
| `atmosphere_has_nan: true` | **434 (39%)** | 雪崩污染了大气文件；伴随 `temp_check.error: 深度 1 T=NaNK`、`emflux NaN 占比 100%`、`bfac 极端值占比 36%`、`.err: IEEE_INVALID_FLAG IEEE_DIVIDE_BY_ZERO` |
| `atmosphere_has_nan: false` | **671 (61%)** | max_relc 雪崩但大气未污染到 NaN；被 `temp_check`（表层 T 超过 3×Teff）、`bfac_check`（极端值占比 >10%）、`emflux_check`（积分通量偏离 σT⁴）等后验校验判废，或 nl 阶段才崩 |
> ⚠️ **修订说明**：初版误把 "atmosphere_has_nan=1033/1105" 写入报告——1033 实为 "首失败阶段=seed_nc 的点数"，与 NaN 计数无关。真实 NaN 仅 434/1105。雪崩到 1e6+ 未必把 `fort.7` 写成 NaN（取决于 TLUSTY 是撞 1e16 STOP 还是跑完 NITER），故多数失败点的大气文件本身可读，是被后验校验（温度结构/b 因子/emflux）挡下的。
### 2.4 种子选择不是唯一根因（但不能完全排除）
1105 个失败点的 seed_step 配对 **全部来自 exact_family**（`d_teff<5000 & d_logg<0.01 & d_loghe<0.01`），且 **662 个是贫方向**（seed_finder 设计的稳定方向）：
```
seed direction: poor=662, rich=373, same=70
d_teff 分布: <5k(exact)=1105, 其余=0
d_logg 分布: 0(same)=1105, 其余=0
```
> ⚠️ **校正**：初版标题"种子不是问题（关键反证）"措辞过强。准确结论是**种子选择不是唯一根因，但不能排除它是贡献因素之一**：
> 1. **"exact_family" 不等于物理极近**：判定允许 `ΔTeff < 5000K`（半步容忍）。sdB 网格 Teff 步长 10000K 时，55k↔60k 相邻档互作种子的辐射场（Lyman 紫外主导）差异可能很大——"exact_family" 标签覆盖了 Teff 仍可差一整档的事实。
> 2. **443 个 rich/same 方向失败**（373 rich + 70 same）：seed_finder 自身的回测数据（`seed_finder.rs:14-25`）称富方向成功率仅 3-11%，贫方向 42-54%。这部分失败可能部分源于种子方向不佳。
> 3. **种子质量未审**：失败点用的种子虽来自收敛邻居，但该邻居是在多少迭代数、多干净的 max_relc 下收敛的（擦边收敛 vs 干净收敛），本报告未分析。
>
> 综上，"662 贫方向仍爆"只能说明"贫方向种子不足以保证收敛"，**不能**推出"种子方向无关"。种子方向的影响需在 §五 A/B 测试中单独控制变量验证。
### 2.5 seed_step 在同区域能成功（说明非不可解，但未排除混淆变量）
高 Teff 危险区里 seed_step 仍有大量成功：
```
T=50k g=5.0: 119 conv (cold=51, seed=68)
T=50k g=5.5: 224 conv (cold=87, seed=137)
T=55k g=5.0: 78 conv (cold=53, seed=25)
T=60k g=5.0: 78 conv (cold=40, seed=38)
```
成功路径的 conv.json 显示 `seed_nc` 即使 `converged=false` 也可用（`note: "accepted as seed (convergence not required)"`），关键是后续 `nl` 能否从不完全收敛的种子收敛到 `max_relc < 1e-4`。失败点中 434/1105 的 `nl` 产出 NaN 大气，其余 671 点被后验校验挡下。
> ⚠️ **校正**：初版据"同格有成功"推出"非不可解"，逻辑成立——同参数区不是数学上不可解。但**未排除混淆变量**：成功的 78 个点（T=60k/g=5.0）与失败的 178 个点用的种子来源/方向可能系统性不同。尤其 cold=40 成功（从 LTE 灰化初值也能收敛一部分）反而暗示**初值/种子的微小差异决定成败**——这更像"吸引域窄 + 初值敏感"，而非单纯的"求解器稳定性"。本节只能支撑"非数学不可解"，不能支撑"种子/初值无关"。
---
## 三、源码级根因
### 3.1 TLUSTY 侧（`tlusty208.f`）
#### A1. `DPSILG=10.` 的限幅太松 — `tlusty208.f:14652-14653`
```fortran
IF(CHAN.LE.UN/DPSILG-UN) CHAN=UN/DPSILG-UN ! 下限 = 1/10 - 1 = -0.9
IF(CHAN.GE.DPSILG-UN) CHAN=DPSILG-UN ! 上限 = 10 - 1 = +9.0
```
默认 `DPSILG=10.`（PVALUE 表 idx 185，`tlusty208.f:1793`），允许单步相对修正达 **10 倍**。
> ⚠️ **重要校正**：DPSILG 这个宽松限幅（±10×）**主要作用于辐射场（`I ≤ NFREQE`）和布居数块（`I ≥ NFREQE+INSE`）**。紧随其后 `tlusty208.f:14654-14677` 有一组**逐变量更严格的限幅**，按 `INRE/INHE/INPC/INDL` 偏移把对应槽位钳到更窄：
> - **温度 T**（`I = NFREQE+INRE`）：受 `DPSILT=1.25` 钳制 → 单步上限仅 **±25%**
> - **总粒子数 TOTN**（`I = NFREQE+INHE`）、**电子密度 ne**（`I = NFREQE+INPC`）：受 `DPSILN=10.` 钳制 → ±10×（与 DPSILG 同级，宽松）
> - **Δ（湍流相关，`I = NFREQE+INDL`）：受 `DPSILD=1.25` → ±25%**
所以"高 Teff 下结构量步长放大 10 倍必爆"这一表述**对温度不成立**（温度有 ±25% 独立约束）。真正受 10× 宽松限幅影响的是**辐射场**与**布居数/TOTN/ne**。雪暴主因更可能是辐射场与布居的耦合放大，而非温度跳变。
#### A2. 首步发散无 STOP 保护 — `tlusty208.f:14700`
```fortran
IF(ITER.NE.1 .AND. ABS(CHMX).GT.1.D16) THEN
