rdeboer1/rmfit-campaign

rmfit 流程

rmfit（位於 /groups/rdeboer1/user/rdeboer1/R-matrix/rmfit/，詳見其 README）自動化了評估員手動執行的步驟——優化、翻轉乾涉符號、添加或移除能級、關閉可疑數據集——並將其轉換為可恢復的階段。這些階段由一個腳本在單個集群節點上運行，一個新的會話可以從 STATUS.md 中斷處繼續。它不是作為一個套件安裝的：

export PYTHONPATH=/groups/rdeboer1/user/rdeboer1/R-matrix
python3 -m rmfit.cli <campaign_dir> <command> [options]

在對新反應執行第一個命令之前，請從頭到尾閱讀此文件；對於恢復活動，「讀取狀態」和「流程循環」部分就足夠了。改進內容應記錄在結尾處的日誌中。

1. 讀取狀態，絕不重新計算

一個活動目錄包含了新會話所需的一切：

• STATUS.md —— 每個結構的最佳已驗證目標、近期的操作輪次和日誌行。 使用 status 重新生成；status --json 可產生簡潔的轉儲。
• readme —— 實驗筆記本（rmfit 每輪追加一段；你也可以用 log "..." 添加自己的記錄）。歸檔慣例：在觸碰任何東西之前先閱讀它。
• campaign.log —— 驅動程式列印的每一行；rmfit_sge.log / rmfit_*.log —— 集群任務日誌。
• ledger.sqlite + candidates/*.npz —— 每個候選向量及其分數。現任最佳解是指具有 verified 分數的最佳候選（對完整模型進行的一次性全新評估）。分片數值用於排名；已驗證數值用於報告。
• campaign.json —— 基礎模型、引擎標誌、分片數量、邊界策略、搜尋配置。
• <reaction>.azr + .sav —— 現任最佳解的 GUI 可審查導出。
• variants/ —— 分片檔案、窗口模型、帶有/不帶有能級的檔案（可丟棄）。

首先執行 qstat -u $USER：每個目錄一次只能運行一個活動命令（它們共享分類帳和 variants/）。登入節點僅用於執行 status、report、log、export、短測試（<= 6 個工作者，<= 30 分鐘）。其他所有操作均作為任務運行。

2. 在新反應上啟動活動

先決條件（在反應的擬合目錄中執行這些操作，而不是在活動目錄中）：

1. 一個可以在 GUI 中開啟的 .azr 檔案，包含 data/、一個 output/ 目錄和一個 readme 檔案。 了解此反應所使用的 CLI 模式標誌（--use-brune、--ignore-externals、 --no-long-wavelength、...）：它們不在 .azr 檔案中，且因反應而異 （~/R-matrix/CLAUDE.md），rmfit 需要以 --flags JSON 格式接收它們。
2. 在建立基礎之前，重現上一次完成的擬合：按其名稱載入其 param.sav 檔案 （pyazr），確認目標與 chiSquared.out 匹配（chi2 + 正則化懲罰），然後 將其烘焙到一個乾淨的檔案中（rmfit.engine.bake），並使用處於模式 1 且帶有空白外部檔案的 CLI 檢查它。 切勿信任那些已「使用 .sav 作為外部檔案驗證」的烘焙結果（這會覆蓋 <levels>）， 也切勿使用來自正在運行或崩潰的擬合的參數——僅使用最後完成的擬合參數。清除不活躍的能級行。
3. 將任何新的數據集合併到烘焙後的檔案上（AzrModel.add_data_segment）， 涵蓋範圍上限為能級方案所覆蓋的能量範圍（set_segment_energy_range）， 將歸一化設為自由，並設定一個反映論文的系統誤差。檢查每一個 新檔案：一個單一的負值或尖峰截面可能會主導目標函數。
4. 將所有這些記錄在反應目錄的 readme 檔案中。

首次擬合：在任何全域擬合之前建立起始參數（DeBoer, 2026-10-25 —— 稍後重新評估）

暫定。 這是 DeBoer 的一般性建議，在完整端到端嘗試之前寫下的。一旦 10B+α（第一個使用此建議的反應，10B+a/10-25-26_Rmatrix_Claude）有了實際擬合結果，請重新評估它：在此記錄有效和無效的部分，並相應地更改或放棄此程序。

DeBoer：「固定一個代表性數據集的歸一化，但讓其他數據集自由變化。這樣一開始可以為截面提供一個更固定的尺度，但仍然允許那些歸一化不一致但形狀一致的數據集不會妨礙擬合。在我們的情況下，由於我們在每個道中都有數據，我建議我們先固定我們自己的數據，讓其他數據自由。此外，我們應該確保允許每個粒子對的最低 l 道變化，為每個能級設置一個小的非零值，即使文獻沒有給出它到該道的分支。我還建議從低能量開始，一次優化一個能級，看看它能在多大程度上匹配數據。然後再回來嘗試在那些明顯存在共振但能量和/或寬度上與任何已知能級都不匹配的地方添加能級。在你有相當不錯的起始參數之前，我不會嘗試進行真正的擬合。」

