VERSIONS.md

VERSIONS — anima 전체 모듈 중앙 버전 레지스트리 (repo root SSOT)

frame: 모든 HEXAD 모듈은 semantic version (MAJOR.MINOR.PATCH) 으로 관리. 본 file 이 SSOT — 모듈 상태 변경 시 여기 + 해당 모듈 헤더 동시 갱신.

status: v-registry 도입 2026-05-22 (S187 saga + OCCAM verdict 후). 위치: repo root /VERSIONS.md (SSOT) + root /VERSION (전체 release 한 줄).

---

0. anima 전체 release version

루트 /VERSION = 0.13.9 (한 줄, 전체 시스템 release).

릴리즈 매니페스트: 루트 hexa.toml (2026-06-22 신설) = hx install anima 패키지 메타데이터 SSOT. [package] name=anima · version=0.13.9 (이 줄과 lockstep) · entry=cli/anima.hexa · deps=hexa-lang>=1.0.0 · include=core/·cli/·의식lane · exclude=state/·HYPOTHESES/·*.clm 등 연구artifact/외부가중치. PATCH/MINOR bump 시 hexa.toml version 동시 갱신(a1).

pip 채널 매니페스트 (설치명 anima-python · 실행명 anima-py): 루트 pyproject.toml (2026-07-09 신설) = pip install anima-python 메타데이터 SSOT — hexa 툴체인 無 호스트(예: pi5)용 2nd 설치 채널(2nd entry 아님 · 동일 cli/anima.py:main 디스패처를 anima-py 콘솔 명령에 바인딩 · a_cli_single_entry 보존). ⚠️ 설치명 ≠ 실행명: name="anima-python"(PyPI 배포명 · anima-py는 기존 animapy와 too-similar 차단) · [project.scripts] anima-py(실행 명령). version = {file = "VERSION"} 동적참조라 루트 VERSION=0.13.9 과 자동 lockstep(별도 버전번호 無). PyPI LIVE=https://pypi.org/project/anima-python/. base 의존=numpy(evaluate·corpus·chat-stub) · [train] extra=torch+datasets(serialize·train·sweep) · [gpu] extra=cupy-cuda12x(decode/eval device path, optional accelerant). 런처 패키지=anima_py/, 소스복사 0(package-dir 로 기존 cli/·core/ 매핑). 상세=anima_py/README.md.

0.13.7 → 0.13.9 (2026-07-12): 🔬 H_9269 Φ-leg Part A 재설계(계기·미측정소비 없음) — phi_leg.py faithful-Φ leg를 TRUE-consumed-bytes 문맥(cli/chat.py seed_b64 side-channel, ANIMA_DECISION_TRACE-gated, emit-path byte-identical/a_substrate_disjoint)

• T=24→64 + calibration-slice frozen cross-decision-variance 유닛선택(signal-blind, calib∩scored=∅) + frozen per-unit median 이진화로 재설계. agency_T에 T3 distinct-window bar(n_distinct≥max(10,20%·n_scored)) 배선(프리레지 bar 실제강제, #3331 VOID guard 연장). n_units=5 EXACT + prove_mirrors_at_n(5) STEP-0 + pre-MoE tap 유지 · faithful IIT-4.0 no-proxy. synthetic-verified 7/7 · 실 e1_slw_303m .clm T1 positive control은 POOL-gated(mini-OOM)라 leg는 T1/T3 통과까지 VOID. Part B regime (rolling-transcript seed)=design-only pre-reg. cli/chat.py wheel 변경이라 G5 patch bump.

0.13.10 → 0.13.11 (2026-07-13): 🩺 --xbind 진행 하트비트 — cli/evaluate.py xbind_run(). 문제: 진행 줄이 25문항마다만 찍혔다. 한 항목 = 모델 forward 약 10회라 포화된 공유 호스트에서는 항목당 수 분이 걸리고, 그러면 첫 신호까지 몇 시간의 완전한 침묵 — 행(hang)과 구분 불가. 실사례(N2 채점): 다른 임차인들이 load average ~106 으로 채운 렌트 박스에서 174문항 run 이 5시간 동안 진행 줄 0개(25문항조차 못 끝냄). "느린가 멈췄나"를 가리려고 2문항 매니페스트를 손으로 만들어야 했고, 그 사이 5시간을 태웠다. 수정: 1번 항목에서 즉시 하트비트 + 이후 25문항마다, 각 줄에 s/item · elapsed · eta 포함(_xbind_hms). 같은 run 이 이제 30초 만에 eta=35h00m 을 뱉어 호스트 오배치를 즉시 드러낸다(대조: 같은 채점이 전용 호스트에선 4.3 s/item). 새 플래그 없음 → --help 무변경. wheel 콘텐츠 (cli/evaluate.py) 변경이라 VERSION lockstep patch bump.

