本仓提供 isayevlab/aimnet2-wb97m-d3 的 NPU-only 推理入口。最终托管运行在
npu:0 对 8 个分子执行真实 AIMNet2 forward 和力 autograd,输出能量与全部
原子力,共 110 个有限值,退出码为 0。
保留容器提供的 PyTorch、torch_npu 与 CANN。requirements.txt 是唯一的模型层
锁版依赖文件,不覆盖平台栈。
在本仓根目录执行:
git clone https://gitcode.com/hf_mirrors/isayevlab/aimnet2-wb97m-d3.git model
git -C model checkout --detach 9f251a1400101048e2a71f4d28e3c5116bde18eb
git -C model lfs pull
python -m pip install --no-deps \
-i https://pypi.tuna.tsinghua.edu.cn/simple \
--target ./pydeps -r requirements.txt固定 commit 只用于可复现地获取模型。inference.py 运行时不校验仓库身份、
revision、文件 SHA、manifest、fixture 哈希或固定参数量,也不依赖迁移阶段的
绝对路径。
source /usr/local/Ascend/cann-8.5.1/set_env.sh
mkdir -p audit/hosted-npu
PYTHONNOUSERSITE=1 \
PYTHONPATH=./pydeps:$PYTHONPATH \
EVIDENCE_HOLD_SECONDS=90 \
python inference.py \
--model_path ./model \
--device npu:0 \
--seed 20260816 \
--output_json audit/hosted-npu/npu_result.json入口只接受 npu:N,NPU 不可用即失败,不会回退 CPU/CUDA。为替代 Warp
不支持 Ascend 的邻居表内核,脚本使用普通 torch 张量运算在目标 NPU 上构建
非周期 pairwise neighbor list;AIMNet2 神经势、嵌入式短程库仑项和力 autograd
均在同一 NPU 上执行。可选的外部 Warp DFT-D3 经典修正因无 Ascend 后端而关闭,
不使用 CPU 计算桥。只有真实 forward 完成并通过设备、shape、count 和 finite
检查后,才把 detached 结果复制到主机用于 JSON 序列化。
EVIDENCE_HOLD_SECONDS 在 forward 后保持模型和 NPU 输出存活 0–600 秒。
最终截图运行记录 forward_ms=600560.0478653796,其中包含 600 秒保持时间。
最终结果包含 methane、water、ammonia、carbon dioxide、formaldehyde、
hydrogen cyanide、ethene 和 methanol。请求设备、模型、输入与输出均为 npu:0;
8 个样本、110 个值全部 finite,退出码为 0。设备截图分别取自 07:12:22 与
07:15:18 UTC,两图都显示 npu:0 上同一 PID 32123(2219 MB)。
assets/agent_workflow.pngassets/agent_workflow_2.pngassets/npu_device_call.pngassets/npu_device_call_2.pngassets/model_result.pngassets/model_result_2.png





这些小分子样本验证 pure-NPU 执行链路,不构成能量或力精度基准。
本仓为 2301_76761127 队伍交付件(与备份账号合并提交)。