WRITE(6,610) ITER,CHMX
STOP
END IF
```
只在 `ITER≥2` 才检查 1e16 雪崩 STOP。**首步（ITER=1）即使 CHMX 巨大也不触发 STOP**——后续迭代在已被污染的解上继续算，直到某步偶然撞上 1e16 才停。
> ⚠️ **校正**：初版称"第 1 步任意大都继续跑"措辞过强。首步的 CHAN 仍受 A1 限幅钳制（辐射/布居 ±[-0.9,+9]，温度 ±25%），**并非"无限幅"**；首步只是**无 STOP**。真正的风险是：限幅允许的 +9×（辐射/布居）在多深度多变量上叠加，几步内放大成 Inf/NaN——这与 §2.3 观测的雪崩量级一致。
> 另：同样的 STOP 逻辑在 SOLVES（`tlusty208.f:15047`）和 RYBSOL（`tlusty208.f:47587`）另两条求解路径各有一份。
#### A3. `ORELAX` 只阻尼布居数，不阻尼辐射场与温度等结构量 — `tlusty208.f:14647`
```fortran
C over-relaxation
IF(I.GE.NFREQE+INSE) CHAN=ORELAX*CHAN
```
> ⚠️ **重大校正**：初版把 PSI 向量布局写反了。经核对 `tlusty208.f:3910-3936`（PSY0 各槽位赋值）与 `tlusty208.f:795-797`（INRE/INPC/INSE 偏移量定义：INDL=3, INPC=4, INSE=5），正确布局是：
```
[1 .. NFREQE] = 辐射场（RADEX 平均强度 Jν） → 不被 ORELAX 松弛
[NFREQE+INHE] = [NFREQE+1] = 总粒子数 TOTN → 不被 ORELAX 松弛
[NFREQE+INRE] = [NFREQE+2] = 温度 T → 不被 ORELAX 松弛
[NFREQE+INPC] = [NFREQE+4] = 电子密度 ne → 不被 ORELAX 松弛
[NFREQE+INSE] = [NFREQE+5] = 布居数 superlevels 块的起点 → ORELAX 生效（I ≥ NFREQE+INSE）
```
**结论**：`ORELAX` 松弛的是 **布居数（populations）**，**不是**温度/ne/TOTN 等结构量。初版把"布居"与"结构量"的松弛关系完全对调了。
这对结论的影响：
- 框架给 seed_nc 设的 `ORELAX=0.3` **确实会作用到布居数**（初版说"对结构量、对辐射场不生效"是错的——准确说是"对布居生效，对辐射场与温度/ne 不生效"）。
- **真正欠松弛缺失的是辐射场 Jν**——高 Teff 下辐射场最敏感、最需要欠松弛，而它既不受 ORELAX 保护、又只受 A1 的 ±10× 宽松限幅。这一论断方向不变，但论证链条已修正。
#### A4. `CHMAX` 只判终值 — `tlusty208.f:14728`
```fortran
LFIN=ABS(CHMX).LE.CHMAX .OR. ITER.GE.NITER
```
`CHMAX=1e-3`（默认，PVALUE idx 77，`tlusty208.f:1767`）是"最后一次迭代最大修正"的终值门槛。**CHMAX 本身对过程无约束**——但它不是唯一的过程机制，见 A5/A6。
#### A5. ⚠️ 初版遗漏：CHMAXT 驱动的过程反馈 — `tlusty208.f:14711, 22954-22958`
初版称"过程爆掉只能靠 NITER 自然耗尽"是**夸大**。源码中存在由 `CHMAXT`（默认 0.01，PVALUE idx 80，`tlusty208.f:1767`）驱动的两层过程反馈：
```fortran
C tlusty208.f:14711 — 温度变化大时重置铁线截面
if(chmt.gt.chmaxt .and. ispodf.ge.1) LIROST=.TRUE.
if(LITEK.and.LIROST) then
call iroset
LIROST=.FALSE.
end if
C tlusty208.f:22954-22958 — 温度变化小时锁定 Ng 加速节奏
if(chmt.lt.chmaxt) then
do itl=iter,niter+1
nitlam(itl)=nlamt
end do
end if
```
这是针对**温度变化**（CHMT）的自适应机制。但它**不直接约束辐射场与布居的耦合发散**——而这恰恰是失败点雪暴的主区。所以 A5 的存在削弱了"过程完全无约束"的措辞，但不改变"雪暴主因缺乏针对性干预"的结论。
#### A6. ⚠️ 初版遗漏：ITEK / Kantorovich 加速切换 — `tlusty208.f:843-856`
默认 `ITEK=4`（PVALUE idx 130，`tlusty208.f:1779`）。源码：
```fortran
IF(ITEK.GT.0) THEN
DO IKT=ITEK+1,NITER
KANT(IKT)=1 ! iter≥5 切到 Kantorovich 加速
END DO
DO IKT=IACC,18,IACD
KANT(IKT)=0 ! 但 Ng 重启点(IACC=7,18,IACD=4) 回到完全线性化
END DO
```
即 **iter≥5 切换到 Kantorovich 加速迭代**（更便宜的近似，少算矩阵元）。初版把 ITEK 标为"失败相关性：低"是**无依据的臆断**——雪暴轨迹（如 §2.3 的 `[9.72, 46.5, 259, 1950, 4.85e6, ...]`）第 5 步开始爆，与 Kantorovich 切换点（iter≥5）**时间上重合**。这是一个**尚未排查的嫌疑诱因**：Kantorovich 在发散区可能因近似失真加剧不稳定。**降 DPSILG（修复优先级 3）若救回率不如预期，应优先排查 ITEK。**
### 3.2 框架侧（`crates/common/src/runner.rs` / `crates/node/src/executor.rs`）
#### B1. 无链内重试，无自适应阻尼
`default_seed_chain` / `default_cold_chain`（`runner.rs:20-98`）一旦构造完成参数就是死的。`conv_check::check_fort9`（`conv_check.rs:204-217`）判完发散后，`runner.rs:564-570` 只在 `require_converged=true` 时 `break`，否则继续——**没有任何"发现 max_relc 超过阈值就降低 DPSILG / 加大 ORELAX / 重跑一次"的反馈机制**。