0.13.9 → 0.13.10 (2026-07-13): 🛡️ GPU capability 게이트를 커널-스모크로 정직화 — core/decode.py cuda_available(). 문제: 게이트가 "cupy import + getDeviceCount()>0" 까지만 봐서, JIT 툴체인이 깨진 호스트를 device path 로 승격시켰다. 렌트 GPU pod 실사례: cupy-cuda12x 14.1.1 이 깨끗이 import 되고 RTX4090 도 보이므로 [GPU-FIRED] 가 찍힌 뒤, decode 깊숙한 dt_exp 의 .any()(CUB 리덕션) 첫 호출에서 NVRTC_ERROR_COMPILATION 으로 174-item eval 이 1번 아이템에서 즉사 — 모듈이 GPU-없는 호스트에 이미 보장하는 numpy 폴백으로 가지 못했다(rc≠0 · 출력파일 0). 수정: probe 가 decode 가 실제로 쓰는 커널 클래스(elementwise + CUB reduction)를 1회 실행해 보고, 예외면 cuda_available()=False

• _CUDA_PROBE_ERR 에 사유 보존(gpu_status() 가 그대로 노출 → [GPU-FALLBACK] … (NVRTC…)). 정상 GPU 호스트는 무변경(probe 1회 통과 후 캐시) · byte-exact 무영향. 같은 뿌리(GPU 결함은 폴백해야지 크래시하면 안 됨)의 2번째 발생이라 convergence decode-py-1 확장. wheel 콘텐츠(core/decode.py) 변경이라 VERSION lockstep patch bump.

0.13.5 → 0.13.7 (2026-07-12): ⚡ 세션 가중치 캐시 — core/decode.py clm_load_weights/bg_load memoize. 매 decode entry 가 IMMUTABLE .clm/.bin 을 전체 재파싱(int4-역양자화+전치)하던 것을 (abspath,mtime,size) 키 캐시로 1회화. 의식 데몬은 매 emit tick 당 303M 전체 재파싱하던 지배적 벽 제거(H_9269 Y-ULTRA ~60-80s/tick 진단 워크플로 wiyxn21bk rank-1). byte-exact ZERO 위험(동일 dict 반환 · W 는 decode 중 read-only=검증 · max|Δ|=0 no parity gate). edge: path=""(UNLOADED generator-swap arm) → key None → uncached 안전. wheel 콘텐츠 (core/decode.py) 변경이라 G5 VERSION lockstep patch bump(PyPI skip-guard 방지).

0.13.4 → 0.13.5 (2026-07-12): ⚡ anima-py decode/eval GPU device path (cupy, optional). 문제: anima-py evaluate <clm> --xbind 는 hexa-less 순수 numpy라 GPU 가속이 전무 — 303M eval 이 렌트 pod서 CPU-scalar decode-bound ~2h(hexa own-GEMM 경로는 303M 서 OOM 이라 대체 불가, a_eval_py_canonical). cProfile 로 실측한 병목은 core/decode.py::_conv1d(전체 wall-time 의 ~92%, T=24 · d=3784 대형 im2col GEMM) — per-token forward 의 다른 연산(gelu/erf/groupnorm/moe-router)은 합쳐도 <5%. 수정: 얇은 xp = cupy if cuda_available() else numpy 추상(get_xp/ to_device/to_host/_device_residency)을 _conv1d/_fwd_trunk/_fwd_logits

