검증의 범위

이 사이트는 AXIOM과 FQNM을 비전공 독자와 기술 검토자가 함께 읽을 수 있는 언어로 옮긴다. 검증 수준이 다른 주장은 한 문장에 함께 두지 않는다.

강하게 말할 수 있는 것

• 현대 AI 인프라의 비용은 연산량뿐 아니라 데이터 이동, 메모리 대역폭, 전력, 냉각, 오케스트레이션에서 함께 발생한다.
• GPU는 규칙적인 조밀한 텐서 계산에 강하다. 그 형식과 결이 다른 계산도 있다.
• AXIOM은 계산 표현과 배치를 바꾸면 하드웨어 적합도도 달라질 수 있음을 보여주는 수학적 프레임워크다.
• FQNM은 보존형 계산을 정수 상태 사이의 이동 구조로 다시 놓는 발상이다. 적절한 극한 조건에서 entropy solution으로의 수렴이 Theorem 2.7로 증명되어 있다.
• 두 접근은 더 많은 하드웨어 이전에 계산의 기본 단위를 다시 묻는다는 점에서 같은 상위 질문으로 묶인다.

조심해서 말해야 하는 것

• AXIOM이 모든 AI 모델을 일정 배수로 빠르게 만든다는 표현은 피한다.
• FQNM이 모든 PDE나 모든 수치해석을 대체한다는 표현은 피한다. 현재 다뤄진 영역은 monotone split flux를 갖는 스칼라 보존 법칙이며, 타원 방정식·projection 기반 문제는 별도 구성이 필요하다 (논문 §2.5).
• CPU가 GPU를 대체한다는 승패 구도는 피한다.
• GPU가 사라진다는 식의 표현은 피한다.
• 에너지 절감, 메모리 절감, 재현성 개선은 적용 조건과 구현 범위를 함께 붙여 말한다.

추가 검증이 필요한 것

• AXIOM의 실제 end-to-end 성능 이득이 어떤 문제군과 구현 조건에서 반복되는지.
• CPU, GPU, 표준 라이브러리, 전용 커널 사이의 공정한 benchmark 기준.
• FQNM의 정수 이동 구조가 어떤 방정식·격자·시간 조건에서 안정성과 정확도를 보이는지 — Burgers·Sod tube 외 영역.
• 전력과 발열 측면의 이득이 단순 연산 비용 감소를 넘어 시스템 전체에서 어떻게 나타나는지.
• 대중용 설명에서 쓰는 비유가 논문 claim을 넘어가지 않는지.

현재 공개본의 원칙

공개본은 기술의 방향과 질문을 선명하게 보여주는 글이다. 기술 검증 문서는 별도로 만든다.

이 사이트는 AXIOM과 FQNM을 계산의 구조를 직접 실행하려는 새로운 기본 단위 후보로 소개한다.