#### B2. `seed_nc` 的 `require_converged=false` 反而帮了倒忙
`default_seed_chain` 第一阶段设 `require_converged=false`（"接受非收敛种子"），本意是"给 nl 一个起点就行"。`runner.rs:518-521` 在 `rc==0 && fort7.is_file()` 分支**无条件**把本阶段 `fort.7` 拷成下一阶段的 `current_seed`——**stage 间种子传递路径上没有 `atmosphere_has_nan` 检查**。
> ⚠️ **校正**：初版称"雪崩后仍然把含 NaN 的 fort.7 喂给 nl"措辞过死。是否真的传 NaN 取决于 TLUSTY 的退出方式：
> - 若雪崩撞上 1e16 STOP（A2）→ rc≠0 → 走 `runner.rs:522-531` else 分支，**不拷** fort.7；
> - 若跑完 NITER 自然结束（rc=0）但 `fort.7` 已含 NaN → **会拷**给 nl，nl 自然也爆。
>
> §2.3 实测 434/1105 真有 NaN 大气——这部分点确属此路径。其余 671 点是雪崩但大气可读，被后验校验挡下。两档都要修。
#### B3. `CHMAX=None` 让 TLUSTY 走默认，但没把更保守的 `DPSILG`/`ORELAX` 一起传
所有默认阶段 `chmax=None`（`runner.rs:20-98`），runner 用 Rust 侧 `eff_chmax=0.001`（`runner.rs:443`）做**后验**判断，但这个值**不传给 TLUSTY**。结果 TLUSTY 用默认 `DPSILG=10.` + `ORELAX=1.0`（冷链）/ `0.3`（种子链，作用于布居）跑，过程约束针对辐射场的几乎为零（见 A3 校正后的作用域）。
`ChainStep` 结构体（`config.rs:1130-1150`）字段为 `label/lte/ltgray/ilvlin/require_converged/niter/chmax/itek/ichang/idlte/iacc/orelax`，**没有** `dpsilg` 字段。要分阶段注入 DPSILG 需新增字段（走 `nst_writer` line1），或通过 YAML `tlusty_input.nst_extra_keys` 逃生舱（`nst_writer.rs:138-161` 支持，对当前阶段生效）。
#### B4. 整点重试无参数扰动
策略 fallback（`scheduler.rs::trigger_strategy_fallback`）只在 `["cold_run"]` 与 `["seed_step"]` 之间切换，重试任务的 `tlusty_chain_params`/`seed_chain_params` 是工作流 YAML 的**逐字克隆**（`scheduler.rs:1065-1066`）——**TLUSTY 数值参数零扰动**。
> ⚠️ **校正**：初版"每次重跑参数完全一致（除了种子来源）"自相矛盾——种子来源恰恰是初值的一部分。准确表述：**同一策略内的重试是确定性白跑**（相同初值+参数必爆）；**跨策略切换时换了初值**（cold_run 无种子 LTE 灰化初值 → seed_step 用近邻收敛种子），但 TLUSTY 数值参数始终不变。所以"重试均值 6.9 次"中只有跨策略切换那几次换了实质初值，同策略内确属白跑。
### 3.3 未排除的替代根因（诚实声明）
> 本节是审查后新增。初版把 DPSILG/ORELAX/CHMAX 这些**机制描述**当作根因，但严格地说这是**充分性论证，不是必要性论证**。即便 A1-A6 全为真，也不能排除主要根因在以下未被充分审视的环节。这些替代假说需在 §五 A/B 测试中逐一排除或确认。
| 替代假说 | 依据 | 排查方法 |
|---|---|---|
| **TFLOOR=8000K 在高 Teff 下不合理** | `config.rs:815` 默认 8000。Teff=60k 大气表层物理温度 ~30-90k，TFLOOR=8000K 离表层不远；若发散把温度推向 TFLOOR，钳制本身可能破坏 H 电离平衡（8000K 附近 H 电离度突变） | 对失败点试 TFLOOR=30000/40000，看救回率 |
| **ND=50 在高 Teff+低 logg 下分辨率不足** | `config.rs:758` 框架覆盖为 50（TLUSTY 默认 70，config 自承）。高 Teff+低 logg 表层温度梯度陡峭，ND=50 可能欠分辨表层 → 数值发散 | 对失败点试 ND=70/100 |
| **DDNU=50/CNU1=6 频率网格在高 Teff 不足** | `config.rs:769-776` 框架 DDNU=50（TLUSTY 原始 0.75）、CNU1=6（原始 4.5）。60k 大气 Lyman 极端紫外主导，此"sdB 调优"频率网格可能采样不足 → 辐射场离散误差大 | 对失败点试更密的频率网格 |
| **特定离子原子数据 bug** | `config.rs` ions 表用 C III `c3_34+12lev.dat`、N II `n2_32+10lev.dat` 等组合能级文件；某高 Teff 主导离子的能级数据若有误，会导致该离子布居发散 | 对失败点逐离子禁用排查 |
| **LTE 阶段未干净通过** | 失败点 salvage 的 `.err` 含 `IEEE_DIVIDE_BY_ZERO`；若某深度 LTE 灰化初值的 ne 近零导致除零，可能**先于** NLTE 雪崩 | 检查失败点的 `.lte.err`/`.lte.6` 是否干净 |
| **输入文件渲染 bug** | `gen_input5.rs` 渲染丰度 `10^logx`，logc=-4 等极端值时未验证字节级正确 | 抽查失败点的 `.5` 文件丰度数值 |
**优先级**：前三个（TFLOOR/ND/DDNU）与"A1-A6 机制"正交，是独立的数值配置假说，应在方案 A 的 A/B 测试中顺带排除。若方案 A（降 DPSILG）救回率远低于 30%，应立即转向这些替代假说。
---
## 四、修复建议（按性价比排序）
### 优先级 1：自适应发散检测 + 阻尼回退（框架侧，治本）
在 `runner.rs` 的 stage 循环里加一层 **"单阶段内 iftek 监控 + 回退重跑"**：
1. 用 `tokio` 异步跟踪 `fort.9` 增长，每完成 1-2 次迭代解析一次 `max_relc`；
2. 若前 3 步 `max_relc` 单调上升且超过阈值（如 1e2），**SIGTERM 当前子进程**；
3. 用更保守的参数（`DPSILG` 减半、`ORELAX` 减半）重跑该阶段；
4. 最多回退 2-3 次，每次更保守。
这是最直接的对症方案——雪崩在前 3 步就能看出来，没必要跑到 NITER。
