Lemuel_/OpenAlphaDiffract-NPU
模型介绍
文件和版本
Pull Requests
讨论
分析

linked-liszt/OpenAlphaDiffract 昇腾 NPU 推理适配

模型：OpenAlphaDiffract（晶体结构预测，ConvNeXt 风格 backbone + cs/lp/sg 三个头）

昇腾 NPU 适配结论

项目结果
前向输出cs_head logits (B, 7)，CPU/NPU 一致
精度（rel-L2）4.52e-5（< 1% 阈值，PASS）
性能（NPU avg）1.09 ms（batch=1）
稳定性20 轮 batch=1 逐位一致（PASS）
验收六件套齐全，CPU/NPU 独立子进程对比

关键适配点

  • ConvNeXt 风格 backbone 重建：3 级 net.0/2/4（dwconv 深度可分离 + pwconv1/pwconv2 逐点）。
  • backbone.net.0.pwconv 是 Linear(1→80)（非 Conv1d）。
  • _ConvNeXtBlock 直接持有 dwconv/pwconv1/pwconv2 属性，避免键名嵌套。
  • _MLPHead 用 add_module('0'/'3'/'6') 直接注册到 self，让 state_dict 键名精确匹配 cs_head.0/3/6。
  • gemd_distance_matrix/lp_max/lp_min 注册为 buffer。
  • 权重键全匹配：missing=0, unexpected=0。

运行方法

python3 minimal_repro.py
python3 accuracy_eval.py
python3 benchmark.py
python3 stability.py
python3 inference.py

结果文件

  • results/accuracy_252.json / benchmark_252.json / stability_252.json / inference_results_252.json

三张真实终端截图

  • assets/agent_workflow.png / assets/npu_device_call.png / assets/model_result.png