修改脚本结构MOE

configs/default.yaml

@@ -1,70 +1,39 @@
-# 默认配置：MZM MLP 多输出回归基线
-# 将数据 txt 放到 data/ 下并修改 data_path，或保持路径指向你的文件
+# 默认配置：MZM MoE PINN（按 notebook 迁移）
 
 data_path: data/dataset.txt
+best_hyperparams_path: best_hyperparams.json
 
-split_ratios: [0.7, 0.15, 0.15]  # train, val, test；可改为 [0.8, 0.1, 0.1]
-random_seed: 42
-# 切分策略：按 8 维输入分组，避免“同输入异输出”跨集合泄漏；再按目标分桶近似分层
-split_mode: grouped_stratified  # grouped_stratified | random
-split_stratify_target: V_pi
-split_stratify_bins: 10
-
-remove_duplicate_rows: true
-
-# 异常值处理策略：none | iqr | zscore | quantile_clip
-# 默认仅报告极端值，不删除；物理上不可信的 V_pi 由下方区间门控剔除
-outlier_strategy: none
-# 启用非 none 策略时，在训练子集上拟合阈值；iqr/zscore 仅删训练集离群行；quantile_clip 按训练分位数 winsorize
-outlier_apply_to: targets  # targets | all
-outlier_config:
-  iqr_k: 1.5
-  zscore_threshold: 4.0
-  quantile_lower: 0.001
-  quantile_upper: 0.999
-
-# 以 txt 第 11 列（列名 V_pi）为物理门控：仅保留闭区间 [v_pi_min, v_pi_max] 内样本
-filter_v_pi_range: true
-v_pi_min: 0.0
-v_pi_max: 500.0
-
-# 在区间过滤之后，是否再剔除 V_pi<=0；若需保留 V_pi=0（仍在 [0,500] 内），请设为 false
-remove_nonpositive_vpi: false
+data:
+  test_size: 0.1
+  random_state: 123
+  filter_v_pi_max: 500.0
 
 model:
   input_dim: 8
-  hidden_dims: [200, 300, 350, 300, 200]
   output_dim: 3
-  batchnorm: false
-  # 温和 dropout，实测略优于全 0（见 results/run_20260419_163305）
-  dropout: 0.05
-  residual: false
+  hidden_dims: [64, 128, 64]
+  n_experts: 60
+  gating_hidden: 8
+  dropout_rate: 0.0
+  use_bn: true
+  activation: relu
 
 optimizer:
-  name: adamw
   lr: 0.001
-  weight_decay: 0.0001
-
-scheduler:
-  type: cosine  # cosine | plateau
-  plateau_factor: 0.5
-  plateau_patience: 10
-  plateau_min_lr: 1.0e-6
+  weight_decay: 0.05
+  betas: [0.9, 0.999]
 
 training:
   batch_size: 128
-  epochs: 300
-  early_stopping_patience: 30
+  epochs: 100
   num_workers: 0
 
-loss:
-  type: huber  # huber | weighted_mse
-  huber_delta: 1.0
-  # BW_3dB, IL, V_pi；略加重 V_pi 以小幅提升其测试 R²
-  target_weights: [1.0, 1.0, 1.2]
+# 默认会先从 best_hyperparams.json 读取这些系数，再用此处显式值覆盖
+physics:
+  lambda_bw_mon: 0.0
+  lambda_IL_mon: 0.3
+  lambda_vpiL: 0.005
+  lambda_smooth: 0.1
 
-# 总输出目录；每次训练会在其下创建 run_时间戳/
 output_dir: results
-
-# 评估/推理时若未指定 run_dir，可填最近一次 run 的路径（可选）
 last_run_dir: null