**实现成本**：中-高。需要在 `ChainStep` 加 `dpsilg`/`adaptive` 字段，runner 加监控+回退逻辑。初版估的 "~300 行 Rust" 偏低——实时跟踪 fort.9 增长（TLUSTY 边写边追加，需处理部分写入）+ SIGTERM 子进程后正确 reap + 清理中间文件 + 回退状态机，工程量更大，预估 400-600 行。
### 优先级 2：给辐射场与温度/ne 加欠松弛（TLUSTY 源码侧，治本但要改二进制）
> ⚠️ **校正**：初版给的代码是**替换**原逻辑（`I.GE.` → `I.LT.`），会**移除**原布居松弛——这反而让布居失去保护。正确改法是**新增一行**，且 `ORELAXR` 在源码中本不存在。
**正确改法**（`tlusty208.f:14647`，SOLVE 与 SOLVES `14996` 两处都要改）：
```fortran
C 现状：只有布居(I≥NFREQE+INSE)被 ORELAX 松弛
IF(I.GE.NFREQE+INSE) CHAN=ORELAX*CHAN
C 新增：辐射场(I≤NFREQE)与结构量(NFREQE+1..NFREQE+INSE-1，即 T/TOTN/ne/ZD/DENS/DELTA)
C 按 ORELAXR 松弛（默认 1.0=不生效，难收敛区配 0.3-0.5）
IF(I.LT.NFREQE+INSE) CHAN=ORELAXR*CHAN
```
物理论据（修正后）：辐射场 Jν 与温度/ne 在高 Teff 下最敏感、却都不被 ORELAX 松弛（A3 校正后）。给它们加欠松弛是物理上最对症的修复。
**注意**：
1. **不是"改 2 行 + 重编"**。`ORELAXR` 在 `tlusty208.f` 中完全不存在——需扩 VARNAM/PVALUE 两个 DATA 数组各加一项、加 nst 关键字解析、加 PVALUE 默认值（建议 1.D0 不变，仅难收敛阶段通过 nst 覆盖为 0.3-0.5）。工程量约 30-50 行 Fortran + 重编 + 更新 `assets/tlusty_static`。
2. **与 NLAMBD（λ-迭代）的交互未验证**：辐射场在每个深度通过 NLAMBD 机制单独更新，给 Jν 加欠松弛可能与该机制冲突，需小规模测试验证。
3. 触及二进制，需走完整发布流程。
### 优先级 3：动态降低 DPSILG（框架侧，立即可做，无侵入）
在 `ChainStep` 加可选字段 `dpsilg: Option<f64>`，通过 `nst_extra_keys` 注入。给种子链和难收敛区（Teff ≥ 50k & logg ≤ 5.5）设 `DPSILG=3.` 或 `DPSILG=2.`（对应单步上限 ±2 倍 / ±1 倍）。收敛性会显著改善。
代价：迭代步数变多，但比爆掉重试 7-9 次便宜得多。
**实现成本**：低。~50 行 Rust + YAML 配置。**可立即上线**。
### 优先级 4：seed_nc 发散时拒绝喂给 nl（框架侧，止损）
`runner.rs` 里，当 seed_nc 的 `atmosphere_has_nan` 或 `best_max_relc > 1e3` 时，**不要**把它的 `fort.7` 当作 nl 的种子；要么直接判失败触发下一策略，要么回退用原 `seed_atmos`（邻居的干净种子）重新喂 nl。
**实现成本**：极低。~20 行 Rust。
### 优先级 5：首步发散保护（TLUSTY 源码侧）
`tlusty208.f:14700`（SOLVE）/ `15047`（SOLVES）/ `47587`（RYBSOL）三处把 `ITER.NE.1` 改为允许首步也检查（用更宽松的阈值，如 1e8），防止首步就冲出吸引域：
```fortran
C 改前
IF(ITER.NE.1 .AND. ABS(CHMX).GT.1.D16) THEN ... STOP
C 改后
IF(ITER.EQ.1 .AND. ABS(CHMX).GT.1.D8) THEN ... STOP
IF(ITER.GT.1 .AND. ABS(CHMX).GT.1.D16) THEN ... STOP
```
**实现成本**：极低（改 2 行 + 重编）。
---
## 五、验证路径
用 **30 个失败点**做 A/B 测试（覆盖 60k/55k/50k × g5.0/5.5，每格 5 点）：
| 方案 | 配置 | 预期救回率（假设性估计） |
|---|---|---|
| 基线 | 当前配置重跑 | 0%（可复现） |
| 方案 A | 优先级 3（DPSILG=3）+ 优先级 4（NaN 拒绝） | 30-50% |
| 方案 B | 方案 A + 优先级 1（自适应回退） | 70-85% |
| 方案 C | 方案 B + 优先级 2/5（改 TLUSTY 源码） | 90%+ |
> ⚠️ **校正**：初版无标注地把上述救回率当作事实呈现。这些百分比是**无数据支撑的先验猜测**，仅用于排列方案的优先级顺序，不代表实测预期。尤其"方案 C 90%+"与"吸引域窄"的论断存在张力——吸引域窄意味着即便阻尼到位，某些初值仍落吸引域外。**方案 A 的实测救回率是最关键的诊断信号**：若远低于 30%，说明 DPSILG 不是主因，应转向排查 ITEK/Kantorovich（A6）或 §3.3 列出的替代根因。
**建议**：先实施方案 A 验证假设（DPSILG 是否真是主因），用实测数据说话，再决定是否值得改 TLUSTY 源码走方案 C。
---
## 六、附录
### 6.1 完整 Teff × logg 收敛率矩阵
```
logg-> g=5.0 g=5.5 g=6.0 g=6.5
T=20k 249/256 242/256 238/256 210/256
T=25k 251/256 254/256 256/256 253/256
T=30k 252/256 255/256 254/256 256/256
T=35k 244/256 252/256 256/256 256/256
T=40k 233/256 252/256 253/256 256/256
T=45k 207/256 230/256 247/256 254/256
T=50k 119/256 224/256 233/256 244/256
T=55k 78/256 156/256 227/256 231/256
T=60k 78/256 152/256 222/256 228/256
```
### 6.2 TLUSTY 关键变量默认值（PVALUE 表，`tlusty208.f:1750-1804`）
> 行号为 PVALUE DATA 块内每个值实际所在行（经 VARNAM/PVALUE 平行映射逐项核对，idx 从 1 起）。
| 变量 | 默认值 | PVALUE 行号 | 含义 | 失败相关性 |
