#!/usr/bin/env python3 # Copyright (C) 2026 Yusuke Oda # SPDX-License-Identifier: AGPL-3.0-only """Report all predeclared DX09 pairs and the mode-specific silence states.""" from pathlib import Path import json import numpy as np import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap ROOT = Path(__file__).resolve().parents[2] CODE = Path(__file__).resolve().parent DATA = CODE / 'results' raw = json.loads((DATA / 'performance.json').read_text()) validation = json.loads((DATA / 'validation.json').read_text()) assert raw['status'] == 'complete' and len(raw['blocks']) == 10 assert len(raw['analysis']['comparisons']) == 6 expected = {row['case_id']: {k: v for k, v in row.items() if k != 'prepared_state_matches_existing_silence'} for row in validation['cases']} timing = {'elapsed_ns', 'ns_per_frame', 'burn_in_ns', 'burn_in_cycles'} for block in raw['blocks']: for run in block['runs']: row = run['measurement'] assert {k: v for k, v in row.items() if k not in timing} == expected[run['job_id']] rows = {run['job_id']: run['measurement'] for run in raw['blocks'][0]['runs']} summaries = raw['analysis']['summaries'] pairs = raw['analysis']['comparisons'] methods = ['peaklog', 'rmsiir', 'gainlinear'] fig, axes = plt.subplots(1, 2, figsize=(11, 4.7), layout='constrained') for ax, precision in zip(axes, ['f64', 'f32']): x = np.arange(3) for index, mode in enumerate(['gradual', 'flush']): group = [summaries[f'{method}-{precision}-{mode}'] for method in methods] ax.bar(x + (index - .5) * .36, [r['mean'] for r in group], .36, yerr=[r['sd'] for r in group], capsize=3, label='gradual underflow' if mode == 'gradual' else 'FTZ + DAZ', color='#b66b38' if mode == 'gradual' else '#277c65') ax.set_xticks(x, methods) ax.set_yscale('log') ax.set(title=precision, ylabel='ns / stereo frame (log scale)') ax.grid(axis='y', alpha=.2) ax.legend() fig.suptitle('DX09: natural 120 s silence tail; mean ± sample SD, 10 blocks\n48 kHz, B256, 4 s audio; ≥3 s real-time burn-in from identical prepared clones') fig.savefig(DATA / 'performance.png', dpi=170) plt.close(fig) names = ['detector[0]', 'detector[1]', 'reduction[0]', 'reduction[1]', 'gain[0]', 'gain[1]', 'mean sum[0]', 'mean sum[1]'] order = [j['id'] for j in raw['plan']['jobs']] codes = {'zero': 0, 'normal': 1, 'subnormal': 2} fig, axes = plt.subplots(1, 2, figsize=(12, 7), layout='constrained') for ax, field in zip(axes, ['prepared_state', 'final_state']): values = [[codes[c] for c in rows[j][field]['classes']] for j in order] ax.imshow(values, aspect='auto', vmin=-.5, vmax=2.5, cmap=ListedColormap(['#eeeeee', '#559f78', '#df8c42'])) ax.set_xticks(range(8), names, rotation=60, ha='right') ax.set_yticks(range(12), order) ax.set_title('After DC 1 s + silence 120 s' if field == 'prepared_state' else 'After another silence 4 s') fig.suptitle('Stored state classification: gray = zero, green = normal, orange = subnormal\nDiagnostics temporarily disable FTZ/DAZ; all timed audio outputs are exactly zero') fig.savefig(DATA / 'state-classes.png', dpi=170) plt.close(fig) def number(x): return 'undefined' if x is None else f'{x:.9g}' statistics = ['# DX09: 全条件と対応統計', '', '単位はns/stereo-frame。各条件10試行。', '', '| case | 平均 | SD | 中央値 | 最小 | 最大 |', '| --- | ---: | ---: | ---: | ---: | ---: |'] for name in order: statistics.append('| ' + name + ' | ' + ' | '.join(number(summaries[name][k]) for k in ['mean', 'sd', 'median', 'min', 'max']) + ' |') statistics += ['', '| 参照→候補 | block数 | 差の平均 / SD / 中央値 / 最小 / 最大 | 個別95%CI | t | df | p | Holm p | Shapiro p | lag1 |', '| --- | ---: | --- | --- | ---: | ---: | ---: | ---: | ---: | ---: |'] for pair in pairs: diff = ' / '.join(number(pair['difference'][k]) for k in ['mean', 'sd', 'median', 'min', 'max']) ci = 'undefined' if pair['ci95'] is None else ' / '.join(map(number, pair['ci95'])) statistics.append('| ' + ' | '.join([pair['reference'] + ' → ' + pair['candidate'], str(pair['blocks']), diff, ci, *[number(pair[k]) for k in ['t', 'df', 'p', 'p_holm', 'shapiro_p', 'lag1']]]) + ' |') (DATA / 'statistics.md').write_text('\n'.join(statistics) + '\n') table = ['| 方式 / 精度 | gradual平均 ns/stereo-frame | FTZ+DAZ平均 ns/stereo-frame | 時間差% | 差95%CI ns/stereo-frame | Holm p |', '| --- | ---: | ---: | ---: | --- | ---: |'] summary = [] for pair in pairs: percent = 100 * pair['difference']['mean'] / pair['before']['mean'] interval = 'undefined' if pair['ci95'] is None else f'[{pair["ci95"][0]:+.6f}, {pair["ci95"][1]:+.6f}]' table.append(f'| {pair["reference"].removesuffix("-gradual")} | {pair["before"]["mean"]:.6f} | {pair["after"]["mean"]:.6f} | {percent:+.3f} | {interval} | {number(pair["p_holm"])} |') summary.append({'reference': pair['reference'], 'candidate': pair['candidate'], 'percent_change': percent, 'subnormal_before': rows[pair['reference']]['prepared_state']['subnormal'], 'subnormal_after': rows[pair['candidate']]['prepared_state']['subnormal'], 'p_holm': pair['p_holm']}) (DATA / 'comparison-summary.json').write_text(json.dumps(summary, indent=2) + '\n') subnormal_pairs = [row for row in summary if any(row['subnormal_before'])] control_pairs = [row for row in summary if not any(row['subnormal_before'])] assert len(subnormal_pairs) == 4 and len(control_pairs) == 2 assert all(row['p_holm'] < .05 and row['percent_change'] < 0 for row in subnormal_pairs) assert all(row['p_holm'] >= .05 for row in control_pairs) reductions = [-row['percent_change'] for row in subnormal_pairs] finding = (f'subnormalが残るPeakLog/RmsIirの4条件では、FTZ+DAZにより平均処理時間が' f'{min(reductions):.1f}〜{max(reductions):.1f}%短縮し、4対ともHolm補正後p<0.05だった。' '通常値で停滞するGainLinearの2条件では有意な差を検出しなかった。') state_table = ['| 条件 | 準備stateのsubnormal項目 | 4秒後も全state fingerprint一致 | state bytes |', '| --- | --- | --- | ---: |'] for name in order: row = rows[name] sub = ', '.join(names[i] for i, x in enumerate(row['prepared_state']['subnormal']) if x) or 'なし' same = row['prepared_state']['state_fingerprint'] == row['final_state']['state_fingerprint'] state_table.append(f'| {name} | {sub} | {same} | {row["state_bytes"]} |') text = '''# DX09: 自然な無音尾部のsubnormalとCPU費用 [調査索引](Effects-2026-11-05) / [Compressor](Effects-Compressor-2026-11-05) / [無音状態の観測](Effects-Dynamics-Silence-2026-11-05) DC1を1秒処理し、その後120秒無入力で進めたCompressorについて、gradual underflowとFTZ+DAZの平均CPU費用を比較した。PeakLog、RmsIir、subnormalを生じなかった対照GainLinearを、f64/f32でそれぞれ比較する。 ## 同じ準備状態から測る 48 kHz、stereo、256frame/call。Threshold−18 dB、Ratio4、Knee6 dB、Attack10 ms、Release100 ms、Makeup0 dB、RMS検出10 ms。RmsIirは左右別検出後のMax、他2方式は瞬時Max。元のSilence処理器をbyte一致でコピーした。 各FP modeで自然到達したstateを準備し、各burn-in周回と本測定を同じ到達stateのcloneから始める。burn-inは実時間3秒以上、本計測は4秒分の無入力。入力slice・可変状態・出力をblack_boxへ渡す。準備・clone・検査・出力集計は本計時外で、全区間出力配列への書込みを含む。 MXCSRは各プロセスで保存・設定し、DSPと状態検査の後、JSON整形前に保存値へ復帰して全bit一致を検査する。FTZ/DAZの制御bitと、その後の算術でも更新され得る例外status bitを区別する。 診断時だけFTZ/DAZを無効にし、保存値を型変換や比較で0と誤認しない。全12条件の準備値・subnormal分類は既存120秒記録と一致し、計時した全出力は±0のbit判定で確認した。state_bytesは処理対象Compressorの所有量で、測定用の準備cloneや観測配列とは分けた。 ## 平均CPU 12条件をブロック内shuffleした10ブロック、間隔5秒、seed2026110609、CPU0。比較は各方式・精度内の6対に固定した。差はFTZ+DAZ−gradual、百分率は対応差平均/参照平均。対応両側t検定・6比較族内Holm補正、95%CIは個別比較の区間である。 ![平均CPU](results/performance.png) ''' + '\n'.join(table) + '\n\n' + finding + ''' [全12条件の平均・SD・中央値・範囲、全6対の差・t・p・区間・補助診断](results/statistics.md)を保存した。差を検出しないことは同等性の証明ではない。cooldownや補助診断は独立性を保証するものではない。 ## 内部状態と適用範囲 ![状態分類](results/state-classes.png) ''' + '\n'.join(state_table) + ''' このCPU比は無入力120秒後の状態に対する結果であり、発音中や音源全体のCPU比へ一般化しない。FTZ+DAZは小さい内部値の扱いを変える。同じ無音出力でも状態が異なり、その後の小入力の応答は[既存の無音後試験](Effects-Dynamics-Silence-2026-11-05)と併読する。GainLinearの通常値での丸め停滞とsubnormalは別の現象である。 状態名の[0]/[1]は保存スロットの添字である。今回の共通gain構成では一部の欄を使用しないため、独立した左右gain処理を表すものではない。 ## 再現資料 [事前計画](Effects-Dynamics-Silence-Performance-Plan-2026-11-06)・[計画JSON](plan.json)・[凍結ソース/binary](frozen-manifest.json)・[実行環境と登録](../../common/dx09-registration.json)・[全120実行](results/performance.json)・[状態照合](results/validation.json)・[独立静的レビュー](../../common/dx09-static-review.json)・[親による統計監査](results/parent-audit.json)。 [再現archive](results/reproduction.tar.gz)・[独立展開監査](results/package-audit.json)・[図表生成](report.py)・[archive監査コード](audit_package.py)・[再現手順](README.md)。 [IntelのFTZ/DAZ説明](https://www.intel.com/content/www/us/en/docs/dpcpp-cpp-compiler/developer-guide-reference/2023-2/set-the-ftz-and-daz-flags.html)に従い、threadの制御値を保存し復帰する。 ''' (CODE / 'RESULTS.md').write_text(text) print(json.dumps({'cases': len(rows), 'pairs': len(pairs), 'metadata_matches_validation': True}))