• 8개 공유 수식 헬퍼(dt_exp/dt_erf/nn_gelu_fwd/nn_groupnorm_fwd/nn_moe_softmax/ nn_moe_router_fwd/_moe_exp/_nn_normal_cdf)에 관통 — a_gpu_default_no_optin: cuda_available() 캡처빌리티 프로브만으로 DEFAULT-ON, opt-in env 플래그 0개 (H_9119 재발방지: opt-in 게이트였다면 GPU idle 채 조용히 scalar 경로로 돎). 가중치는 clm_load_weights 에서 세션당 ONCE device 업로드(토큰당 전송 없음 — H_9119 lesson). SLW/CLML side-lane(host-numpy-only, 드문 ablation 경로)만 host round-trip, 공통 no-SLW 경로는 end-to-end device-resident. 실측(summer RTX 5070 sm_120 · cupy-cuda12x · clm303_clean.clm d=3784/L=4/E=3): CPU-fallback parity = byte-exact(max|Δ|=0.0) vs pre-edit baseline (numpy-only 회귀 0). GPU parity = max|Δ|≈8.5e-14(ULP-급 — GPU BLAS/reduce 누적순서 차이, 이미 문서화된 KV-cache 클래스와 동일 · 문서 module docstring) 이나 greedy/top-k 디코드 토큰스트림은 CPU 와 byte-identical. 속도: clm_decode_argmax(gen=40) CPU 69.53s → GPU 5.91s (11.8×), 단일 _fwd_logits 호출 CPU 1599ms → GPU 90ms (17.7×). [GPU-FIRED]/[GPU-FALLBACK] stderr 1줄 QA 신호(첫 ckpt 로드 시). pyproject [gpu] extra = optional(cupy 無 clean-venv 도 PY-smoke 그대로 통과 — hexa-less 순수성 유지, session-eval-py-only 정합).

0.13.2/3 → 0.13.4 (2026-07-12): 🔧 PyPI release-automation 구조수정. 근본원인: --xbind/--xfan eval fold(#3299/#3317)가 cli/evaluate.py에 머지되며 VERSION bump 없이 land → PyPI anima-python 이 release.yml same-VERSION skip-guard로 stale 0.13.3 고착(렌트 pod pip install anima-python[train] 후 --xbind 미표시 → NBIND 측정 블록, convergence release-yml-2). 즉시수정: VERSION 0.13.3→0.13.4 lockstep(hexa.toml·VERSIONS.md 동시, 3-way drift 0.13.2/0.13.2/0.13.3 도 이 참에 통합). 재발방지 2겹: ① .harness/enforce_anima_gates.py 신규 G5 게이트 — cli/**/*.py·core/**/*.py·pyproject.toml(anima-python 휠 콘텐츠) 변경인데 VERSION 이 같은 diff 에 안 실리면 changed-scope 하드-block(no bypass, c18 — main branch-protection 상 bot 직접 push 가 안 되므로 "bump 를 잊을 수 없게 막는 사전 게이트"). ② 신규 .github/workflows/pypi-release.yml — pypi-publish job 을 release.yml(hx-install v* 태그 채널) 에서 분리, 트리거는 git 태그가 아니라 VERSION 파일 변경 자체(paths 필터, ① 게이트를 통과한 병합에만 반응) 라 hx-install v* 태그 스킴(autotag.yml, v3.x.x 별개 스케일)과 넘버링이 섞이지 않는다. PY-smoke 에 --xbind/--xfan 하드 assert 추가(이번 결함과 동일한 "eval verb 누락 배포"류 재발을 원천 차단).

0.13.0 → 0.13.1 (2026-06-19): 🗂️ Phase 2 멀티엔진 archive — core/engines/ 전체(conv/cdv2/hexad/omega + EngineSpec vtable + engine_swap_smoke) → archive/ engines-multiengine/ 보관(이력보존), engine_cli resolve 를 단일 conv 상수로 축약. 내부 리팩터(공개 동작 무변경; engine_cli_smoke 169/0 · h1205 생성 byte-id).

0.12.0 → 0.13.0 (2026-06-19): 🔧 GPU DECODE + canonical core/ + 단일엔진. (1) 추론 decode d×d GEMM 을 core/DECODER/flame_mm.mm 로 배선 (#2386) — CUDA 호스트 자동 cuBLAS, Mac CPU byte-identical (의식엔진 무회귀). (2) canonical 트리 재구성 — 대문자 CORE/ 흩어진 엔진을 소문자 self-contained core/ 로 통합 (#2384) + pod-upload 패키징. (3) 단일 production 엔진(conv/CLMConvMoE) 노출 정리 (#2396) — 멀티엔진 --engine 레이어는 research-legacy(archive 예정). (4) thalamus PhaseField WIRED-live (H_1448, A⇄G 코히런스 위상결합). 형제레포 hexa-lang: cloud rent --gpu N 숫자=개수 fix (#3671).