|---|---|---|---|---|
| `CHMAX` | `1.D-3` | 1767 (idx77) | 收敛门槛（终值） | 低（只判终值） |
| `DPSILG` | `10.` | **1793** (idx185) | 单步相对修正上限（辐射场+布居） | **高**（辐射场/布居 10 倍太松） |
| `DPSILT` | `1.25` | 1793 (idx186) | **温度**单步上限（±25%） | 低（温度有独立严约束） |
| `DPSILN` | `10.` | 1793 (idx187) | TOTN/ne 单步上限 | 中 |
| `DPSILD` | `1.25` | 1793 (idx188) | Δ（湍流）单步上限 | 低 |
| `CHMAXT` | `0.01` | 1767 (idx80) | 温度变化过程反馈阈值 | 中（A5 机制，未针对辐射场） |
| `ORELAX` | `1.D0` | 1779 (idx131) | **布居数**过松弛因子 | 中（框架覆盖为 0.3/0.5，作用于布居） |
| `NITER` | `30` | 1763 (idx64) | 最大迭代数 | 低 |
| `ITEK` | `4` | 1779 (idx130) | Kantorovich 加速起始 iter | **待排查**（iter≥5 切换，与雪暴起点重合，见 A6） |
| `TFLOOR` | `8000.` | 1787 (idx160) | 温度下限 | 待排查（见 §3.3） |
| `ICHANG` | `0` | 1766 (idx83) | 是否走 CHANGE（热启动） | 低 |
| `ND` | `50`(框架覆盖) | 默认70(idx67) | 深度网格点数 | 待排查（见 §3.3） |
> ⚠️ **校正**：初版把 DPSILG 行号写成 1786（实际是 POPZCH 区段的 '0.','0.'，与 DPSILG 无关），且 §6.2 范围写 `1750-1806`（实际 PVALUE 结束于 1804，1806 是 BLNK DATA）。初版还漏列 CHMAXT、DPSILD、ND，把 ITEK 标为"失败相关性：低"（无依据，已改"待排查"），把 DPSILG 含义写"结构量"（实际主要约束辐射场+布居，温度有独立 DPSILT），把 ORELAX 含义写"结构量过松弛因子"（实际是布居）。
### 6.3 失败点失败阶段与 max_relc 量级分布（最后一次尝试）
```
首失败阶段: seed_nc=1033 nc=72
末步 max_relc: >1e6=982 1e4-1e6=25 1k-1e4=15 100-1k=12 10-100=14 (1,10]=5 <1=35
另有 17 点 itek_history 为空（首失败阶段无迭代轨迹）
迭代次数分布峰值: 10 iters(327) / 20 iters(143) / 6 iters(159) — 全部撞到 NITER 上限
atmosphere_has_nan: True=434 (39%) / False=671 (61%)
```
> ⚠️ **校正**：初版末步 max_relc 行漏列 (1,10] 区间 5 点 + 17 点空 history，导致加总 1083 与首失败阶段 1105 不闭合。补齐后可分类 1088 + 空 history 17 = 1105。
### 6.4 种子方向
```
poor(目标比种子贫，稳定方向) = 662
rich(目标比种子富，不稳定方向) = 373
same(同 CNO) = 70
```
seed_finder 的非对称距离（`seed_finder.rs:29-43`，RICH_PENALTY=4 vs POOR_PENALTY=1）使 60% 失败点拿到了贫方向种子。
> ⚠️ **校正**：初版称"seed_finder 已尽力……说明问题不在种子方向"措辞过强。更准确的表述：**种子选择不是唯一根因，但不能排除它是贡献因素之一**。理由：(1) "exact_family" 判定允许 ΔTeff < 5000K（半步容忍），sdB 网格步长 10000K 时 55k↔60k 相邻档互作种子辐射场差异仍可能很大，"物理极近"标签不能完全等同于 NLTE 状态空间近邻；(2) 443 个 rich/same 方向失败（seed_finder 自身的回测数据称富方向成功率仅 3-11%）可能部分源于种子方向。种子方向的影响需在 §五 A/B 测试中单独控制变量验证。
### 6.5 分析脚本
本次分析所用脚本临时存于 `/tmp/`（未入库）：
- `analyze_salvage.py` / `analyze2.py` — salvage 池全量分类
- `dbfail.py` — DB 失败点分布
- `correlate.py` — DB 失败点 × salvage 最后一次尝试关联
- `seq.py` — 策略退化序列验证
- `cold_mode.py` — cold_run 失败模式
- `seed_check.py` — 种子距离/方向分析
- `success_region.py` — Teff×logg 成功率矩阵
- `parse_defaults.py` — TLUSTY PVALUE 默认值映射
---
## 七、后续行动
- [ ] 决定走方案 A / B / C 中的哪个
- [ ] 若方案 A：实现 `ChainStep.dpsilg` 字段 + YAML 配置（优先级 3）
- [ ] 若方案 A：实现 seed_nc NaN 拒绝逻辑（优先级 4）
- [ ] 30 点 A/B 测试验证
- [ ] A/B 测试中顺带排查 §3.3 替代根因（TFLOOR/ND/DDNU/原子数据/LTE 干净度）
- [ ] 若方案 A 救回率远低于 30%：转向排查 ITEK/Kantorovich（A6）或 §3.3 替代根因
- [ ] 若数据支持：实施优先级 1（自适应回退）
- [ ] 若需根治：改 `tlusty208.f` 源码 + 重编（优先级 2/5）
---
## 八、修订审计记录（2026-08-11）
初版报告完成后，作者调用三个独立 subagent 分别审查「数据论断 / TLUSTY 源码 / 框架源码与结论合理性」，作者对最关键的两条（A3 作用域、NaN 计数）亲自复核确认属实，随后按审查意见修订全文。本节记录所有修订，保留可追溯性。
### 8.1 已修正的错误
| # | 位置 | 初版错误 | 修订内容 | 严重度 |
|---|---|---|---|---|
| 1 | §2.3 | `atmosphere_has_nan: true (1033/1105)` —— 实为 434/1105（1033 是 seed_nc 首失败点数，被误当 NaN 计数） | 改为 434/1105，并按 NaN 拆分两档失效特征 | 🔴严重 |
