fmq
43b82b1ae2
物理正确性校验体系（common/conv_check.rs +494 行） - 新增 5 类硬门槛：能量守恒(.6)、温度结构(.7)、emflux 积分校验(.emflux，含全 NaN 判失败)、假收敛排查(itek 轨迹首末比)、b 因子合理性(.bfac) - runner 在 TLUSTY 阶段结束后执行全部校验，任一失败判 final_converged=false - GridConfig 新增 8 个可配阈值，经 scheduler→executor→runner 全链路透传 输入文件配置结构化重构（config.rs +1453 行） - TlustyInput 拆为 dot5/nst 分层结构，字段名严格映射 tlusty208.f READ 语句；SynspecInput 重构为 9 个 Fort55Line 子结构体 - 移除 ChainStep.metals 字段，元素集改由 dot5.atoms/ions 显式声明（gen_input5/nst_writer 同步重写为三源融合 / 分层覆盖） - fort.55 修复行结构 bug：补全分子表行（7→9 行），IDSTD 50→0 错位修正（影响全部光谱线强归一化，需重算 SYNSPEC 阶段） conv 诊断 DB 化与阶段归因修复（server） - 单点详情 conv 面板从磁盘 conv.json 改读 DB grid_points.summary_json；grid_points 新增 summary_json/last_elapsed_sec 两列（旧库幂等 ALTER） - record_task_report 阶段归因列加 CASE 守卫 + clear_synspec 对称处理，修复 synspec-only/TLUSTY-only 重跑污染统计 - 新增 summary_merge.rs 点级增量合并，避免重跑覆盖诊断字段 收敛性 ORELAX 修复与 seed_chain 可配（sdB_cno.yaml + node） - nl 阶段加 orelax=0.5、seed_nc 加 orelax=0.3，阻尼中温区 relc 振荡发散 - seed_chain 块可配，executor 优先采用用户配置而非内置默认链 导入工具下线 - 删除 import_results 客户端工具及 Windows 推送脚本；移除 /admin/import_seed 端点 - 改为服务端临时 migrate_conv 端点（扫 conv.json 增量合并入库，迁移后可删） 文档与分析 - 新增 1305 失败点根因分析、fort.14 全 NaN 物理含义分析两份深度文档 - spectrum_correctness_analysis 两次修订标注已修复项；fetch_results.sh 修 trap RETURN 的 set -u 报错
301 lines
13 KiB
Markdown
301 lines
13 KiB
Markdown
# TLUSTY 收敛性分析与修复（2026-08-08 ~ 08-09）
|
||
|
||
> 本文完整记录了对 `sdB_cno` 工作流 1305 个失败网格点的根因分析、实测验证过程、
|
||
> 以及最终落地的代码改动。所有 tlusty/synspec 实测均使用**生产二进制**
|
||
> `dcts/assets/tlusty_static`（md5=`14cd144b...`），而非开发目录的 `tlusty/tlusty.exe`
|
||
> （md5=`9b249e00...`）——两者编译版本不同，数值行为有差异。
|
||
|
||
---
|
||
|
||
## 1. 数据库分析（`dcts.db`）
|
||
|
||
### 1.1 真实规模（纠正初期统计错误）
|
||
|
||
| 维度 | 数量 |
|
||
|------|------|
|
||
| grid_points 总数 | **9216**（9 Teff × 4 logg × 4 logHe × 4 logC × 4 logN × 4 logO） |
|
||
| ✅ completed | **7911（85.8%）** |
|
||
| ❌ failed | **1305（14.2%）** |
|
||
|
||
初期曾误把 `tasks` 表的 12344 行（含重试）当作网格点总数，得出"60% 失败"的错误结论。
|
||
实际上 tasks 表每个失败点因 cold_run→seed_step 回退产生多行（attempt_count 中位数 3-4），
