跳转至

1.6 Slurm 运行、排错与可复现性

本页输入是教学模板,本课程未实际执行这些计算。请使用授权安装,核对版本相关选项,并建立自己的收敛证据。

1.6.1 Slurm 是站点接口

此脚本尚未提交。按中心文档填写账户、分区、模块、可执行文件和 MPI 启动语法。4 个进程与 20 分钟仅作小型资源例子,不是性能保证。有的站点采用 mpirun、包装脚本或 GPU 设置,不能嵌套启动器。NSC 指南;Slurm sbatch。

#!/usr/bin/env bash
#SBATCH --job-name=qcnet-si
#SBATCH --nodes=1
#SBATCH --ntasks=4
#SBATCH --cpus-per-task=1
#SBATCH --time=00:20:00
#SBATCH --output=slurm-%j.out
#SBATCH --error=slurm-%j.err
# Add your site's required account/partition lines before submission.
set -euo pipefail
cd "${SLURM_SUBMIT_DIR:?Submit this script with sbatch}"

# SITE-SPECIFIC: replace the next two lines using center documentation.
module load YOUR_APPROVED_VASP_MODULE
VASP_BIN=vasp_std
export OMP_NUM_THREADS="${SLURM_CPUS_PER_TASK:-1}"

for input in INCAR POSCAR KPOINTS POTCAR; do
  test -s "$input" || { echo "Missing/empty input: $input" >&2; exit 2; }
done
command -v "$VASP_BIN" >/dev/null
printf 'Start UTC: '; date -u
printf 'Host: '; hostname
printf 'Job: %s\n' "${SLURM_JOB_ID}"
# SITE-SPECIFIC: srun must match the center's MPI integration.
srun "$VASP_BIN" > vasp.stdout 2> vasp.stderr
printf 'End UTC: '; date -u

替换占位项并确认目录文件后再提交。脚本捕获非零退出,但零退出仍不代表科学结果正确;检查队列、标准输出/错误、OUTCAR 及电子/离子标准。两个并发任务不能写同一目录。Slurm srun。

1.6.2 按证据诊断

  • 启动立即失败:先查模块、路径、分配资源及 MPI 库,采用本中心最小例,不先改物理设置。
  • 元素/结构警告:查 POTCAR 顺序、计数、缩放和重复原子,修正后可视化并用新目录。
  • 总到 NELM:检查能量/残差趋势、占据和初态;增加上限不能治愈发散。
  • 对称性/网格问题:核对矢量精度和中心,不用 ISYM=0 掩盖所有警告。
  • 大力或塌缩:停止,查单位、短接触、几何及应力精度,先做固定结构诊断。
  • DOS 尖刺:查 k 网格与积分,NEDOS 本身不能补足物理采样。
  • 能带标签不对:重新检查实际倒易基底与路径转换。
  • 时间上限中止:保存调度器原因、日志和部分文件,再确认重启完整性。

这些是诊断顺序,不是自动修复。内存不足不应以降低收敛精度解决,应调整资源或受支持的并行方案。NELM;电子最小化;KPOINTS。

1.6.3 重启也是科学输入

先保留失败现场,检查 CONTCAR 及 CHGCAR/WAVECAR 的完整和兼容性。ISTART=1 与 2 的基组处理不同,变胞与 Pulay 应力下尤其不能乱换。有文件不等于应该重启;新静态验证采用 ISTART=0、ICHARG=2 易于排除旧态污染,但可能更费时间。ISTART;体积优化。

归档准确输入、程序版本/构建、势标签与允许公开的哈希、父子关系、运行脚本、带单位的真实输出、收敛测试和分析代码版本。受限势内容不公开。实际运行前使用空白记录:

system: diamond Si, 2-atom primitive cell
method: nonmagnetic PBE PAW
geometry_source: ../04-relax/CONTCAR (verified before copy)
parent_density: ../05-scf/CHGCAR
vasp_version: FILL_FROM_ACTUAL_RUN
paw_dataset: FILL_AUTHORIZED_DATASET_ID
encut_eV: FILL_CONVERGED_VALUE
kmesh: FILL_ACTUAL_GRID
energy_convention: FILL_EXACT_OUTPUT_LABEL
scf_converged: FILL_TRUE_OR_FALSE
ionic_converged: FILL_TRUE_FALSE_OR_NOT_APPLICABLE
execution_status: template_not_run

实际运行后据实更新执行状态,不能因为语法看起来合理就贴“已验证”。区分数据与计划,并保留说明最终参数选择的失败测试。

1.6.4 结课实践

交给同学允许分享的输入、运行说明、收敛计划和绘图代码,让其在授权环境中识别结构、重复流程,并解释势和版本导致的差异。报告应包括限制、失败测试与真实达到的精度。结课后应能说明所用晶胞和授权势,区分 SCF 与进程终止,检验目标量,验收力与应力,追溯能带/DOS 母计算,并在不公开受限文件的前提下复现选择。


上一课:能带与态密度