| 2 | §3.1 A3 | PSI 布局标签张冠李戴："结构量被 ORELAX 松弛、布居不被松弛" —— 实际相反（ORELAX 松弛布居，结构量不被松弛） | 重写 A3，按 `tlusty208.f:3910-3936` 与 `795-797` 给出正确布局 | 🔴严重 |
| 3 | §四 优先级 2 | ORELAXR 改法是**替换**原 `I.GE.` 为 `I.LT.`，会移除布居松弛；且 ORELAXR 在源码不存在 | 改为**新增一行**并存；标注需扩 VARNAM/PVALUE 数组，非"改 2 行" | 🔴严重 |
| 4 | §3.1 A1 | 暗示"DPSILG=10 适用于所有结构量" —— 温度实际受更严的 DPSILT(1.25) 钳到 ±25% | 补 DPSILT/DPSILN/DPSILD 按变量限幅说明 | 🟡中 |
| 5 | §3.1 A2 | 行号 14710（实为 14700，14710 是铁线 LITEK 逻辑）；"第 1 步任意大"过强 | 行号改 14700；措辞改为"首步无 STOP，但仍受 A1 限幅钳制" | 🟡中 |
| 6 | §3.1 | 遗漏 CHMAXT（默认 0.01）的过程反馈机制（`14711`、`22954-22958`） | 新增 A5 | 🟡中 |
| 7 | §3.1 / §6.2 | 遗漏 ITEK/Kantorovich（默认 4，iter≥5 切换）；雪暴起点与之重合却标"失败相关性：低" | 新增 A6；ITEK 改标"待排查" | 🟡中 |
| 8 | §3.2 B2 | "雪崩后仍然把含 NaN 的 fort.7 喂给 nl"未区分 rc=0/rc≠0 | 区分两种 TLUSTY 退出路径 | 🟡中 |
| 9 | §3.2 B3 | "ORELAX=0.3 只对结构量"（依 A3 旧错误） | 改为"作用于布居" | 🟡中 |
| 10 | §3.2 B4 | "每次重跑参数完全一致（除了种子来源）"自相矛盾 | 区分同策略白跑 vs 跨策略换初值 | 🟡中 |
| 11 | §2.4 | "种子不是问题（关键反证）"过强；exact_family 允许 ΔTeff 5000K | 标题与结论改为"不是唯一根因，但不能排除贡献因素" | 🟡中 |
| 12 | §2.5 | 未排除成功/失败点的种子来源混淆变量 | 补充混淆变量说明 | 🟡中 |
| 13 | §6.2 | DPSILG 行号 1786（实为 1793，1786 是 POPZCH 区段）；范围 1750-1806（实结束于 1804）；漏列 CHMAXT/DPSILD/ND；ORELAX 含义写"结构量" | 全表重写，每项带 PVALUE 行号与 idx | 🟡中 |
| 14 | §6.3 | 末步 max_relc 漏列 (1,10] 5 点 + 17 点空 history，加总不闭合 | 补齐使加总闭合 | 🟢轻微 |
| 15 | §2.1 | "平均重试 7-9 次"（实均值 6.9） | 改为"均值 6.9 次" | 🟢轻微 |
| 16 | §五 | 救回率 30-50/70-85/90%+ 当作事实呈现（无数据支撑） | 标注"假设性估计"，强调方案 A 实测值是诊断信号 | 🟢轻微 |
| 17 | §四 优先级 1 | "~300 行 Rust"低估 | 改为"400-600 行" | 🟢轻微 |
### 8.2 新增内容
- **§3.3 未排除的替代根因**：TFLOOR=8000K、ND=50、DDNU=50/CNU1=6、原子数据 bug、LTE 干净度、输入文件渲染 bug —— 6 条独立于 A1-A6 的数值配置假说
- **§8 本审计记录**
### 8.3 未改动（审查确认正确）的核心结论
- 失败点参数分布（高 Teff + 低 logg 集中）：36 格 Teff×logg 矩阵全部精确 ✅
- 1105 全部走完 cold_run→seed_step：tasks 历史验证 ✅
- 首失败阶段 seed_nc=1033/nc=72 ✅
- 种子方向 poor=662/rich=373/same=70 + 全 exact_family ✅
- 两条 max_relc 雪崩轨迹样例（逐值）✅
- §2.5 危险区 cold/seed 成功拆分（4 格）✅
- 框架 B1（无链内重试）、B4（数值参数零扰动）✅
- **整体方向**：物理吸引域窄 + 框架无自适应 → 方向正确，仅论证细节有上述瑕疵
### 8.4 审查方法
三个 Explore subagent 并行独立审查，任务是**挑错找反例而非确认**：
- 数据核验：12 项独立 SQL/脚本复现（9 一致 / 2 轻微 / 1 错误）
- TLUSTY 源码：8 项行号/逻辑/默认值核对（数值 9/9 对 / 行号错位多 / A3 布局颠倒）
- 框架源码与结论：8 项源码引用 + 因果严谨性（B1/B3/B4 扎实 / 种子反证与救回率有漏洞）
作者对最致命两条（#1 A3、#2 NaN）用独立脚本/源码核对确认属实后，方才修订。
docs/tlusty_rerun_verification_2026_08_11.md
+180
View File
@@ -0,0 +1,180 @@
# TLUSTY 实验报告重跑验证（VERIFICATION）
**日期**：2026-08-11
**验证对象**：`docs/tlusty_directrun_experiment_2026_08_11.md` 的全部结论
**验证方法**：用生产当前二进制 `assets/tlusty_static`（8/11 新编版）重跑文档实验 + 决定性对照实验（同源码仅差 `-fno-toplevel-reorder`）
**产物**：`/tmp/cold_test/verify_rerun/`（重跑）+ `/tmp/cold_test/definitive2_{reorder,noreorder}/`（决定性对照）+ `test/20260811_tlusty_divergence/verify_{rerun,analyze}.*`
> ⚠️ **本报告经历了结论修正**。初版（基于 data/runtime 旧版 vs assets 新版的对比）错误地把 iter4+ 轨迹差异归因于 `-fno-toplevel-reorder` 编译选项。后经决定性对照实验（§三）证伪——见 §六的修正记录。本版是修正后的结论。
> ⚠️ **2026-08-12 追加更正**：本报告确认的"双禁(ITEK=0+IACC=0)抑制雪崩"是**观察层面成立、机制层面误解**——
> `ITEK=0` 通过 `tlusty208.f:1937` 令 nitzer=0 **冻结 populations**（首步修正变小是因为布居没在算，
> 不是加速被禁），`IACC=0` 被 `tlusty208.f:1928` clamp 回 7 是空操作。用正确方式（ITEK/IACC>NITER）复测
