2301_76761127/aimnet2-rxn-npu
模型介绍
文件和版本
Pull Requests
讨论
分析

isayevlab/aimnet2-rxn — Ascend NPU 迁移验收

1. 模型身份

  • 模型：isayevlab/aimnet2-rxn（AIMNet2-rxn，分子机器学习势：能量/力/电荷， 4 成员 ensemble，本验收使用成员 0）
  • 官方 URL：https://huggingface.co/isayevlab/aimnet2-rxn （镜像：https://ai.gitcode.com/hf_mirrors/isayevlab/aimnet2-rxn）
  • 固定 revision：13e9de20a1e878a18a371e94dfb2176629281cb6
  • 权重：ensemble_0.safetensors，8,826,784 bytes， SHA-256 2e8d185d0cb426d270bf004c0c46662e0f1a5b6fb0573d5c7801b564f91f5d86 （ensemble_1–3 的 SHA-256 保存在前半段审计清单中）
  • 许可：MIT；参数量 2,205,593（成员 0）；元素范围 H/C/N/O，闭壳层中性体系

2. 硬件软件矩阵（平台栈未替换）

  • 硬件：Ascend 910B3 单卡（逻辑设备 npu:0），CPU reference 同机 aarch64
  • 已验证环境：CANN 8.5.1；Python 3.11.14；PyTorch 2.9.0+cpu；torch_npu 2.9.0.post1
  • 模型级依赖（--no-deps 边界安装，见 requirements.txt）：aimnet 0.2.0、 nvalchemi-toolkit-ops 0.4.1、warp-lang 1.13.0（仅导入期注册，非 CUDA 路径走 纯 torch 实现）、tad-dftd3 0.6.0、tad-mctc 0.7.0、numpy 1.26.4、 click 8.4.2、safetensors 0.8.0、huggingface-hub 0.36.2； 未替换任何平台组件（target_stack_gate PASS）

3. 外部权重准备

权重从官方固定 revision 快照离线加载（本仓不含权重）。上面的 revision、size 与 SHA-256 用于获取和审计，不作为通用推理入口的运行时强制身份门禁。入口直接从 --model_path 加载用户提供的本地 AIMNet2 快照，并禁止回退网络 model id （HF_HUB_OFFLINE=1、TRANSFORMERS_OFFLINE=1）。

零上下文容器可按固定 revision 独立准备（不依赖迁移机目录）：

git clone https://gitcode.com/hf_mirrors/isayevlab/aimnet2-rxn.git ../model
git -C ../model checkout 13e9de20a1e878a18a371e94dfb2176629281cb6
git -C ../model lfs pull
python3 -m pip install --no-deps --target ../pydeps -r requirements.txt
source /usr/local/Ascend/cann-8.5.1/set_env.sh
export PYTHONNOUSERSITE=1
export PYTHONPATH="$PWD/../pydeps:$PYTHONPATH"
EVIDENCE_HOLD_SECONDS=90 python3 inference.py --model_path ../model \
  --device npu:0 --seed 20260816 --output_json result.json

4. 唯一推理入口

python inference.py --model_path <快照目录> --device <npu:N> \
  --seed 20260816 --output_json result.json

参数：--model_path（默认 ./model）、--device（默认 npu:0，仅接受 npu:N）、--seed（默认 20260816）、--output_json（默认 result.json）。 CPU/CUDA fallback 被显式禁用。入口不强制核验 revision、SHA、manifest 或固定参数量； 通过官方 aimnet.calculators.AIMNet2Calculator 加载，compile_model=False（避免 torch.compile 与 GELU 双反向的已知问题）。

5. 固定样本、输出计数与有限值要求

完整测试用例为 8 个手工固定的中性闭壳层 H/C/N/O 分子（甲烷、水、氨、二氧化碳、甲醛、氰化氢、乙烯、 甲醇；文献平衡构型，Å，charge=0；坐标为代码常量，无外部数据依赖）。每样本输出 energy（1 值）与 forces（3N 值），总计 110 值；NPU 设备、shape、样本数、 值计数与有限值（拒绝 NaN/Inf）任一不符即失败。

6. CPU Golden 身份与预声明门限

CPU reference 结果曾在前半段审计中与代码、样本契约和权重绑定；这些 identity 字段只保留为审计资料，不由最终通用 NPU 入口在运行时强制检查。分族门限在 Golden 与 NPU 运行前冻结，详见 accuracy/manifest.json 与 accuracy/README.md：

