结果解读与诊断¶
每次求解都写出 report.json;用 --log FILE 还会得到逐事件的 JSON-lines 日志。这一页说明先看什么、证书的各种
状态是什么意思、遇到常见现象时怎么处置。字段的完整定义见配置与输出格式 §3。
先看三件事¶
- 退出码或
success:0 /true表示每个特征对的后向误差都不超过tol,且完备性证书(适用时)通过。 1 /false表示求解完成但有未达标之处,结果文件照常写出。2 表示错误,见标准错误中的错误码。 certificate:结果是否被证明完整,以及用什么方法证明(下一节)。pairs[].backward_error:每个特征对的后向误差 η,accepted表示是否达标。
python - <<'EOF'
import json
r = json.load(open("out/report.json"))
c = r["certificate"]
print("success:", r["success"], " problem:", r["problem"], " n =", r["n"])
print("max backward error:", max(p["backward_error"] for p in r["pairs"]))
print("certificate:", c["method"], "passed" if c["passed"] else "NOT passed",
"rigorous" if c["rigorous"] else "", "P(fail) <=", c["failure_probability"])
print(c["statement"])
for w in r["warnings"]:
print("warning:", w)
EOF
证书的各种状态¶
method |
passed |
含义 | 该怎么做 |
|---|---|---|---|
exact |
true | 窗口两端的双精度 Sylvester 计数与找到的个数相等:窗口内的特征值一个不漏(failure_probability = 0) |
无 |
exact_single |
true | 单精度计数在单精度 LDLᵀ 后向误差界的假定下证明完整(规则带 10 倍余量;计数与 σ 处的精确计数矛盾时先以双精度复核) | 无;需要只依赖双精度假定的证明时用 --certificate exact |
randomized |
true | 随机排除检验通过:漏掉声称半径内特征值的概率不超过 failure_probability(默认 ≤ 1e-12) |
无;需要确定性证明时用 --certificate exact |
none |
false | 未做检验:B 不定(GHIEP,Sylvester 惯性不能计数,note 写明「证书不可用」),或配置关闭了证书 |
GHIEP 无法认证;关闭时 success 只代表残差达标 |
| 任意 | false,note 以 not completed 开头 |
证书的计数分解失败(通常是内存不足),已收敛的对照常返回但未经认证,success = false |
提高 --memory-budget-gb,或改用 --certificate auto;statement 写明原因 |
exact |
false,计数与找到数不等 | 收缩重跑之后仍缺对(极少见) | 看事件日志中的 certificate 与 rescue 事件;请按 Bug 模板报告 |
区间与两端目标的证书由每一片的计数组成,slices[] 中逐片列出窗口、位移、要求数 count_inertia、找到数
count_found 与是否通过。
时间花在哪里¶
报告中五个互斥阶段的时间之和等于 time_total_s(只计求解,不含读矩阵与写结果):
| 字段 | 内容 | 偏大时 |
|---|---|---|
time_setup_s |
输入检查、范数估计、问题类型判定、规划 | 罕见;看 warnings |
time_factor_s |
全部符号分析(含排序)与数值分解 | 三维大问题的常态;对比 factor_stats 中的排序与 flops,多核与多 socket 会有帮助 |
time_iterate_s |
Krylov 迭代:回代、正交化、重启 | 需求 k 很大、谱很密;尝试更合适的 σ 或区间目标 |
time_verify_s |
Rayleigh–Ritz、残差、修正、选择 | 有特征对需要残差修正;看 pairs |
time_certificate_s |
完备性检验(计数分解或随机检验) | 约为一到两次分解的时间;--certificate auto 会在能认证的方法中选最便宜的 |
peak_rss_bytes 是峰值常驻内存;memory 对象记录本次的内存预算及其来源,factor_options.out_of_core 表示因子
是否放在外存。
常见现象与处置¶
| 现象 | 原因 | 处置 |
|---|---|---|
| 返回一串接近 0 的特征值 | 非物理零模:curl-curl 离散的梯度零空间、低频击穿 | --zero-filter-tol 1e-8(按需调整)由惯性计数切掉零带;波导(GHIEP)的节点零空间自动排除,不需要设置 |
| σ 恰好落在谐振频率上 | K(σ) 奇异 | 自动处理:σ 微扰一次;σ 落在密集簇中时在原位分解。warnings 中有记录 |
| 区间内特征值很多、内存紧张 | 输出 n × m 与工作集 | 谱切片自动分片;--slice-size 可以压低每片个数 |
错误 out_of_memory_budget |
预测的分解内存超过预算(尚未分配) | 提高 --memory-budget-gb,或 --precision auto;报错信息给出估计值 |
错误 not_hermitian |
矩阵不厄密(例如复对称的 PML) | 检查装配;hsolve 不求解非厄密问题(见路线图的「不做什么」) |
错误 unsupported |
B 不定时请求了区间或两端目标 | 改用若干个 σ 的「最近 k 个」目标 |
| 证书多次收缩重跑、迭代时间长 | 目标窗口边缘有重特征值或密集簇 | 正常现象:证书正在补齐副本;slices[].reruns 与日志的 certificate 事件记录了每一轮 |
事件日志¶
--log events.jsonl 每行一个 JSON 对象:事件名、自开始以来的秒数 t、当时与峰值的常驻内存(rss_mb、peak_rss_mb)及事件自己的字段。定位问题时常看的事件:
| 事件 | 内容 |
|---|---|
problem、b_inertia、b_proof |
问题类型与 B 的正定性如何判定 |
ordering、analysis、factorization |
排序决策、符号分析与每次数值分解的统计 |
memory_plan、memory_replan、precision_choice |
内存规划与精度选择 |
krylov_schur、lanczos、block_size_fit |
每次 Krylov 运行的块宽、重启与收敛 |
certificate_choice、certificate、count、randomized_check |
证书方法的选择、每一轮的计数与结论 |
slicing_model、slice、slices |
谱切片的规划与每一片 |
rescue、singular_shift、zero_cluster |
残差修正、奇异位移与零簇处理 |
独立复核¶
hsolve 的结论可以不依赖求解器自己的报告来复核。最简单的是用 SciPy 重算残差:
import numpy as np, scipy.sparse as sp
A = sp.load_npz("A.npz"); B = sp.load_npz("B.npz")
lam = np.load("out/eigenvalues.npy"); X = np.load("out/eigenvectors.npy")
R = A @ X - (B @ X) * lam
print(np.linalg.norm(R, axis=0) / (np.abs(lam) * np.linalg.norm(B @ X, axis=0))) # 相对残差
仓库中的独立评测器 tools/eval 做得更完整:由原矩阵与返回的向量重算后向误差、特征值误差、与参考解的子空间
夹角,并按参考谱判断有没有漏解或虚报成功,见评测方法。