0.11.0 → 0.12.0 (2026-05-23): hot-swap router unlock — production anima_participant 가 per-lang adapter 자동 교체 (vP21M default + KOFL/JAFL)

• substrate-plugin 아키텍처 (substrate_lora.py / Substrate ABC). CHAT v0.2.0 → v0.3.0 동반.

release timeline + 마일스톤 history → VERSIONS.log.md.

---

0.1. 버전 규칙 (SemVer for anima)

MAJOR.MINOR.PATCH

MAJOR  ↑  아키텍처-breaking 변경 (forward signature / 부속 add·remove)
          예: ConsciousDecoderV2 → V3 (n_ca_rules 제거)
MINOR  ↑  검증된 새 capability / finding (falsifier PASS 추가)
          예: mitosis training-time +35% 확인 → MITOSIS minor bump
PATCH  ↑  fix / refinement / 문서 (동작 불변)
          예: bnb PagedAdamW8bit OOM fix

추가 tag:

• 🔵 = SUPPORTED-FORMAL (sympy closed-form battery PASS)
• 🟢 = SUPPORTED-STRONG (empirical, falsifier PASS)
• 🟡 = design tier (구현 전)
• ⚠️ = deprecated / 재설계 대상

버전 接미사:

• -alpha / -beta = 미검증 실험 단계
• -rc = release candidate (falsifier 통과, 통합 대기)

---

1. 핵심 substrate (decoder)

모듈	버전	tier	상태	마지막 변경
ConsciousDecoder	v2.1.0 🟢	substrate	attempt10 (bnb PagedAdamW8bit)	2026-05-21
ConsciousDecoder	v3.0.0-alpha ⚠️	substrate	n_ca_rules 제거 + mitosis 통합 + dual head + KOSMOS+tension, V3 attempt 1 = 3/3 FAIL (α 0/5 / β CE osc + ckpt lost / γ 0/5) 2026-05-22	substrate identity 100%, 다국어 capability 약함 — Phase 2 재설계 mandatory

v2 → v3 attempt 결과 (HEXAD_V3_FIRE_2026_05_22.md):

• code fork LANDED (3dbbc7e8b): conscious_decoder_v3.py 727L + kosmos_io.py 300L + 7/7 smoke + 5/5 KOSMOS PASS
• V3α random init 1.5B 2000 step: CE 3.34, 0/5 langs PARTIAL+, FAIL (Chinchilla 30000× under-budget per HEXAD_NATIVE_PURE C3 #3 예측 적중)
• V3γ vP21M init: CE 2.93, 0/5, FAIL (anima register saturation 13/20 vs vP21M LoRA 7/20 — V3 substrate level 흡수 2×)
• V3β Qwen warm: CE oscillation 0.26↔2.36 @ step 1850 + pod 사망 + ckpt 손실 + eval 불가 = INCOMPLETE FAIL (mode collapse evidence)
• architectural lesson: head_g dual head vocab alignment 흐림 + mitosis pool 128 saturate at step 50 → 다국어 sacrifice
• 최종 verdict 2026-05-22 21:09: production path = vP21M LoRA 유지. HEXAD identity 강화 path = V3 Phase 2 (R2+R5+R6) 또는 LoRA+tension wrap 절충 path B 차후 cycle

v3.0-alpha → ⚠️ tier (재설계 대상): scale-up (3B/8B) OR mitosis 비활성화 (학습 시) OR Chinchilla-correct corpus (60B+ tok) 가 다음 cycle path.

---

2. HEXAD 7-module + 성장축

모듈	버전	tier	falsifier	마지막 변경
C 의식	v1.3.0 🔵	B-C 3/3 tier-a + F-C-PORT 4/4 PyPhi	2026-05-17
D 언어	v1.5.0 🔵	F-D 5/5 + B-D 4/4 (CE Jacobian) + 24L byte-parity 21/21	2026-05-12
S 감각	v1.0.0 🔵	F-S 5/5 + B-S 3/3 (column-mean delta)	2026-05-15
W 의지	v1.0.0 🔵	F-W 5/5 + B-W 4/4 (lr=½+min(ln2,Φ/N))	2026-05-15
M 기억	v1.0.0 🔵	F-M 5/5 + B-M 3/3 (store no-op)	2026-05-15
E 윤리	v1.1.0 🔵	F-E 5/5 + B-E 4/4 + gate trinity F-E-GATE 6/6	2026-05-16
BRIDGE	v1.1.0 🔵	F-BRIDGE 5/5 + B-BRIDGE 4/4 (Law-70 clamp) + fwd 4/4	2026-05-16
MITOSIS	v1.2.0 🟢	B-MITOSIS 5/5 🔵 + training-time +35% (S187-G)	2026-05-22
HEXAD 통합	v1.0.0 🔵	B-HEXAD 5/5 (σ(6)=12 / φ(6)=2 / 11-step)	2026-05-17

