Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[BUG] Charge/spin-conditioned DPA4 breaks ragged multi-frame graph batches

Đang mở
  • Có gì không ổn?
#5,992 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 4 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
3/5
Thời gian dự kiến
1-2 ngày
Mức phù hợp với người mới
68/100
Loại issue
Lỗi
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
python, pytorch
Lĩnh vực
machine-learning

Hướng nghiên cứu

Bắt đầu với deepmd/pt_expt/descriptor/dpa4.py, lần theo call_graph(), _run_graph() và _apply_charge_spin_embedding(); so sánh cách xử lý của chúng với DPA4C và frame_id_from_n_node(). Bổ sung coverage ở cấp descriptor và model bằng reproduction ragged, đồng thời so sánh batch ragged với các lời gọi độc lập cho từng frame để xác minh rằng các điều kiện vẫn được căn chỉnh khi số lượng node không bằng nhau.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

bug
Summary

Charge/spin-conditioned DPA4 assumes every frame in a flat graph batch has the same node count. It crashes for a genuinely ragged batch and can attach frame conditions to the wrong nodes for other unequal-count batches.

NeighborGraph defines a flat node axis with N = sum(n_node), and the public EnergyModel.forward_ragged() accepts arbitrary per-frame n_node together with (nf, 2) charge_spin. This reproduces on origin/master at 8cfd46e37448.

Reproduction
import torch

from deepmd.dpmodel.utils.neighbor_graph import NeighborGraph
from deepmd.pt_expt.descriptor.dpa4 import DescrptDPA4

d = DescrptDPA4(
    ntypes=1,
    sel=2,
    rcut=3.0,
    channels=4,
    n_radial=2,
    lmax=0,
    kmax=0,
    n_blocks=0,
    use_env_seed=False,
    random_gamma=False,
    add_chg_spin_ebd=True,
    precision="float64",
    seed=1,
).eval()

graph = NeighborGraph(
    n_node=torch.tensor([1, 2], dtype=torch.int64),
    edge_index=torch.zeros((2, 2), dtype=torch.int64),
    edge_vec=torch.zeros((2, 3), dtype=torch.float64),
    edge_mask=torch.zeros((2,), dtype=torch.bool),
)

d.call_graph(
    graph,
    torch.zeros((3,), dtype=torch.int64),
    charge_spin=torch.tensor([[0.0, 1.0], [1.0, 2.0]], dtype=torch.float64),
)

Actual result:

deepmd/dpmodel/descriptor/dpa4.py:1972
RuntimeError: shape '[3, 4]' is invalid for input of size 8
Cause

call_graph() reduces the graph to scalar nf; _run_graph() then passes nloc=n_out_nodes // nf; _apply_charge_spin_embedding() broadcasts every frame condition to that uniform width and reshapes it onto the flat node axis.

For n_node=[1, 2], this creates only two condition rows for three nodes. If the total happens to be divisible by nf, unequal frame counts can instead silently assign conditions to the wrong nodes.

Suggested fix

Gather the per-frame condition with frame_id_from_n_node(graph.n_node, n_total=atype.shape[0]), as DPA4C does, and compare a ragged batch against independent single-frame calls in descriptor- and model-level tests.

Related to the currently unreachable production ragged builders tracked in #5938, but this is a separate consumer correctness failure in the public ragged API.

Coding agent: Codex
Codex version: codex-cli 0.149.0
Model: gpt-5.6-sol
Reasoning effort: xhigh

Ngôn ngữ chính
Python
Star
2.1k
Fork
654
Merge trung bình
3 ngày 10 giờ
Pull request đã merge (30 ngày)
13

Chuẩn bị môi trường

Mở trong Codespaces

Khởi chạy dev container của dự án ngay trên trình duyệt, bằng tài khoản GitHub của bạn.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của deepmodeling/deepmd-kit

Tất cả issue của deepmodeling/deepmd-kit

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.