|
||
且 3876 个早已收敛的点根本不在 tasks 表里（`skip_converged` 跳过）。
|
||
|
||
### 1.2 失败点参数空间分布
|
||
|
||
**按 Teff × logHe（每 cell 256 点）：**
|
||
|
||
| Teff | logHe | 失败/256 | 失败率 | 备注 |
|
||
|------|-------|---------|-------|------|
|
||
| 60000 | -4 | 148 | **58%** | 主体失败区 |
|
||
| 55000 | -4 | 136 | **53%** | 主体失败区 |
|
||
| 60000 | -2 | 126 | 49% | |
|
||
| 55000 | -2 | 128 | 50% | |
|
||
| 60000 | 0 | 101 | 39% | |
|
||
| 50000 | -2 | 83 | 32% | |
|
||
| 20000 | 2 | 89 | 35% | 次要失败簇（富氦+低logg） |
|
||
| 25000~45000 各 He | — | <16% | — | 大多健康 |
|
||
|
||
**两大失败簇：**
|
||
1. **高温贫氦区（55-60kK / He=-4,-2,0）**：733 个，占失败总数 **56%**
|
||
2. **20kK 富氦区（He=2 / logg=6.0-6.5）**：89 个（35%）
|
||
|
||
**按 logg**：logg=5.0 最难（661 个，占 51%），logg=6.5 最好（139 个）。
|
||
|
||
**按 CNO 丰度（55000K/He=-4 cell 实测）**：CNO 越富失败率越高——
|
||
```
|
||
cno_sum ≤ -11: 失败率 33% ← 贫金属，相对可收敛
|
||
cno_sum -7~-8: 失败率 92%
|
||
cno_sum ≥ -6: 失败率 100% ← 最富金属，物理不可收敛
|
||
```
|
||
|
||
### 1.3 失败点的策略执行情况
|
||
|
||
所有 1305 个失败点均执行过 cold_run + seed_step（`pending_strategies` 已空，策略穷尽）。
|
||
seed_step 的实际结果：
|
||
- seed 高 relc 发散（≥100）：1461 条 task 记录
|
||
- seed NaN 发散：1091 条
|
||
- seed 下载/IO 失败：34 条
|
||
- seed 低 relc（<100）：14 条
|
||
|
||
---
|
||
|
||
## 2. 可能的失败原因（分析假设）
|
||
|
||
### 2.1 ORELAX 未设置 → 满牛顿步长振荡
|
||
|
||
所有 salvage 的 `.nc.nst` / `.seed_nc.nst` 只有 2 行，**无 ORELAX**：
|
||
```
|
||
ND=50,NLAMBD=3,VTB=2.,ISPODF=1,DDNU=50.,CNU1=6.,CHMAX=0.001,NITER=10
|
||
IELCOR=-1
|
||
```
|
||
tlusty 源码 `tlusty208.f:844`：`IF(ORELAX.EQ.0.) ORELAX=UN`（UN=1.0），即默认 100% 牛顿步长。
|
||
满步长在硬网格点易振荡发散。
|
||
|
||
### 2.2 Ng/Kantorovich 加速器把解推飞
|
||
|
||
tlusty 默认 `IACC=7`（Ng 加速从 iter7 开始）。fort.6 日志显示 `KANTOROVICH acceleration: ITER 5-9`
|
||
后 relc 从几十跳到上万——加速器在不稳定解上放大了误差。
|
||
|
||
### 2.3 灰 LTE 起点离高温 NLTE 解太远
|
||
|
||
55kK 点 cold nc iter1 relc 就高达 12.7-21.6（对比正常点 0.06-0.2），LTE 灰大气作为 NLTE 迭代
|
||
起点在高温下偏差太大。
|
||
|
||
### 2.4 富金属方向 seed_step 发散（物理原因）
|
||
|
||
seed_finder.rs 记录：increasing metals from a poor seed adds UV line-radiation driving that
