Phase F.1 emit_pairs_simd + f16 forward gate flip — audit Tier 1 仮説 falsified、現規模で net regression / no improvement

audit (p1-axis1-metal-opt-audit) で Tier 1 = 「既実装 code の gate flip、-0.7-1.0% wallclock、zero risk」 と分類した 2 候補 (emit_pairs_simd / SPLAT_F16_FORWARD) を Lego 5k smoke (seed=42 固定、~84k splats、premultiplied) で A/B test。両者とも audit 予測の improvement を再現できず、emit_pairs SIMD は total wallclock +4.7% の net regression、f16 forward は variance 圏内。PSNR は許容範囲。今回の data は audit の predictive calibration として価値あり、Tier 2 への適用判断を再考。

1. A/B test 数値 (Lego 5k smoke、seed=42、premultiplied、3 run 同条件)

2. 仮説 falsification 分析

1. emit_pairs_simd: audit theory "1M atomic op → 30k SIMD group atomic = 32× 削減 → -0.7-1.0% wallclock" は overhead 評価が浅かった。SIMD prefix sum (simd_prefix_exclusive_sum) は 32 thread coordination + per-thread offset 計算で固定 overhead、Lego ~84k splats × 10 tile/splat ≈ 1M pair で atomic 削減 benefit が overhead を上回らない。より大規模 workload (>>200k splats、tile_per_splat 高 scene) では逆転の可能性あるが、現在の Phase D 8 scene baseline には適用不可。
2. f16 forward: audit theory "f16 accumulator で bandwidth + tile-local memory 圧迫軽減 → -0.5-1%" は forward 6.1% share の中での測定限界以下。fwd_rasterize 単体で +1.2% (noise) は f16 conversion overhead と相殺、underflow regime (T<6e-5) の数値劣化も観察されず。改修自体は数値安全だが、measurable improvement なし。
3. audit calibration として: SIMD-reduction family の予測は theory-driven で empirical scaling unknown、別 mechanism (CPU-GPU sync 除去 = radix prefix sum) は別途検証要。Tier 2 backward TBDR は同 family の falsification 拡大適用で skip 判断強化、radix prefix sum は CPU 16-pass round-trip 除去という structurally different なので独立検証。

3. PSNR 安全性確認

• emit_pairs_simd: -0.132 dB drift (31.720 → 31.588) — atomic 累積順序の permutation 由来。pair count / sort key 値は不変、rasterize input の splat 順序のみ変化。5k smoke variance 圏内 (±0.1-0.2 dB)、catastrophic regression なし
• f16 forward: +0.075 dB drift (31.720 → 31.795) — f16 accumulator は数値 narrow だが pix_out 累積で十分、underflow regime (T<6e-5) でも practical drift なし。むしろ improve (noise 圏)
• 両者とも PSNR 安全、M5 baseline (8 scene mean 33.49 dB) を脅かさない。再活性化判断は wallclock 効果次第、現在は両者とも default false 維持

4. 教訓 / 卒論 narrative

• audit 段階の theoretical reasoning は empirical scaling validation が必須 — Sonnet Explore subagent の予測は機構分析として正しいが定量的予測は overestimate しがち (Phase E refine GPU 化、target_upload cache、本 F.1 で 3 度目)
• total wallclock が最も signal-rich metric — per-kernel timing は run-to-run noise 大きく (6.5% baseline 変動)、share data も比例して noisy。multi-kernel total での比較が変動小さく judgment 信頼可能
• 「既実装 code の gate flip」は zero risk ではない — code が存在しても enable 状態で別 trade-off が顕在化、A/B 検証なしの flag flip は false-positive optimization の温床
• §5.4 negative findings 章追加候補: 「audit theoretical predictions vs empirical measurements — Phase E refine / Phase F emit_simd / Phase F f16 fwd の 3 連続 falsification と calibration data」を方法論 paragraph として

5. 次のアクション (advisor 助言反映)

1. Tier 2 radix GPU prefix sum: 別 mechanism (CPU-GPU sync 16-pass 除去) で再評価対象。audit 予測 -0.5-0.8% は conservative かもしれず (16 × wait_until_completed × 50-200µs = 0.8-3.2ms/iter on 22ms iter = potentially 3-14%)。subagent worktree で 4-5h 実装、empirical 検証
2. Tier 2 backward TBDR: skip — SIMD-reduction 同 family の falsification 拡大適用、6-8h + MED-HIGH PSNR risk は poor bet given today's calibration
3. Tier 3 SSIM kernel fusion: eval-only kernel で training 直接寄与なし、卒論 narrative のみ。優先度低
4. 並行価値タスク: §5.4 negative findings 章への本 falsification data 統合 (H.4/H.5 polishing)、Phase E + 本 F の 2 連続 audit-vs-empirical 比較 paragraph 追加

6. 関連

• audit baseline: p1-axis1-metal-opt-audit (5 候補 + Tier 分類)
• 本 F.1 で再評価対象とした profile: p1-profiling-clean
• 同 negative pattern (audit theory 予測 → empirical 棄却): p1-e-refine-gpu-smoke (refine GPU 化 5x 予測 → 実測 0.2%)、p1-axis1-target-cache (5.5% 予測 → 0.23% async overlap で 1/25)、a-6-f16-packed-rebench (-50% bandwidth 予測 → 実 -1%)
• Phase D baseline (M5 達成): p1-d-multi-scene-rechain
• 卒論統合候補 chapter: chapter-5-4-negative-findings (axis 1 audit predictions section)

この finding が観測された / 言及している実験 run。

• lego-phase-f1-baseline-5kPhase F.1 baseline (use_simd_emit=false) re-take for A/BPSNR 31.63 dBWallclock 1m 52sverdict partial
• lego-phase-f1-emit-simd-5kPhase F.1 emit_pairs_simd gate flip 5k smoke (clean baseline 比較用)PSNR 31.59 dBWallclock 1m 57sverdict partial
• lego-phase-f2-f16-fwd-5kPhase F.2 f16 forward kernel A/B test 5k smokePSNR 31.80 dBWallclock 1m 54sverdict partial

• negativeA.6 再評価 (Phase D 文脈) — feat.G f16 packed の ROI 上限 ~3.3%、M5 gate margin 0.11 dB と PSNR drift リスクが干渉、再着手非推奨2026-05-25
• positiveP1 axis 1 Metal 最適化候補 audit — 5 候補 + 既実装 gate flip 機会、Tier 1 -1.0% wallclock 即時 actionable2026-05-25
• negativeP1.E refine GPU 化 hypothesis を SPLAT_TIMING profile で falsified — refine 寄与は <1%、真の bottleneck は forward 60% + loss 28%2026-05-25
• neutralP1 clean single-process profile baseline — radix_sort 27% → 13.6%、emit_pairs 6.5% → 14.2% の share 大幅 shift、axis 1 真の ROI 上限確定2026-05-25