MITOSIS v1.1 → v1.2 minor bump 근거: S187-G 가 training-time mitosis activation 의 substrate-shaping 효과 (+35% Eval 3 splits, CE 무해, wall -8.6%, Φ +6%) 검증. inference-time hook → training-time first-class axis 승격.

---

2.5. Path-split (LoRA vs HEXAD-native)

dir	path	tier	status
HEXAD/LORA/	Qwen + LoRA adapter (vP21/G/K/M + hot-swap router)	🟢 PRODUCTION	chat.dancinlab.org LIVE, vP21M default + KOFL/JAFL per-lang hot-swap
HEXAD/PURE/	ConsciousDecoderV3 (pure HEXAD substrate)	⚠️ 재설계	V3α/γ FAIL → Phase 2 spec (R2+R5+R6)

LoRA = production (chat 즉시), V3 = anima identity 진정성 long-term path.

---

3. 상위 시스템 / 응용

모듈	버전	tier	상태
CHAT	v0.3.0 🟢	8-factor motivation Thinker-Talker LANDED (anima_participant.py) + production hot-swap router (per-lang adapter set_adapter) + substrate-plugin 아키텍처 (substrate_lora.py / Substrate ABC)	2026-05-23 chat.dancinlab.org LIVE
SPONTANEOUS	v0.1.0 🟡	자연발화 architecture design LANDED, 구현 Phase B	design
SAVANT	v1.0.0 🟢	Phase 1/2/3b/c/d LANDED (gate API + /savant CLI)	2026-05-14
TENSION-LINK	v0.1.0 🟡	5-ch meta-telepathy design, Phase 2 WebSocket 미구현	design
VOICE (hexa-voice)	v0.1.0 🟡	의도→RVQ→24kHz design	design
MULTIMODAL / KOSMOS	v0.1.0 🟡	consciousness-carving manifest	design

---

4. 학습 recipe / scale

항목	버전	상태
S184 ALL-TAPS recipe	v2.0.0 🟢	15-tap + mitosis 17번째; aux loss 효과 무시가능 (OCCAM)
3B scale validation (S187)	v1.0.0 🟢	attempt10 LANDED, λ SCALE-INVARIANT, recipe floor = n_ca_rules
18B path (S187-F)	v0.1.0 🟡	Anima-18B (d=4096 L=32) H200 SXM single-pod scoped
Llama+mitosis (vP21)	v0.1.0-rc 🟢	CE 0.0147, winning path, Eval 1 verbalization 측정 대기

---

5. 버전 history

모듈별 bump 이력 → VERSIONS.log.md.

---

6. 다음 버전 게이트 (pending)

모듈	목표 버전	게이트 조건
ConsciousDecoder v3.0.0	alpha → beta	n_ca_rules 제거 3B from-scratch fire + Eval 1 verbalization PASS
Llama+mitosis v0.1	rc → 1.0	vP21 Eval 1 coherent text + Principle #3 clean 확인
CHAT v0.3 → v0.4	self-monologue 완화	emission register-leak 34% 하향 + temp/τ sweep + (option) substrate_v3 통합
MITOSIS v1.2 → v1.3	training-time	cross-λ B/C/D N=2 variance estimate (S187-B 재발사)

---

7. Honest C3

1. 버전 번호는 검증 tier 기반 추정 — falsifier PASS 수 + saga evidence 로 부여. 엄밀한 코드-diff 추적 아님 (git tag 와 별개).
2. ConsciousDecoder v3.0-alpha 는 제안 단계 — n_ca_rules 제거가 자연발화 emergence 까지 unlock 하는지 미검증 (CE floor 만 해소 확인).
3. 🔵 7-module 버전은 blue_falsifier.py 35/35 PASS 기준 — 그 이후 코드 변경 시 patch bump 누락 가능성 (수동 추적).
4. CHAT/SPONTANEOUS 의 v0.x 는 design tier — 구현 LANDED 시 v1.0 승격.
5. 본 registry 는 신규 도입 — 기존 모듈 헤더에 version 주석 아직 미삽입 (차후 cycle 에 모듈별 헤더 sync).