  • energy：cosine ≥ 0.9999、max_abs ≤ 0.01 eV、max_scaled_relative ≤ 0.05
  • forces：cosine ≥ 0.9999、max_abs ≤ 0.01 eV/Å、max_scaled_relative ≤ 0.05

7. 真实 NPU 运行与实测指标

最终 pure-NPU Hosted 复验于 2026-08-18 在 CANN 8.5.1、PyTorch 2.9.0、 torch_npu 2.9.0.post1、Ascend910_9362 上完成：PID 41601，模型/输入/输出均为 npu:0，8 样本、110 值、shape/finite 全部 PASS，exit_status=0；600 秒 hold 期间同一 PID 保持 NPU 驻留。该最终入口使用下述 NPU-native 邻居列表和 D3(BJ)， 无 CPU/CUDA 数值桥接。

真实 NPU 运行（2026-08-16，队列 job kimi-aimnet2-rxn-20260816T164420Z）：

  • 设备：npu:0（Ascend 910B3，actual_model_device / actual_tensor_device / actual_output_device 均为 npu:0），8 样本 110 值全部产出，exit_status=0， 8 分子总前向（含力反传）1602.9 ms，seed 20260816

  • 进程取证（私有审计目录 audit/npu-runs/20260816T164427Z/）：子进程 PID 3874045 持有 /dev/davinci_manager fd，进程 maps 含 432 条 Ascend/torch_npu 映射， npu-smi 输出包含该子 PID，采样轮次 431

  • Golden 绑定：cpu_golden verify READY_VERIFIED，identity = inference_sha256 1266518e… + fixture_manifest_sha256 11e3a297… + weight_sha256 2e8d185d…，entry …/b480c0199f094c7c…

  • 实测指标（对冻结门限全部 PASS）：

    族cosine（≥0.9999）max_abs（≤0.01）max_scaled（≤0.05）
    energy (eV)0.999993590.0061650.006165
    forces (eV/Å)0.999993830.0051000.005100

  • NPU 适配说明（如实披露）：运行时不再使用 CPU/CUDA bridge。邻居列表由 NPU 上 的 pairwise distance、布尔 mask、sort 与 pad 基础 torch 算子构造；外部 DFT-D3 保留原 s6/s8/a1/a2 与能量/力单位，改由 tad-dftd3 的纯 torch D3(BJ)+autograd 在 NPU 上计算。Ascend 不支持真 FP64，tad-dftd3 的 1e-300 归一化会下溢为 0， 因而使用其算法说明中的等价分支安全 FP32 形式：非零和正常归一化，零和选择最大 coordination-number reference；CPU 对原 warp 实现的最大差为 energy 7.45e-9、 forces 9.84e-7。另有两处对称修复： torch.compiler.set_stance("force_eager")（nvalchemiops 的 @torch.compile 装饰点在 NPU 上会触发不存在的 triton/inductor）与 ops.nse 的原地 mol_sizes ±1 改写为克隆（torch_npu 的 RepeatInterleaveBackward 会保存 repeats 张量并做版本检查）。

8. 证据图

两套共六张真实证据图由当前 Hosted RUN 即时截取并全部保留在本仓，不做图片分流：

  • assets/agent_workflow.png
  • assets/agent_workflow_2.png
  • assets/npu_device_call.png
  • assets/npu_device_call_2.png
  • assets/model_result.png
  • assets/model_result_2.png

Model Agent workflow

Model Agent workflow 2

Active Ascend NPU

Active Ascend NPU 2

Hosted result

Hosted result 2

9. compare 命令与负向门禁

python accuracy/compare_accuracy.py --cpu_result <cpu_result.json> \
  --npu_result <npu_result.json> --output_json accuracy.json

负向门禁保持 fail-closed：模型目录缺失或无法由 AIMNet2 加载即失败；非法设备 cpu / cuda:0 被拒绝；输出设备、shape、样本数、值计数或 finite 不合格即失败。

10. 提交与限制

唯一验收入口为 inference.py；比较器不启动任何推理路径。能量为模型自身的 per-element shifted 标度（eV），只对同一模型的几何间能量差有物理意义；完整 CPU/NPU JSON、日志、PID 采样与失败尝试保留在私有审计区，本仓仅含最小复现代码与摘要。 匿名 HEAD 与 fresh clone 审计由协调者统一执行。

本仓为 2301_76761127 队伍交付件（与备份账号合并提交）。