DCTS/docs/convergence_analysis_2026_08_08.md

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）