> 6 点 × 4 配置 0 次收敛，配置改动已回退。详见 `docs/cold_start_fix_2026_08_12.md`。
---
## 一、结论先行（修正后）
1. **`-fno-toplevel-reorder` 对 TLUSTY 数值行为零影响**——决定性对照实验证实：同源码、同编译器、仅差此一个 flag 的两版二进制，对同一输入的 `fort.9` 逐字节一致。这与 `docs/synspec_nan_fix_2026_08_11.md §10.4` 的结论完全一致。
2. **文档 `tlusty_directrun_experiment` 的核心机制结论成立**：KANT(iter≥5) + ACCEL2(iter≥7) 双加速机制绕过 DPSILG/DPSILT 钳制导致雪崩——这是源码逻辑，与编译选项无关，在新二进制下依然成立。
3. **文档的可信度锚点成立**：用新二进制（assets）重跑 seedprod，iter1 起的 `fort.9` 数据与生产 DB 记录在同一数量级（iter1 max_relc=7.0），测试方法可信。
4. **data/runtime 旧二进制 ≠ 当前源码编译版**——它使用了不同的源码状态（iter2 = 102 vs 当前源码编译版 115）。生产 DB 的失败记录是用这个旧版产生的，但其失败模式（雪崩）与当前源码编译版的失败模式在机制上一致。
5. **`-fno-toplevel-reorder` 的真实作用**是修复 **SYNSPEC** 的 Balmer 跃迁 NaN（见 `synspec_nan_fix_2026_08_11.md`），对 TLUSTY 只是"预防性同编译"（文档 §4.1），不改变 TLUSTY 行为。
---
## 二、三个二进制的身份厘清（关键背景）
本次验证涉及三个 md5 不同的 TLUSTY 二进制：
| 二进制 | md5 | 大小 | 身份 | 来源 |
|---|---|---|---|---|
| `data/runtime/tlusty_static` | `14cd144b...` | 1.55MB | **旧生产版**（产生 DB 失败记录）| 7/31 编译，源码状态不明 |
| `~/tlusty_O3_backups_20260811/tlusty.exe.O3.bak` | `9b249e00...` | 2.00MB | 备份的原版（含调试回显行混叠）| 8/11 备份 |
| `assets/tlusty_static` | `77721c4c...` | 1.96MB | **当前生产版**（-O3 -fno-toplevel-reorder）| 8/11 编译 |
**编译命令**（`docs/deployment.md`）：
```bash
gfortran -fno-automatic -fno-toplevel-reorder -mcmodel=medium -O3 -o assets/tlusty_static tlusty208.f
```
**生产用哪个**：`crates/common/src/embedded.rs:10` `include_bytes!("../../../assets/tlusty_static")` → **当前生产用 assets 版（77721c4c）**。
**时序**：
- 生产 DB 失败记录最晚 8/10 17:56 → 用的是旧版（data/runtime 系）
- `assets/` 在 8/11 11:09 才更新为新版
- 文档 `tlusty_directrun_experiment` 的实验数据用 `data/runtime` 旧版产生
---
## 三、决定性对照实验（证伪"编译选项导致分叉"）
### 3.1 实验设计
用**当前源码** `tlusty208.f` 重编两版二进制，唯一差异是 `-fno-toplevel-reorder`：
```bash
gfortran -fno-automatic -mcmodel=medium -O3 -o tlusty_O3_reorder tlusty208.f
gfortran -fno-automatic -fno-toplevel-reorder -mcmodel=medium -O3 -o tlusty_O3_noreorder tlusty208.f
```
| 二进制 | md5 | 对应 |
|---|---|---|
| `tlusty_O3_reorder` | `c8b6fa5b...` | 开 toplevel-reorder（旧默认语义）|
| `tlusty_O3_noreorder` | `77721c4c...` | 关 toplevel-reorder = **assets/tlusty_static 逐 md5 一致** |
### 3.2 实验结果（seedprod 输入）
对 seedprod（t60000_g5.0_he-2_c-4_n-4_o-4 用真实种子 t60000_g5.0_he-2_c-3_n-4_o-4.7）：
| 二进制 | iter1 | iter2 | iter3 | 轨迹 |
|---|---|---|---|---|
| `tlusty_O3_reorder` | 7 | 115 | 0.203 | `[7, 115, 0.203]` 共3步* |
| `tlusty_O3_noreorder` | 7 | 115 | 0.203 | `[7, 115, 0.203]` 共3步* |
| 旧生产 data/runtime | 7.0 | 102 | 288 | `[7, 102, 288, 945, 1.12e8, ...]` 共14步雪崩（DB 记录）|
\* 3步是 timeout 截断，非自然结束；iter1 的 fort.9 **逐字节一致**（见下）
**两版干净二进制逐字节一致**——`fort.9` iter1 的每一行（50 个深度点 × TEMP/NE/POP/RAD/MAXIMUM）完全相同。这直接证实：**`-fno-toplevel-reorder` 不改变 TLUSTY 的数值行为**。
### 3.3 旧生产 data/runtime 为何不同
data/runtime（`[7, 102, 288, ...]`）与当前源码编译版（`[7, 115, 0.203]`）在 iter2 就不同（102 vs 115）。由于两版干净二进制 iter2 都得 115，差异**不可能**来自 toplevel-reorder。最可能的解释：**data/runtime 用了不同的源码状态**（tlusty208.f 在入库前的某个中间版本编译），或编译环境差异。
> 这与 `synspec_nan_fix_2026_08_11.md §10.4` 的发现一致——该文档也指出"原版备份二进制带有 READ LINE 调试行混叠"，最终用"当前源码重编干净对照"才消除了混叠。