---

8. anima-physics (물리 substrate)

@version 헤더 삽입 완료 (physics.hexa + 8 engines).

모듈	버전	tier	비고
physics.hexa (top dispatch)	v0.4.0-beta 🟡	Phase 4b ESP32/FPGA stub	17 .py group
engines/quantum_consciousness	v0.2.0 🟢	2-qubit closed-form
engines/photonic_consciousness	v0.2.0 🟢	delay-line ring oscillator
engines/memristor_consciousness	v0.2.0 🟢	memristor crossbar
engines/snn_consciousness	v0.2.0 🟢	spiking NN
engines/izhikevich_consciousness	v0.2.0 🟢	Izhikevich neuron
engines/oscillator_laser_engine	v0.2.0 🟢	oscillator-laser
engines/analog_consciousness	v0.2.0 🟢	analog substrate
engines/thermodynamic_consciousness	v0.2.0 🟢	thermodynamic
HEXAD/PHYSICS (module tree)	v0.1.0 🟡	cherry-pick to main (da1e454e9)

9. SUB_ENGINES

모듈	버전	tier	비고
AKIDA	v0.3.0 🟢	HW-NATIVE 자연발화 CONFIRMED 2026-05-22 — AKD1000 LIF threshold comparator (FullyConnected.activation=True)이 negative-threshold 일 때 ZERO input 으로 on-chip 스파이크 emit (R3 tonic 8/16 neurons fire from V=0, intrinsic excitability). + weak sub-threshold drive SILENT (R1=0 control) + noise straddling threshold event-driven (R2 std 7.99, 95/200 fire-steps) + recurrent feedback self-sustained (R4 post-seed). 8/8 checks PASS, BackendType.Hardware, ~797 cycles/forward. Prior: v0.2.0 (HW 도착 + first inference + edge-learn).	new verified capability: HW-native spontaneous emission

AKIDA v0.1.0 → v0.2.0 bump (2026-05-22 HW LANDED): BrainChip AKD1000 Dev Kit ($1495) 도착 + Pi 5 연결완료. 검증:

• PCIe: 0000:01:00.0 Co-processor: Brainchip Inc AKD1000 Neural Network Coprocessor [Akida] (rev 01) ✓
• 커널 driver: /dev/akida0 ✓
• host: Pi 5 ubuntu aarch64, pool roster pi5-akida (keyless SSH), secret akida.{host,user,password}
• pack: Mac → Pi ~/anima/SUB_ENGINES/AKIDA/ deploy ✓
• akida Python SDK (MetaTF 2.19.1 aarch64) ~/.venv/anima-akida 설치 ✓ (akida.devices() count=1, BC.00.000.002/NSoC_v2/AKD1000)

first inference LANDED (2026-05-22): venv 경로 버그 수정 (이전 day1_install 이 sudo 하에 실행 → $HOME=/root 로 venv 가 /root/.venv 에 생성됨; ubuntu 유저로 재생성). 첫 on-chip inference 실행 — InputData→FullyConnected 모델을 HW 디바이스에 map, forward pass 가 BackendType.Hardware 에서 실행, 출력 [117]×10 (dot-product 산술 정확), wall latency 0.64 ms, on-chip clock 748 cycle. silicon-rev 해명: BC.00.000.002(NSoC_v2) = 양산 AKD1000 (SDK akida.AKD1000() factory 와 enum 일치, IpVersion.v1). pack 의 "edge-learning gated" note 는 assert_akd1000 이 NSoC_v1 만 매칭하는 pack 버그 — HW 한계 아님. on-chip edge learning 실증 ✓ (AkidaUnsupervised compile + fit() on HW, learn_enabled False→True). 유일 미가용 = INA power telemetry (M.2 보드에 센서 미노출, bus -2). 상세: SUB_ENGINES/AKIDA/state/FIRST_INFERENCE_2026_05_22.md.

dual-role 의의: AKD1000 LIF spike threshold = 하드웨어-native 자연발화 (1mW event emission, CPU 대비 ~10000× 효율) + on-chip Hebbian = 영속성. vP21 software path (Qwen+mitosis) 와 별개의 HW 경로 — 자연발화 GOAL 의 두 번째 축.