作為一個程序：

1. 用一個代表性數據集固定尺度。 將它的歸一化固定為 1（當我們自己的數據覆蓋所有道時）；讓其他每個數據集的歸一化自由變化。這樣，形狀一致但尺度不同的數據集就不會妨礙擬合。
2. 為每個能級種子化每對粒子中的最低 L 道。 給予一個小的非零振幅（0.01 γ_W，在引擎中設定；物理佔位符很小，參見 2026-10-25 的種子化條目），即使在文獻中沒有列出到該道的分支。
3. 在擬合範圍內開啟的每個道都應包含在模型中——這是預設行為。 每當擬合範圍擴展時（一個新的能量窗口，或一個達到更高能量的數據集），列出在範圍頂部以下開啟的所有分割：每個殘留核的每個激發態（ENSDF）和其他輕粒子分割（d、t、³He、...），閾值為 Ex = sepE + e2。在擬合之前，為每個道添加一對，無需詢問：每個能級上每個道自旋的最低允許 L；根據第 2 項在閾值處或低於閾值 0.5 MeV 範圍內的能級以及背景極點上進行種子化，在其他地方設為惰性（0，固定）。將新的出口添加至每個求和段（總截面、總 (n, p)、(n, α)、...）。切勿在閾值處截斷數據窗口。截斷是權宜之計：在 readme 中記錄它以及迫使截斷的道，並將其列入評估員的待辦事項列表。 （DeBoer 2026-10-30，11B+α 高能擴展：ELBE ¹⁴N+n 總截面之前已在 E_n 5.1 MeV 處截斷，因為 ¹⁴N(n,n₄) 沒有對應對。這使得擬合頂部 1.2 MeV 區域失去了其最強的約束，即一個歸一化固定的總截面。構建器範例：11B+a/10-27-26_HE_claude/model/add_pairs_he.py，7 個對：n4 a3 d0 p1 n5 n6 p2。）
4. 從低能量開始，逐個能級進行。 一次優化一個能級（它的能量和寬度，加上自由的歸一化）以匹配其周圍的數據，觀察它能匹配得多好。
5. 然後添加能級，在明顯存在共振且沒有已知能級與其能量和/或寬度匹配的地方。
6. 只有這樣才能進行真正的（全域）擬合：在結果上 init 一個活動。

原因（10B+α 階段 1，2026-10-25）：從一個較差的起點（χ²/N ≈ 200，2-27-25 能級，新道接近零）開始的全域優化，用歸一化換取了缺失的強度。當所有歸一化都自由時，幾乎所有歸一化都在 150 次評估後下降到 0.38-0.68。當限制在 0.7-1.5 時，八個歸一化碰到了邊界，擬合停滯在 χ²/N 12.7。由於 χ² ~ 10⁵，百分之幾的歸一化先驗幾乎沒有代價（10B+a/10-25-26_rmfit_stage1、_stage1b）。

然後，在一個新的、帶有日期的活動目錄中（<reaction>/<M>-<D>-<YY>_rmfit_campaign/）：

mkdir <dir> && cp <base>.azr <dir>/ && cp -r data <dir>/data && mkdir <dir>/output
python3 -m rmfit.cli <dir> init --base <dir>/<base>.azr [--sav <base>.sav] --nshards 24 \
    --flags '{"use_long_wavelength": false, "ignore_externals": true, "use_brune": true}' \
    --policy '{"theta2_cap": 1.0, "bg_theta2_cap": 3.0, "bg_energy": <Ex above the data>, "e_window": 0.3, "norm_range": [0.2, 5.0]}' \
    --search '{"top_k": 6, "pairs_per_group": 4, "stage1_nfev": 30, "stage2_nfev": 60, "union_nfev": 100}'

--flags 直接傳遞給 pyazr.azure2()，因此參數化選擇在那裡： "use_brune": true（Brune，歸檔預設值）、"use_park": true（Park：擬合向量保存觀察到的約化寬度振幅，Gamma = 2 P gamma^2；參見 AZURE2 技能的「Park 參數化」）、"use_brune": false（標準 Lane-Thomas）。每個活動一個基礎——分類帳的向量、.npz 快照及其 .sav 伴隨檔案都基於此。

可選的 --objective JSON（campaign.json 中的 objective，deBoer 等人 2017 年的擬合章節）: {"dataset_weight": "reduced", "dataset_key": "file", "loss": "sivia"}。 dataset_weight: reduced 是約化卡方方法（每個數據集的卡方除以其點數，再按 N/K 重新縮放，使目標函數保持卡方量級；懲罰行不加權）——它可以防止一個擁有小誤差的大型數據集主導擬合；loss: sivia 用 Sivia 的寬 PDF 取代卡方， -2 log[(1 - e^{-R^2/2})/R^2] - 2 log 2（對於小殘差近似於 ~R^2/2，對於離群值近似於 ~2 log R^2：離群值的權重被降低，如同它們的誤差條被膨脹了一樣）。Sivia 損失應用於按每個數據集的參考 chi2/N 標準化的殘差（loss_scale: dataset，由 init 從普通基線計算並存儲在 campaign.json 中）：如果沒有這個，在一個 chi2/N ~ 20-300 的模型上，每個點都位於對數尾部，數據相對於二次正則化懲罰失去了大約 10 倍的權重，擬合會發生漂移（13C+a，2026-09-08：普通 chi2 從 701k 在一次優化後變為 1,190k，MANA 被放棄，歸一化跳到了標稱值）。兩種方法都「在統計上不正確，但在誤差條被低估時很有用」。目標函數 是活動的一個屬性：在不同目標函數下驗證的候選解不可比較，因此更改目標函數意味著一個新的活動目錄（用先前的導出作為其種子）。REPORT.md 和 segment_scores 無論目標函數如何，都保留每個數據集的普通卡方。已在 rmfit/tests/test_objective_13n.py 中驗證。

