応用エネルギーAI研究における再現可能性は、公開データセットや単一の公表済みベンチマークだけで成立するものではない。ベンチマークの数値を生成したソフトウェアを第三者が再実行できるか、データセットおよび結果の成果物がバージョン管理されチェックサムを付与されているか、さらに、これらを結び付けるガバナンス慣行が、矛盾が生じた際にそれを隠蔽するのではなく発見できるほど十分に文書化されているかに依存する。本論文は、エネルギーAIベンチマーキングのためのモジュール型研究基盤であるBIO-Quantum Energy Brain（BQEB）の工学的アーキテクチャを提示し、関連するBQEBモノグラフで説明された概念的枠組みとは異なるものとして位置付ける。本アーキテクチャは、公開された成果物記録に照らして各特性を独立に検証できる4層から構成される。すなわち、合成マルチモーダル・ベンチマークデータセット（BQEB-Data v1、37変数にわたる10,512件のレコードを収録し、3つの独立したリポジトリに永続識別子付きで保存）、テスト済みでMITライセンスのレジストリ駆動型ベンチマーク・ソフトウェアパッケージ（継続的インテグレーションによる検証を含む）、決定論的実行、チェックサム付き成果物、時系列データ分割に基づく再現可能性フレームワーク、そしてエコシステムの成長に伴いデータセット、ソフトウェア、出版成果物間の整合性を維持する責任を担うベンチマーク・ガバナンス層である。以前に独立した予測ベンチマークとして公表されたBQEB ForecastBenchは、本アーキテクチャ内で最初に実行されたモジュールとして再位置付けされる。サイバーレジリエンス、基盤モデルによる予測、説明可能性、デジタルツインおよびマルチエージェント研究に取り組む4つの追加モジュールは、完了済みの研究としてではなくロードマップとして提示される。本論文では、現在公開されている成果物記録に照らして独立に検証可能な証拠のみを報告する。エコシステム自体の内部監査によって未解決の問題が特定された場合、同一のベンチマーク結果について以前に公表された2つの版の間に数値的不一致がある事例を含め、本稿内で解決を試みるのではなく、ガバナンス上の事例として記録する。本論文の貢献は、新たな予測モデルや漸進的な精度向上ではなく、単独研究者による研究プログラムを独立検証可能な形で構築する方法を示すアーキテクチャそのものにある。
https://doi.org/10.20944/preprints202608.2262.v1