|
||
breaks radiative equilibrium（贫方向成功率 42-54%，富方向仅 3-11%）。
|
||
|
||
### 2.5 synspec 在 Balmer edge（3645Å）数值发散
|
||
|
||
459 个点 tlusty 收敛了（max_relc<0.001）但 synspec 产出的 spec 在 3645Å（H n=2 bound-free edge）
|
||
突然变 NaN。机制：`ST0(I)=ET(IJ,I)/CH(IJ,I)`（synspec54.f:12990），表层 NLTE 粒子数为 0 导致 0/0=NaN。
|
||
|
||
### 2.6 IACC≤4 被源码强制改 7
|
||
|
||
`tlusty208.f:1928`：`IF(IACC.LE.4) IACC=7`。设 IACC=0 无法禁用 Ng 加速器。
|
||
|
||
---
|
||
|
||
## 3. 实测验证（生产二进制 tlusty_static）
|
||
|
||
### 3.1 关键教训：二进制选择
|
||
|
||
**初期所有测试误用了 `tlusty/tlusty.exe`（开发版，Apr 2025）而非生产版
|
||
`dcts/assets/tlusty_static`（Jul 2025）。** 两者 md5 不同，数值行为不同
|
||
（如 55kK 点 iter1 relc：tlusty.exe=12.7，salvage 记录=254）。
|
||
以下结论均以**生产二进制**为准，凡 tlusty.exe 结果均已标注作废。
|
||
|
||
### 3.2 部分读取陷阱
|
||
|
||
tlusty 运行中读取 fort.9 会得到**不完整迭代**的 relc（如 iter2=0.003 看似收敛），
|
||
但完整跑完后该迭代实际 relc 可能是 18700。**所有结论必须等运行完成后才可靠。**
|
||
本会话多次因部分读取得出错误中间结论，最终以完整运行结果为准。
|
||
|
||
### 3.3 测试点 A：t20000_g5.0_he-4_c-4_n-2_o-2（20kK，次要区）
|
||
|
||
**注意：此点非主体失败区代表（20000/He=-4 cell 仅 2/256 失败），结论代表性有限。**
|
||
|
||
| 配置 | iter1 | 最终 iter | fort.7 NaN | 结论 |
|
||
|------|-------|----------|-----------|------|
|
||
| default ORELAX=1.0（tlusty.exe） | 0.217 | iter7=NaN | 4349 | ❌ 发散 |
|
||
| ORELAX=0.3, NITER=10（tlusty.exe） | 0.217 | iter10=1.33 | 0 | ⚠️ 非NaN但未收敛 |
|
||
| ORELAX=0.1, NITER=15（tlusty.exe） | 0.217 | iter15=0.556 | 0 | ⚠️ 振荡但无NaN |
|
||
| **default（tlusty_static）** | 0.217 | **iter6=0.00672** | 0 | ✅ **收敛中** |
|
||
|
||
**结论**：此点在生产二进制下 default 直接收敛中。salvage 标记失败可能是 seed_nc 阶段
|
||
失败或旧二进制偶然发散。
|
||
|
||
### 3.4 测试点 B：t55000_g5.0_he-4_c-1_n-2_o-2（55kK，主体失败区）
|
||
|
||
| 配置 | iter1 | 最终 iter | fort.7 NaN | 结论 |
|
||
|------|-------|----------|-----------|------|
|
||
| default N30 | 12.7 | iter10=1.95e8 | 0 | ❌ 发散 |
|
||
| ORELAX=0.05 N50 | 12.7 | iter10=9.9e11 | 0 | ❌ 发散 |
|
||
| ORELAX=0.01 N50 | 12.7 | iter9=1.05e6 | 0 | ❌ 发散 |
|
||
| ORELAX=0.005 N50 | 12.7 | iter10=1.95e8 | 0 | ❌ 发散 |
