dw.jang
10809af7b5
사용자 제안 (2026-07-21) : 최종 BV 보정계수보다 최초 divergence 단계부터 원인 을 찾아 일치. 단계별 중간값 저장 + 자동 diff + 단계별 tolerance. 파일 구성: - scratchpad/golden_dump_python.py — Python 기준 dump (33 case) - GoldenDumpTest.kt — Kotlin dump - scratchpad/golden_diff.py — 단계별 tolerance 자동 비교 Dump 단계 (stage 명명): E_walls_cross : MethodD detect + cross-channel 후 walls (refined + span) M_bv : 최종 BV (volume_ml/mm3, valid_channels, D_mm, cap_*) # 향후 확장 가능 : B (preproc), C (TGC), G (yw/zw), H (Halir 중간), etc. 허용 오차 (단계·필드별): E_walls_cross : 1e-12 (double eps 근처, ULP 노이즈 흡수) M_bv.volume_ml : 1e-3 (sub-microliter) M_bv.cap_b_si/c_ap/y0/z0 : 1e-6 (Halir 결과) M_bv.cap_mean_residual : 1e-9 (극도 정확) M_bv.valid_channels : bit-exact (정수/카테고리) ... (총 21 fields) 실행: 1. python scratchpad/golden_dump_python.py 2. ./gradlew testDevDebugUnitTest --tests "*GoldenDumpTest*" 3. python scratchpad/golden_diff.py Fixture (data123, 총 33 case): cm0 (VBT26050202 supine 0CM) × 11 trace cm1 (VBT26050202 supine 1CM) × 11 trace cm3 (VBT26040302 supine 3CM) × 11 trace 현재 상태: - 21 필드 × 33 케이스 = 693 검사 지점 모두 tolerance 내 PASS - 실질 divergence 0. BV max_diff = 3.7e-9 mL (nano-mL 수준). 향후 stage 추가 (B/C/G/H) 는 필요 시 EllipseFitSpecific.debug* 처럼 각 함수의 intermediate 를 노출하는 방식으로 확장. golden_diff.py 의 TOLERANCES 사전에 key 추가만으로 자동 검사 대상 편입.
