问题描述
以 al28h1s-ta015-3co 为例，ABINIT 8.6.3 的 SCF 已在第 27 步收敛（toldfe 1.0d-6），stress tensor 也正常输出，但此后计算卡住约 12 小时，无任何新的输出写入 cohp.out 或 cohp.log。
关键观察：
| 指标 | 状态 |
|---|---|
| Job 25035616 | 运行中（3 节点 sim[24-26]，72 MPI tasks），已运行 ~29 小时 |
| SCF 收敛 | 第 27 步收敛，最终 $E_\mathrm{tot} = -59.478622$ Ha |
| cohp.out 最后更新 | 2026-05-18 13:53（距发现问题约 12 小时） |
| cohp_oWFK 文件 | 不存在 |
| cohp_o* / cohp_tmp* | 均不存在 |
| error_cohp | 空文件 |
所有 24 个 COHP 计算均使用相同参数，预计均会遇到同样问题。
原因分析
ABINIT SCF 后处理流程
SCF 收敛后，ABINIT 按如下顺序执行后处理：
- 计算力与应力张量（已完成）
- 计算
prtdos（投影态密度，四面体方法） - 写入 WFK 波函数文件（
prtwf 1）
瓶颈定位：prtdos 3
原始 cohp.in 中设置了 prtdos 3（atom-projected partial DOS，四面体方法）。该计算的复杂度与以下因素成正比：
| 参数 | 本体系取值 | 说明 |
|---|---|---|
| k-point 数 | 72（$6\times6\times2$，kptopt 3 全 BZ 无对称性约简） | LOBSTER 要求 |
| nband | 100 | |
| 原子数 | 29（28 Al + 1 吸附原子） | |
| PAW projectors | Al: lmn_size=8, H: lmn_size=5 | |
| 平面波数/k-point | ~66,292 | |
| WFK 预估大小 | ~7.3 GB | ABINIT 输出 |
prtdos 3 需要将所有 $72 \times 100 = 7200$ 个波函数投影到每个原子的 PAW 部分波上，计算量为 $O(n_\mathrm{kpt} \times n_\mathrm{band} \times n_\mathrm{atom} \times n_\mathrm{pw})$。
与 LOBSTER 官方示例的对比
LOBSTER 5 附带的 ABINIT 示例（util/lobster-5/ABINIT/）中 prtdos 的用法：
| 示例 | 原子数 | k-point 网格 | nband | prtdos |
|---|---|---|---|---|
| diamond | 2 | $7\times7\times7$ | 8 | 3 |
| gaas | 2 | $7\times7\times7$ | 13 | 3 |
| ti | 2 | $7\times7\times3$ | 20 | 3 |
| FeNi3 | 4 | $5\times5\times5$ | 60 | 3 |
| carbon-nanotube | 32 | $1\times1\times9$ | 128 | 1 |
| fullerene | 60 | $1\times1\times1$ | 240 | 1 |
规律：小体系（2--4 原子）使用 prtdos 3；大体系（32--60 原子）改用 prtdos 1（total DOS）。本计算的 29 原子 + 72 k-point 组合远超示例中使用 prtdos 3 的体系规模。
核心结论
LOBSTER 不需要 ABINIT 的 DOS 输出。 LOBSTER 从 WFK 文件独立计算 COHP/COOP/DOS。prtdos 设置纯属 ABINIT 侧的附加计算，对 LOBSTER 工作流无任何贡献，却造成了严重的性能瓶颈。
MPI 死锁的可能性
除 prtdos 3 计算量过大外，12 小时完全无输出也符合 MPI 死锁的特征。
MPI 死锁是指多个 MPI 进程互相等待对方发送/接收数据，所有进程均阻塞在通信调用上，程序永远无法继续。典型情况如两个进程都先调用阻塞式 MPI_Recv 等待对方数据，而各自的 MPI_Send 排在 Recv 之后，导致谁都无法先发送。
本计算存在以下触发 MPI 死锁的风险因素：
-
跨节点通信：任务使用 3 个节点（sim[24-26]）、72 个 MPI 进程。节点内通信走共享内存，稳定且快速；跨节点通信走网络（InfiniBand/以太网），网络瞬时抖动或某节点响应延迟可能触发边界条件 bug。
-
ABINIT 8.6.3 版本较老（2018 年发布）。老版本中集体通信（
MPI_Allreduce、MPI_Alltoall等）的实现在特定进程数/节点组合下可能存在 bug，这类问题通常在后续版本中逐步修复。 -
post-SCF 并行路径测试不足：SCF 循环是 ABINIT 中最成熟、测试最充分的并行代码路径。而
prtdos 3（投影态密度）属于相对冷门的后处理功能，并行化程度和测试覆盖率均不如 SCF，更容易出现通信逻辑 bug。 -
现象吻合：Job 状态为
R（进程存活），但 12 小时内无任何输出，也未产生任何文件。若仅是计算缓慢，应仍有零星 I/O 活动；完全静默更像是所有进程均阻塞在某个通信调用上。
由于无法 SSH 到计算节点检查进程状态（如通过 strace 确认系统调用是否卡在 poll/recv），无法最终确认是计算缓慢还是死锁。但无论哪种情况，去掉 prtdos 3 都能同时消除这两个风险。
修复措施
取消所有任务
scancel -u w.zhengqing共取消 24 个任务（11 个运行中 + 13 个排队中）。
修改输入参数
对所有 24 个 cohp.in 执行以下修改：
| 参数 | 修改前 | 修改后 | 原因 |
|---|---|---|---|
prtdos | 3 | 0 | LOBSTER 不需要，消除 post-SCF 瓶颈 |
nstep | 100 | 200 | 提高 SCF 收敛余量 |
修改后的输出控制段：
prtdos 0
prtden 0
prtwf 1清理输出文件
删除所有 calc 子目录中的输出文件（共 102 个），每个目录仅保留 4 个输入文件：
cohp.in--- ABINIT 输入cohp.files--- ABINIT 文件列表lobsterin--- LOBSTER 输入mainsim-cohp.sh--- SLURM 提交脚本
预期效果
修改后，SCF 收敛后 ABINIT 将跳过 prtdos 计算，直接写入 WFK 文件（~7.3 GB）后正常退出。后续由 LOBSTER 读取 WFK 完成 COHP 分析。
References
-
Gonze, X., et al. "The ABINIT project: Impact, environment and recent developments." Computer Physics Communications, vol. 248, 2020, p. 107042. link
-
Nelson, R., et al. "LOBSTER: Local orbital projections, atomic charges, and chemical-bonding analysis from projector-augmented-wave-based density-functional theory." Journal of Computational Chemistry, vol. 41, no. 21, 2020, pp. 1931--1940. link