[ishida-hisashi]

量研機構の石田です。
現在、富岳でGENESISを流しているのですが、ときどきspdynが落ちるようです。
エラーがないときもあるのですが（よくわかりません。）
jwe0019i-u the program was terminated abnormally with signal number SIGBUS.
signal identifier = BUS_ADRERR, non-existent physical address
なるエラーが出ていることもあります。
対処の方法がありましたら、教えてください。よろしくお願いいたします。

[ckobayashi]

GENESIS 開発チーム、小林です。

他の要因もあるかと思いますが、一番に考えるべきはメモリ不足ではないかと思います。

ジョブスクリプトに”#PJM -S”をつけて実行すると、スクリプト名.$(jobid).statsというスタッツファイルが作成されます。このファイルは、非常に有用なものです。
メモリ不足で落ちた場合には、”REASON :”の行に”LIMIT OVER MEMORY”と記載されています。また、”MAX MEMORY SIZE (USE)”行に実際に使われたメモリの量が記載されています。

メモリ不足の場合は、ノード数を増やすのが現実的な対処法かと思います。もし、メモリ量が十分に少なく、REASONの行に”-“が記されている場合は、またご連絡いただきますようお願いいたします。

[ishida-hisashi]

エラーを起こした実行でのstatsファイルでは
REASONには何も書いてありませんでした。
MAX MEMORY SIZE (USE) : 4678.8 MiB (4903927808)
でした。
同じようなMD計算で正常終了したものでは、
MAX MEMORY SIZE (USE) : 3463.9 MiB (3632136192)
でした。ご指摘のようにメモリ不足の問題がありそうです。

[ckobayashi]

小林です。

ご回答ありがとうございます。

富岳のメモリはもっと大きいので、「その他の原因」かと思います。

いただいた情報では判断が難しいです。

確認点としては、

MD中途で落ちているようでしたら、エネルギーや温度などが以上に上昇（下降）していたりしていないでしょうか？

再度同じ計算を行った場合にも同様の問題がおきますでしょうか？

[ishida-hisashi]

MDの途中で落ちました。INFO:を見ても、エネルギーや温度など、問題はないように見えます。

エラーの再現性については、良い例（少ないステップでエラーが出る）があれば、再度ご相談させていただきたいと思います。

[ckobayashi]

ご連絡ありがとうございます。

100ステップ以内にエラーが生じるような例をご提示いただけると、いろいろ検証ができるのではないかと思います。またよろしくお願いいたします。

[ishida-hisashi]

100ステップではないのですが、エラーは再現されました。

1回目は、3,519,500 stepでジョブ終了、ジョブ番号.errには
[WARN] PLE 0610 plexec The process terminated with the signal.(rank=100)(nid=0x2a49000e)(sig=9)

total num: 0+
total size: 0+
error:
<detail}

2回目は、3,512,500 stepでジョブ終了、ジョブ番号.errには
[WARN] PLE 0610 plexec The process terminated with the signal.(rank=58)(nid=0x284d0004)(sig=9)

total num: 0+
total size: 0+
error:
<detail}

となりました。一応ご報告まで。