Model hint: Use model: "sonnet" when spawning subagents for this skill (strategic task: pipeline analysis + SLURM script generation).

다음 단계 생성 (generate-next-step)

목적

현재 파이프라인 위치를 파악하고, 다음 분석 단계에 필요한 SLURM-ready Python 스크립트 + sbatch 파일 + SCP 업로드 명령을 생성합니다.

파이프라인 순서

단계	디렉토리	설명
`prep_trials`	`analysis/prep_trials/`	fMRIPrep 후처리, 이벤트 파일 정리
`phase1`	`analysis/phase1_preprocess_decoding/`	전처리 + 디코딩 (Baseline32)
`phase2_SRM`	`analysis/phase2_SRM_across_between/`	SRM 기반 정렬 + 그룹 비교
`phase2_procrustes`	(phase2 내)	Procrustes 정렬 + CVD-HC 비교
`phase3`	`analysis/phase3_*/`	필터 학습
`future_phase1`	`analysis/future_phase1_hyperalignment/`	HC 공통 공간 (SRQ2)
`future_phase2`	`analysis/future_phase2_forward_model/`	360° hue 인코더 (SRQ3)
`future_phase3`	`analysis/future_phase3_filter_optimization/`	CVD 필터 최적화 (SRQ4)

동작 순서

•현재 위치 파악: analysis/ 내 각 phase 디렉토리의 결과 확인
•다음 단계 결정: 결과가 없거나 미완성인 다음 phase 선택
•Python 스크립트 생성: 분석 로직 + settings.json/results.json 저장
•sbatch 파일 생성: SLURM 규칙 준수
•SCP 명령 생성: 서버 업로드용 (node3 경로)
•실행 방법 안내: 서버에서의 sbatch 제출 명령

sbatch 템플릿 (CRITICAL - 반드시 준수)

CPU 작업 (node2)

bash

#!/bin/bash
#SBATCH --job-name={phase}_{description}
#SBATCH --qos=shared
#SBATCH --nodelist=node2
#SBATCH --cpus-per-task=4
#SBATCH --mem=16G
#SBATCH --time=04:00:00
#SBATCH --output=logs/%x_%j.out
#SBATCH --error=logs/%x_%j.err

# Array job (if needed)
#SBATCH --array=1-10%5

source ~/.bashrc
conda activate nilearn

export PYTHONUNBUFFERED=1

# Subject/ROI arrays
SUBJECTS=(01 02 03 04 05 06 07 08 09 10)
ROIS=(V1 V2 V3 hV4)

# For array jobs
SUB_IDX=$((SLURM_ARRAY_TASK_ID - 1))
SUB=${SUBJECTS[$SUB_IDX]}

echo "=== Starting: sub-${SUB} ==="
echo "Time: $(date)"

python {script_name}.py --sub ${SUB}

EXIT_CODE=$?
echo "=== Finished: sub-${SUB} | Exit: ${EXIT_CODE} ==="
echo "Time: $(date)"

GPU 작업 (node3)

bash

#!/bin/bash
#SBATCH --job-name={phase}_{description}
#SBATCH --qos=shared_interactive
#SBATCH --nodelist=node3
#SBATCH --gres=gpu:1
#SBATCH --cpus-per-task=4
#SBATCH --mem=16G
#SBATCH --time=02:00:00
#SBATCH --output=logs/%x_%j.out
#SBATCH --error=logs/%x_%j.err

source ~/.bashrc
conda activate nilearn

export PYTHONUNBUFFERED=1

SLURM 규칙 (절대 위반 금지)

•node2 (CPU): --qos=shared 필수
•node3 (GPU): --qos=shared_interactive 필수
•절대 금지: --partition= 어떤 값이든 지정 금지
•Conda: source ~/.bashrc && conda activate nilearn
•서버에서 seaborn 사용 금지 → matplotlib만 사용

메모리 안전 공식

code

memory_per_task × max_concurrent ≤ available_memory × 0.8

노드	총 메모리	일반 가용	안전 한도
node2	502GB	~450GB	360GB
node4	514GB	~176GB	140GB

Python 스크립트 규칙

•경로: analysis/utils/output_paths.py 사용하여 출력 경로 생성
•
저장 형식:
- •settings.json: 사용된 파라미터 기록
- •results.json: 결과 요약

•주요 경로:

python

FMRIPREP_OUT = '/storage/connectome/haba6030/fmriprep_out_method3_header_mi'
EVENT_DIR = '/storage/connectome/haba6030/bids_editted'
DERIVATIVES = '/scratch/connectome/haba6030/colorBlind/derivatives'

•피험자 그룹:

python

HC_SUBJECTS = ['sub-01', 'sub-02', 'sub-03', 'sub-04', 'sub-05', 'sub-06', 'sub-07']
CVD_SUBJECTS = ['sub-08', 'sub-09', 'sub-10']
ALL_SUBJECTS = HC_SUBJECTS + CVD_SUBJECTS

SCP 명령 규칙

•서버: haba6030@node3:/scratch/connectome/haba6030/colorBlind/
•같은 목적지 파일은 반드시 하나의 scp로 합침
•와일드카드 (*.py, *.sbatch) 활용
•줄바꿈 없이 한 줄로 작성
•목적지가 다를 때만 별도 scp 사용

bash

# 예시: phase2 파일 업로드
scp analysis/phase2_SRM_across_between/{script.py,run.sbatch} haba6030@node3:/scratch/connectome/haba6030/colorBlind/analysis/phase2_SRM_across_between/

출력 예시

스킬 실행 시 다음 3개를 순서대로 생성:

•Python 스크립트 (analysis/{phase}/{script_name}.py)
•sbatch 파일 (analysis/{phase}/run_{name}.sbatch)
•SCP 명령 (복사-붙여넣기용)
•서버 실행 명령 (sbatch run_{name}.sbatch)
•결과 다운로드 명령 (완료 후)

체크리스트

• --partition= 없는지 확인
• 올바른 --qos= 설정 확인
• source ~/.bashrc && conda activate nilearn 포함
• PYTHONUNBUFFERED=1 설정
• 메모리 공식 만족
• settings.json + results.json 저장 코드 포함
• seaborn 미사용 확인
• SCP 명령 줄바꿈 없음