init 會驗證基線（一次完整的模型評估）、註冊結構、 寫入 STATUS.md 和任務腳本 run_crc_rmfit（24 核 long 節點，郵件發送給 [email protected]，-m abe）。重新運行 init 會保留現有配置，除非提供了新值。策略含義：theta2_cap 是物理能級的 Wigner 極限框，bg_theta2_cap 是背景極點（Ex >= bg_energy 的能級，其能量保持固定）的 Wigner 極限框——3.0 是一個起始猜測，不是物理預設值：在信任它之前，請檢查基線的背景振幅已經在哪裡（init 的帽子審計）；12C+alpha 彈性散射需要大約 100（參見 2026-09-30 的日誌條目）；e_window 是每次優化一個能級的能量自由度（MeV）；norm_range 乘以標稱歸一化。narrow_window（可選，例如 {"gamma_kev": 5, "factor": 3, "min_kev": 1}）會將一個自由部分寬度之和小於 gamma_kev 的能級，保持在其當前能量 ±max(min_kev、factor·Γ) 範圍內，而不是 ±e_window，這樣一次優化就不會將一個窄能級帶離其峰值（13C+a 9/2+ 在一次緊密優化中漂移了 180 keV）。分片數量 = 核心數；分片是精確的（卡方在段上是可加的），因此更多的分片只會提高速度。

新模型的代價檢查（init 後的 campaign.log）：一個分片目標應該在幾秒內完成，而雅可比矩陣則需要數十秒。如果一個具有目標效應卷積的段佔主導地位（如 Cierjacks 在 13C+a 中的情況），rmfit 會自行摺疊它（model.ConvSpec）；複合「求和」段允許作為卷積部分。

2b. 規格、審計、決策（2026-11-07；R-matrix/rmfit/DESIGN.md 的第一階段）

在 init 之前，撰寫活動的 規格（spec.json，模板 rmfit/templates/SPEC_TEMPLATE.json，模式在 rmfit/spec.py 中）：每個數據集及其角色（anchor = 歸一化固定在標稱值；free 帶有 prior_sigma；excluded 帶有原因；screen）、擬合窗口、凍結塊、必須存在的對、邊界/目標/搜尋、驅動程式可以自行執行的操作（pre_authorized：adopt_level true / false / 規則、flip_adopt、dataset_off_adopt、...）、停止規則和現有決策及其所有者和日期。然後：

python3 -m rmfit.audit <base>.azr --out AUDIT.md       # 預飛，無引擎會話：零自由寬度、1 keV 合併、
                                                       # 標稱歸一化 != 1、normError 作為分數、FLAG 列作為
                                                       # 錯誤、微小誤差、重複、尖峰、閾值、測試段上的 <targetInt>
                                                       # 、舊式 .sav 名稱、輸出路徑、引擎固定
python3 -m rmfit.cli <dir> init --base ... --spec spec.json   # flags/policy/search/objective/nshards 來自規格，除非
                                                       # 另行給定；與 .azr 的 HIGH 不一致會拒絕 init
python3 -m rmfit.cli <dir> spec check                   # 任何時間：SPEC_CHECK.md；規格渲染 -> SPEC.md；審計 -> AUDIT.md

一個 HIGH 審計發現會在基線之前被修復（或記錄為在規格的現有決策中接受）。在活動期間，任何規格未回答的問題會進入 DECISIONS.md（rmfit decisions 列出，rmfit decide D-003 "adopt" --by DeBoer 回答）；一個能級添加，其 accept 未被規格預先授權的，會被記錄為 accept-pending 並帶有一個排隊的決策，且不會被採納（舊的自動採納僅適用於沒有規格的活動）。可供複製的規格草案：10B+a/11-6-26_s5_highE/spec_draft.json、13C+a/11-06-26_merged_regionD/spec_draft.json。

自 2026-11-07 起，第 3b 節的三項空閒時間審查是生成的，而非手寫的：

python3 -m rmfit.cli <dir> audit --kind all            # audits/{input,data,literature}/PROMPT.md + empty FINDINGS.md
# 將每個 PROMPT.md 交給後台子代理（Agent 工具，一個更便宜的模型，最多同時三個）；它會寫入 FINDINGS.md
python3 -m rmfit.cli <dir> audit --findings            # 每個 FINDINGS.md 中未驗證的（候選）行
python3 -m rmfit.cli <dir> audit --status data 1 confirmed --note "line 4007 check

…

[為翻譯而截斷]