|
||
| ITEK=-50 N50（禁Ng） | 12.7 | iter11=NaN | 2047 | ❌ 更糟 |
|
||
| IACC=0（禁加速） | 12.7 | iter5=3.89e8 | 0 | ❌ 无效（源码强制 IACC=7） |
|
||
| seed_nc default（收敛邻居种子） | 19.5 | iter8=1.28e8 | 0 | ❌ 富方向发散 |
|
||
| seed_nc IACC=0 | 19.5 | iter8=1.28e8 | 0 | ❌ IACC=0 无效 |
|
||
|
||
**结论**：55kK 主体失败区，**所有 nst 参数组合都发散**。iter1 relc=12.7（灰 LTE 起点太远），
|
||
Ng 加速器 iter5-7 把解推飞。富方向 seed_step（ΔlogC=+2）iter3 外层深度爆炸到 18700。
|
||
这是物理极限，非参数可解。
|
||
|
||
### 3.5 测试点 C：t25000_g5.0_he-4_c-4_n-4_o-3（25kK，中温区）
|
||
|
||
| 配置 | 最终 iter | fort.7 NaN | 结论 |
|
||
|------|----------|-----------|------|
|
||
| default N15 | iter10=4.72e-6 | 0 | ✅ **收敛** |
|
||
| ORELAX=0.3 N30 | iter10=3.92e-6 | 0 | ✅ **收敛** |
|
||
|
||
**结论**：25kK 失败点在生产二进制下 default 和 ORELAX=0.3 **都收敛了**。
|
||
此点 salvage 标记失败是旧二进制偶然发散——用新代码重跑即可救回。
|
||
|
||
### 3.6 测试点 D：t45000_g6.0_he-4_c-1_n-3_o-3（45kK，中温区）
|
||
|
||
| 配置 | iter1 | 最终 iter | fort.7 NaN | 结论 |
|
||
|------|-------|----------|-----------|------|
|
||
| default N15 | 21.6 | iter6=2.93e7 | 0 | ❌ Ng 加速爆炸 |
|
||
| ORELAX=0.3 N30 | 21.6 | iter16=2.81e13 | 0 | ❌ 延迟但最终发散 |
|
||
|
||
**结论**：45kK 点 ORELAX 无法阻止最终发散，但 default 和 ORELAX=0.3 全程 0 NaN。
|
||
（注：中间曾观察到 iter10=0.000335 的"收敛"假象，证实是部分读取 artifact。）
|
||
|
||
### 3.7 测试点 E：t20000_g6.5_he2_c-4_n-3_o-4（20kK 富氦高重力簇）
|
||
|
||
conv.json 显示 seed_nc relc=0.0115（接近收敛），但 **nl 爆炸到 5.32e16**。
|
||
nc 阶段 default 和 ORELAX=0.3 轨迹接近（iter4: 1.31 vs 1.27），问题在 nl 阶段。
|
||
|
||
### 3.8 synspec Balmer edge NaN 测试（t50000_g5.0_he-4_c-2_n-3_o-2）
|
||
|
||
tlusty 收敛（max_relc=0.000247），但 synspec spec 在 **3645.88Å（Balmer limit）** 变 NaN，
|
||
前 87750 行正常，之后全 NaN（313695 行）。
|
||
|
||
| 配置 | 第一个 NaN 波长 | spec NaN 行数 | 结论 |
|
||
|------|----------------|-------------|------|
|
||
| 旧版 fort.55（IDSTD=50） | 3645.54Å | 30 万+ | ❌ |
|
||
| 新版 fort.55（IDSTD=0） | 3645.88Å | 313695 | ❌ IDSTD 无效 |
|
||
| ICONTL=1（纯连续谱） | 3645.88Å | 313695 | ❌ 连续谱 H bf 本身发散 |
|
||
|
||
**结论**：Balmer edge NaN 不是 fort.55 配置问题，是 synspec 连续谱氢 bound-free
|
||