---
## 四、可信度锚点验证（seed_nc，新二进制 assets）
用生产二进制 assets/tlusty_static（= tlusty_O3_noreorder）重跑 seed_nc 三变体。**注意**：以下轨迹受 timeout 截断影响，iter 数不等于自然结束；重点看趋势与前几步数值。
### 4.1 seedprod
| iter | 新二进制(assets) | 旧生产(DB) |
|---|---|---|
| 1 | 7.0 | 7.0 |
| 2 | 115 | 102 |
| 3 | 272 | 288 |
- iter1 完全一致（7.0）；iter2-3 同数量级（百级）
- 数据/生产 DB 记录均在 iter1 起就表现为"高位修正"，雪崩模式一致
### 4.2 seed_doubleoff / seed_doubleoff_dpsilg15
两变体 iter1-3 与文档（旧二进制记录）在同数量级吻合（如 seed_doubleoff iter1=1.28 vs 文档 1.3）。
### 4.3 锚点小结
新二进制复现了文档描述的定性模式（seedprod 高位起始、双禁抑制首步修正），**iter1 数值精确吻合、iter2-3 同数量级**。文档的可信度锚点（"本机复现生产失败"）在新二进制下成立。
---
## 五、文档结论在新二进制下的有效性
| 文档结论 | 有效性 | 依据 |
|---|---|---|
| 根因 = KANT+ACCEL2 绕过限幅 | ✅ 成立 | 源码逻辑，与二进制无关 |
| 可信度锚点（复现生产失败） | ✅ 成立 | iter1 精确吻合，趋势一致 |
| 修复组合双禁(ITEK=0+IACC=0)抑制雪崩 | ✅ 成立 | seed_doubleoff 首步修正从 7 降到 1.28 |
| baseline 在 t60000_g5.0 雪崩 | ✅ 成立 | 冒烟测试 nc `[9.72,46.6,259,1950,4.85e6]` 精确复现 |
| 冷启动极端点本质困难 | ✅ 成立 | 多数点 nl 仍未达 max_relc<0.001 |
| 修复组合对所有点有效 | ⚠️ 文档自己已承认有条件性 | 个案需评估 |
**关键**：文档的全部定性结论（机制、锚点、修复方向）在新二进制下成立。定量轨迹（具体 iter 的 max_relc 数值）受 timeout 截断和源码状态差异影响有偏差，但不改变结论方向。
---
## 六、初版报告的修正记录（透明披露）
### 6.1 初版的错误
初版验证报告（基于 data/runtime vs assets 的对比）得出两个错误结论：
| 初版错误结论 | 实际情况 |
|---|---|
| "iter4+ 系统性分叉由 `-fno-toplevel-reorder` 编译选项导致" | ❌ **证伪**：决定性对照实验显示两版干净二进制逐字节一致 |
| "新二进制往往更稳定，baseline 从雪崩变收敛" | ❌ **证伪**：差异来自 data/runtime 的不同源码状态，非编译选项 |
### 6.2 错误的根源
1. **混淆了三个变量**：初版把 data/runtime（旧生产）vs assets（新生产）的差异，错误归因到 `-fno-toplevel-reorder`。实际 data/runtime 与当前源码编译版（无论 reorder 与否）都不同——它用了不同的源码状态。
2. **未做决定性对照**：初版只对比了"旧二进制 vs 新二进制"（混叠了源码状态 + 编译选项两个变量），没有用"同源码仅差一个 flag"的干净对照。文档 `synspec_nan_fix §10.4` 已做过这种干净对照并得出正确结论，初版未参考。
3. **timeout 截断误判**：初版解析轨迹时，把"timeout 截断导致的 iter 数不同"误读为"轨迹分叉"。实际上同一二进制对同一输入，共同跑到的 iter 上逐字节一致。
### 6.3 修正的方法
`synspec_nan_fix_2026_08_11.md` 提供了关键线索：`-fno-toplevel-reorder` 是为修复 **SYNSPEC** NaN 而加，对 TLUSTY 是预防性同编译。基于此线索设计了 §三的决定性对照实验（同源码仅差一个 flag），一锤定音地证伪了初版的归因。
### 6.4 教训
- **归因前先控制变量**：对比两个二进制时，必须用"同源码仅差目标 flag"的干净对照，否则会把源码状态差异误归为编译选项。
- **先读已有文档**：`synspec_nan_fix §10` 已专门分析过"TLUSTY 与 toplevel-reorder 无关"，初版未读这份文档就下结论。
- **timeout 截断要标注**：被 timeout 截断的轨迹不能直接对比 iter 数，只能对比共同跑到的 iter。
---
## 七、后续建议
1. **文档 `tlusty_directrun_experiment` 无需修正**——其结论在新二进制下成立，且其 §10.4 的"TLUSTY 与 toplevel-reorder 无关"结论经本次决定性实验再次确认。
2. **生产可直接用 assets/tlusty_static**——它就是文档建议的 `-O3 -fno-toplevel-reorder` 版，TLUSTY 行为与旧版一致（同源码编译时），SYNSPEC NaN 已修复。
3. **data/runtime 旧二进制应废弃**——它的源码状态不明（iter2 偏离当前源码编译版），不应再用于任何对照实验。
4. **修复组合 YAML 落地**仍需 30 点 A/B 测试（文档 `tlusty_directrun_experiment §七` 的建议不变），但这是为了标定"哪些点 benefit"，不是因为二进制换了。
---
## 八、数据产物索引
```
/tmp/cold_test/definitive2_reorder/ # 干净 -O3（开 reorder）seedprod 结果
/tmp/cold_test/definitive2_noreorder/ # 干净 -O3 -fno-toplevel-reorder seedprod 结果（= assets）
/tmp/tlusty_O3_reorder # 干净 reorder 二进制 (md5 c8b6fa5b)
/tmp/tlusty_O3_noreorder # 干净 noreorder 二进制 (md5 77721c4c = assets)
/tmp/cold_test/verify_rerun/{cold,seed}/ # 初版重跑产物（28 cold + 3 seed）
test/20260811_tlusty_divergence/verify_{rerun.sh,analyze.py}
```