research: preserve solver experiments and reproducible benchmarks

research/OPTIMIZATION_SUMMARY.md

@@ -0,0 +1,77 @@
+# 阶段结论与部署前摘要
+
+更新日期：2026-10-11。本文汇总当前保留的有意义优化，作为下一阶段部署的交接记录。
+数据来自已有实验记录，本次没有重新运行性能测试。详细测量、基线与复现命令见
+[BENCHMARK.md](BENCHMARK.md)，程序使用方式见 [README.md](README.md)。
+
+## 总体结论
+
+最值得部署的是两个独立入口：**固定坐标反查种子**、**固定种子搜索世界坐标**。
+X/Z 独立筛轴联合搜索路线已移除，历史测量见 [试错报告](XZ_FILTER_TRIAL_REPORT.md)。
+
+全种子 × 全世界搜索仍未解决。现有固定坐标流程仍枚举中间 17 位。
+
+后续独立实验已验证输出差过滤＋区间求交的 CUDA 搜索 kernel 提速约 197～292 倍，
+并实现完整拒绝重抽补扫。65536 随机坐标的同批完整流程吞吐外推全世界仍约 16 年，
+所以仍不建议启动全量目录生成。实验没有替换正式入口，数据和边界见
+[全流程实验报告](experiments/full_search_feasibility/REPORT.md)。
+
+## 1. 固定坐标反查种子：主要算法收益
+
+实现：`slime_pattern_cpp.cpp`、`slime_pattern_cuda.cu`，共享
+`slime_solver_core.hpp`。
+
+- 低 18 位必要条件过滤。已知 5×5 样例保留 84 个 roots。
+- 每个 root 仍枚举中间 17 位，样例合计 11,010,048 个 lower35。
+- 上 13 位使用阈值与模 5 约束解析求解，不逐个枚举 8192 个值。
+- C++ 多线程和 CUDA 均已实现；最终候选执行准确的 Java 验证。
+
+已知样例 CPU 约 0.61 秒；RTX 3060 Laptop 上 CUDA kernel 约 59.6 毫秒，
+包含启动、分配、传输等开销约 0.36 秒。相对旧式 CUDA 暴力扫描，kernel
+约快 86,300 倍，端到端约快 14,300 倍。旧算法完整 `2^48` 耗时是根据
+大规模实测吞吐量外推，并非实际跑完。另有 64 个坐标的 CPU/CUDA 对照实验。
+
+这些结果只属于固定坐标任务，不代表全种子、全世界联合搜索的加速比。
+所谓遍历固定坐标搜索空间，仍受下文拒绝尾部候选覆盖限制。
+
+## 2. 固定种子搜索世界坐标：主要 CUDA 收益
+
+实现：`slime_position_residue_cuda.cu`。
+
+先搜索低位坐标余数对，展开通过的具体坐标，再做精确 Java 验证。
+已知种子实验展开 36,937,048 个具体位置，全流程约 2.5 秒。
+相对直接扫描完整范围的外推时间约快 170 倍；四个种子已有实验记录。
+这是目前坐标侧最值得保留的 CUDA 优化。
+
+## 3. 较小但仍保留的收益
+
+`slime_position_cuda.cu` 的 tiled outer-sum 共享 X/Z 坐标项，减少重复计算。
+67,125,249 个位置的实验中，直接扫描 1.608 毫秒，outer-sum 1.332 毫秒，
+约改善 1.21 倍。它适合作为直接扫描基线，优先级低于余数过滤，不解决全局规模。
+
+## 4. 已停止的路线与边界
+
+X/Z 独立筛轴、坐标类、联合诊断及中间位索引代码已删除，原因与历史验证汇总于
+[X/Z 筛轴试错报告](XZ_FILTER_TRIAL_REPORT.md)。FFT 的独立试验见
+[FFT_EXPERIMENT.md](FFT_EXPERIMENT.md)。
+
+保留求解器仍使用首次输出候选模型，可能漏掉依赖 Java `nextInt(10)` 拒绝后重抽的解。
+最终验证能排除误报，不能恢复漏解，不应称为严格穷尽目录生成器。
+
+## 普通分支后续实验：16 候选成组筛选（2026-10-11）
+
+[实验报告](experiments/normal_search/REPORT.md)：利用中间位异或常量的四个连续零位，
+每根将 131,072 个逐候选筛选改为 8,192 个组 mask。两个独立 65,536 坐标批次
+搜索阶段（含新增预计算）相对上一轮最佳实现加速 6.51× / 6.56×，完整结果一致。
+若仍逐坐标生成低位根，根生成加搜索的 kernel 时间之和仅改善约 1.38×。
+只按搜索吞吐、乐观复用根的全世界外推约 50 天，未实测完整全局调度，未包含补扫。
+独立实验已实现，正式入口未替换。
+
+## 普通分支调度实验：复用坐标类根（2026-10-11）
+
+[批次流程报告](experiments/normal_search/PIPELINE_REPORT.md)：已实现每类生成一次根、
+GPU 展开具体根任务，以及只为有根类构造/传输具体位置。全部展开根列表和命中列表一致。
+512 随机类 / 32768 位置批次相对上一轮逐位置根生成＋成组筛选，从 141.138 ms 降至
+9.586 ms（14.72×），包含分组、展开、必要传输和回传，排除一次初始化。
+全部有根类的压力批次只改善约 1.35×，没有重复类的散点反而慢约 8.9%。
+之前约 50 天外推已假设复用根，不能再乘本轮加速倍数。正式入口仍未替换。