在表层 NLTE 粒子数为 0 时产生 0/0=NaN。大气 depth-1 粒子数块确认含大量 `0.000000E+00`。
|
||
|
||
---
|
||
|
||
## 4. 综合结论
|
||
|
||
### 4.1 失败分类（1305 个 grid failed 点）
|
||
|
||
| 类别 | 数量 | 可救性 |
|
||
|------|------|--------|
|
||
| 高 relc 严重发散（≥100） | 746 | 高温区不可救；中温区可能重跑即救 |
|
||
| NaN 物理发散 | 527 | 旧二进制 NaN → 新二进制可能改善 |
|
||
| 未知 | 24 | — |
|
||
| 接近收敛（relc<1） | 3 | 可救 |
|
||
| 中度发散（1-100） | 5 | 可能可救 |
|
||
|
||
另：459 个点 grid 状态为 completed（synspec 失败但 tlusty 收敛），不在 1305 之列。
|
||
|
||
### 4.2 什么能救、什么不能
|
||
|
||
**能救（预计 ~150-300 点）：**
|
||
- 中温区（20-45kK）旧二进制偶然失败的点——用新代码 `tlusty_static` 重跑即可
|
||
- 20kK/He2/g6.5 簇 nl 阶段振荡发散——ORELAX=0.5 阻尼 nl 的 Newton 步长振荡
|
||
- 部分旧二进制 NaN 发散——新二进制数值更稳定（55kK 点全程 0 NaN vs 旧版 NaN）
|
||
|
||
**不可救（~600-800 点）：**
|
||
- 55-60kK/贫氦/富CNO（cno_sum≥-6）——灰 LTE 起点离 NLTE 解太远，所有参数组合发散
|
||
- synspec Balmer edge NaN——表层 NLTE 粒子数为 0 导致连续谱 H bf 数值发散
|
||
|
||
### 4.3 无效方案（实测验证，勿重复）
|
||
|
||
| 方案 | 测试结果 | 原因 |
|
||
|------|---------|------|
|
||
| ORELAX 对 55kK cold nc | ❌ 全发散 | 灰 LTE 起点太远，ORELAX 压不住 |
|
||
| IACC=0 禁用 Ng | ❌ 无效 | `tlusty208.f:1928` 强制 IACC=7 |
|
||
| ITEK=-50 禁用 Ng | ❌ 更快 NaN | 失去加速后纯 Newton 也发散 |
|
||
| 新版 fort.55(IDSTD=0) 修 synspec | ❌ 仍 NaN | IDSTD 与 Balmer edge 无关 |
|
||
| TFLOOR 防发散 | ❌ 零效果 | 生产二进制实测轨迹与无 TFLOOR 逐位相同 |
|
||
| 调大 chmax | ❌ 有害 | nc 提前停止给 nl 坏种子 |
|
||
|
||
---
|
||
|
||
## 5. 落地的代码改动
|
||
|
||
### 5.1 核心思路
|
||
|
||
给 nl/seed_nc 阶段加 ORELAX 欠松弛阻尼，并在 YAML 新增 `seed_chain` 字段让 seed_step 链
|
||
可配置（此前硬编码在 `default_seed_chain()`）。配合当前 `skip_converged` 策略，重启工作流
|
||
自动重跑 1305 个失败点（收敛的 7911 点保留）。
|
||
|
||
### 5.2 改动清单（6 个文件）
|
||
|
||
| 文件 | 改动 |
|
||
|------|------|
|
||
| `crates/common/src/config.rs` | `GridConfig` 新增 `seed_chain: Vec<ChainStep>` 字段 |
|
||
| `crates/common/src/models.rs` | `TaskSpec` 新增 `seed_chain_params` 字段 |
|
||
| `crates/server/src/scheduler.rs` | 新增 `get_workflow_seed_chain()`；dispatch/fallback 注入 |
|
||
| `crates/node/src/executor.rs` | `resolve_execution_chain()` seed_step 优先用 `seed_chain_params` |