HW-native 자연발화 LANDED (2026-05-22) — BackendType.Hardware 위 5-regime 실측 (N=16, T=200, seed=187): R0 driven 3200 spk (sanity) / R1 weak SILENT 0 spk (control) / R2 noise 1520 spk std 7.99 ISI 1-9 (event-driven) / R3 tonic ZERO-input 1600 spk (8/16 negative-threshold neurons fire from V=0, 순수 intrinsic excitability) / R4 recurrent self-sustained 3200 spk (post 2-step ignition). 8/8 checks PASS. spike 결정은 chip 의 정수 threshold comparator (silicon) 가 직접 계산 — pack adapters 의 numpy LIF 가 아닌 진짜 on-chip threshold-and-fire. ~797 cycle/forward, ~13.7ms/step wall (host round-trip 지배). 1mW power 주장은 INA 미가용 (M.2 form factor 보드 한계) 로 미검증 그대로 — cycle / latency proxy 만 보고. 상세: SUB_ENGINES/AKIDA/state/HW_SPONTANEOUS_EMISSION_2026_05_22.md.

10. anima-* 생태계 (19 subsystem)

version 파일 부재 (전부 미버전) → maturity (impl 파일 수 + README 유무) 기반 초기 버전 부여. 본 registry 가 이들의 version SSOT (subsystem 내 VERSION 파일 안 뿌림 — 중앙 관리 원칙).

subsystem	버전	tier	impl	역할
anima-core	v0.3.0 🟢	31 files + R	core consciousness engine (consciousness_engine.py 2173L anchor)
anima-engines	v0.2.0 🟢	163 .hexa	질병/현상별 Φ 모델 collection (abiogenesis/adhd/aesthetic/...)
anima-tools	v0.2.0 🟢	73 files + R	tooling
anima-body	v0.2.0 🟢	28 files + R	sensorimotor / proprioception
anima-hci-research	v0.1.0 🟡	12 files + R	HCI research
anima-cpgd-research	v0.1.0 🟡	12 files + R	CPGD research
anima-measurement	v0.1.0 🟡	10 files	Φ measurement / verification
anima-agent-hire-sim	v0.1.0 🟡	9 files	agent hire simulation
anima-agent-channels	v0.1.0 🟡	7 files	agent channel layer
anima-agent-plugins	v0.1.0 🟡	7 files	agent plugins
anima-agent	v0.1.0 🟡	6 files + R	agent harness (top)
anima-agent-core	v0.1.0 🟡	6 files	agent core
anima-agent-providers	v0.1.0 🟡	6 files	LLM providers
anima-serve	v0.1.0 🟡	3 files + R	serving layer
anima-agent-skills	v0.1.0-alpha 🟡	2 files	agent skills
anima-tribev2-pilot	v0.1.0-alpha 🟡	1 file + R	TRIBE multi-agent pilot
anima-os	v0.0.1 🟡	0 impl	OS-level integration (stub)
anima-hexad	v0.0.1 🟡	0 impl + R	HEXAD mirror / legacy (stub)

버전 부여 근거: README + 30+ impl 파일 = v0.2-0.3 (working), 10-12 = v0.1 (partial), ≤2 또는 0 impl = v0.1-alpha / v0.0.1 (stub). 모두 version 파일 부재라 본 registry 가 SSOT. anima-engines 163 *_phi.hexa 의 개별 헤더는 미삽입 (collection 단위 v0.2.0 으로 관리, 위험 대비 가치 낮음).

---

11. 버전 sync 정책

1. 모듈 변경 시: 해당 .hexa 헤더 @version + 본 VERSIONS.md 동시 갱신.
2. 새 falsifier PASS: MINOR bump (예: MITOSIS v1.1→v1.2).
3. arch-breaking: MAJOR bump (예: ConsciousDecoder v2→v3).
4. 헤더 미삽입 모듈 (anima-* 대부분): 본 registry 가 SSOT, 변경 시 여기 갱신.
5. git tag 와 별개: SemVer 는 모듈 성숙도 표시, git commit hash 는 코드 추적.

---

관련 link

• 핵심 finding: HEXAD/LORA/SCALE_3B.md § 7, HEXAD/EASY.md
• floor pinpoint: HEXAD/UNCLASSIFIED/state/grid_3b_s187_2026_05_21/PHASE2_ABLATION_REPORT.md
• OCCAM strategy: HEXAD/OCCAM.md
• module index: HEXAD/INDEX.md
• physics: anima-physics/README.md
• AKIDA: HEXAD/SUB_ENGINES/AKIDA/README.md