[논문 리뷰] The Compute ICE-AGE: Invariant Compute Envelope under Addressable Graph Evolution

Raymond Jay Martin II|arXiv (Cornell University)|2026. 02. 17.

Parallel Computing and Optimization Techniques인용 수 0

한 줄 요약

이 논문은 프로덕션급 C++ 결정적 의미 상태 서브스트레이트를 제시하며, 지속 그래프에서 국소성 보존의 경계 로컬 변이를 통해 불변의 의미 연속성을 유지하고, Apple Silicon M2급 하드웨어에서 1M–25M 노드에 걸친 실험 결과를 제공합니다.

ABSTRACT

This paper presents empirical results from a production-grade C++ implementation of a deterministic semantic state substrate derived from prior formal work on Bounded Local Generator Classes (Martin, 2026). The system was mathematically specified prior to implementation and realized as a CPU-resident graph engine operating under bounded local state evolution. Contemporary inference-driven AI architectures reconstruct semantic state through probabilistic recomposition, producing compute cost that scales with token volume and context horizon. In contrast, the substrate described here represents semantic continuity as a persistent, addressable memory graph evolved under a time-modulated local operator g(t). Work is bounded by local semantic change Delta s, independent of total memory cardinality M. Empirical measurements on Apple M2-class silicon demonstrate invariant traversal latency (approximately 0.25 to 0.32 ms), stable CPU utilization (approximately 17.2 percent baseline with Delta CPU approximately 0 to 0.2 percent), and no scale-correlated thermal signature across 1M to 25M node regimes under sustained operation. Measured per-node density ranges from approximately 1.3 KB (Float64 baseline) to approximately 687 bytes (compressed Float32 accounting). Under binary memory accounting, this yields a 1.6 billion node capacity projection within a 1 TiB envelope. These results indicate an empirically invariant thermodynamic regime in which scaling is governed by memory capacity rather than inference-bound recomposition. The Compute ICE-AGE is defined as the Invariant Compute Envelope under Addressable Graph Evolution, and the empirical evidence presented demonstrates this regime up to 25M nodes.

연구 동기 및 목표

• 경계 내 로컬 변이 하에서 그래프 기반 상태 서브스트레이트에서 의미 연속성을 보존하는 방법을 연구한다.
• CPU-상주형 지속 의미 그래프 엔진을 로컬성, 지연, 자원 활용 측면에서 평가한다.
• 현대 Apple 하드웨어에서 큰 지속 그래프 크기에 대한 성능과 확장성을 특성화한다.
• 적대적 진입 조건과 페이징 압력하에서의 회복력(강건성)을 평가하여 악화 패턴을 이해한다.

제안 방법

• CPU-상주형 지속 의미 그래프 엔진으로서 결정적 의미 상태 서브스트레이트를 구현한다.
• 국소성 보존 탐색과 경계 로컬 변이를 이용하여 의미 연속성을 진화시킨다.
• 탐색 지연(P50 ~ 0.0014 ms) 및 정상 상태 CPU 활용도(~17.2%)를 측정한다.
• 압축된 Float32 저장(대략 노드당 687바이트) 하에서 지속 가능 용량을 평가하여 전체 노드 용량(~1.6B 노드 in 1 TiB)을 예측한다.
• 확률적 진입 교란, 잘못된 토폴로지 테스트, 단편화된 인접성 및 활성 페이징 실험을 수행하여 재생 무결성과 악화 모드를 연구한다.

실험 결과

연구 질문

• RQ1 경계 로컬 변이 하에서 그래프 기반 상태 서브스트레이트에서 의미 연속성을 점진적으로 보존할 수 있는가?
• RQ2 현대 하드웨어에서 결정적 의미 그래프 엔진의 지연, CPU 활용도 및 메모리 밀도 특성은 무엇인가?
• RQ3 교란, 토폴로지 이슈 및 페이징 압력과 같은 악조건에 시스템이 재생 무결성과 실패 모드 측면에서 어떻게 반응하는가?

주요 결과

• 국소성 제약 탐색은 1M에서 25M 노드 규모까지도 효율적이며(P50 지연 ≈ 0.0014 ms).
• 정상 상태 CPU 활용은 약 17.2%로 지속적 작동 중 규모와 무관한 열 증폭이 측정되지 않는다.
• 압축 Float32 저장하에서의 메모리 밀도는 노드당 약 687바이트로, 1 TiB 용량에서 약 1.6B 노드를 예측한다.
• 악성(적대적) 진입 조건에서도 결정적 재생은 안정적으로 유지되며, 악화는 글로벌 분기 대신 경계된 고아 구조로 국한된다.
• 이 접근법은 경계 로컬 변이를 통한 구조적 보존으로 반복적인 확률 추론을 피한다.