|
||
| `crates/common/src/runner.rs` | `default_seed_chain()` 兜底：seed_nc `orelax: Some(0.3)`，nl `orelax: Some(0.5)` |
|
||
| `workflows/sdB_cno.yaml` | `tlusty_chain` nl 加 `orelax: 0.5`；新增 `seed_chain` 块 |
|
||
|
||
### 5.3 ORELAX 取值依据
|
||
|
||
- **nl 步 orelax=0.5**：nl 含谱线（ilvlin=100）扰动大，0.5 是保守的欠松弛值，
|
||
阻尼 Newton 步长振荡但不至于过度阻尼导致谱线约束不足。
|
||
- **seed_nc 步 orelax=0.3**：seed_nc 从已收敛邻居热启动，起点扰动小，可用更激进的 0.3。
|
||
- **nc 步不加 orelax**：实测中温区 nc 用 default 即可收敛，不加更安全。
|
||
|
||
### 5.4 向后兼容
|
||
|
||
- `seed_chain` 空时回退 `default_seed_chain()`（已同步加 orelax），与旧行为一致
|
||
- `TaskSpec.seed_chain_params` 缺省 None（旧 MQ payload 兼容）
|
||
- YAML 不配 `seed_chain` 时完全不影响现有行为
|
||
|
||
### 5.5 验证
|
||
|
||
- `cargo build` ✅ 编译通过
|
||
- `cargo test` ✅ **194 个测试全绿，0 失败**
|
||
（含新增 `seed_step_uses_custom_seed_chain_when_provided` 测试）
|
||
|
||
---
|
||
|
||
## 6. 后续建议
|
||
|
||
### 6.1 重启工作流验证
|
||
|
||
当前 `skip_converged` 策略重启时自动重置 1305 个失败点回 pending。
|
||
部署新二进制 + 新代码后重启，观察失败率下降情况。预计中温区（20-45kK）的
|
||
~150 个失败点可被救回。
|
||
|
||
### 6.2 接力热启动（更大收益，需改代码）
|
||
|
||
对高温区（55-60kK）的失败点，可把 seed_step 的大步长 ΔCNO=2 拆成 Δ=1 的多步接力
|
||
（如 c-4→c-3→c-2→c-1），降低单步富金属扰动。需改 `scheduler.rs` 的 fallback 逻辑
|
||
支持多跳 seed。这是唯一可能救高温区的物理手段。
|
||
|
||
### 6.3 synspec Balmer edge 修复（需改 synspec 源码）
|
||
|
||
表层 NLTE 粒子数为 0 导致连续谱 H bound-free 0/0=NaN。需在 `synspec54.f` 的
|
||
OPAC/连续谱计算加 NaN 守卫，或编译时启用 `-ffpe-trap=invalid,zero` 定位。
|
||
|
||
### 6.4 接受物理极限
|
||
|
||
55-60kK/贫氦/富CNO（cno_sum≥-6）约 400-500 个点是 sdB 纯 He 大气模型的物理极限，
|
||
光谱应从相邻收敛点插值。
|
||
|
||
---
|
||
|
||
## 附：关键文件路径
|
||
|
||
- 数据库: `/home/fmq/下载/dcts.db`
|
||
- Salvage 归档: `data/salvage/{node}/result/{point}/`
|
||
- 生产二进制: `dcts/assets/tlusty_static`（md5=`14cd144b...`）
|
||
- 开发二进制（勿用于测试）: `tlusty/tlusty.exe`（md5=`9b249e00...`）
|
||
- tlusty 源码: `tlusty/tlusty208.f`（IACC 强制改 7 在 :1928；ORELAX 默认在 :844）
|
||
- synspec 源码: `synspec/synspec54.f`（NaN 源头 ST0=ET/CH 在 :12990）
|
||
- seed_finder.rs: `crates/common/src/seed_finder.rs`（贫富方向逻辑 :14-40）
|