ANCSI Reference Architecture v0.1

AI 原生計算—科研基礎設施參考架構

English Title: ANCSI Reference Architecture v0.1 — AI-Native Computational and Scientific Infrastructure

Series: ANCSI — AI-Native Computational and Scientific Infrastructure
Document Type: Reference Architecture / Technical White Paper
Version: v0.1
Date: 2026-09-23
Status: Public Architecture Draft
Canonical Source: UTF-8 Markdown

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

0. 文件定位

本文件是 ANCSI 第一階段九篇公開命題論文之後的第一份正式 Reference Architecture。

前九篇回答：

為什麼這一類 AI 原生計算—科研基礎設施值得作為獨立工程問題研究？

本文件開始回答：

如果真的要建立第一代可模擬、可實作、可壓測、可否證的 ANCSI 系統，其最小架構應該如何切分？

因此，本文件不再以擴張命題為主要目的，而以以下工作為主：

\boxed{ \text{interfaces} + \text{state} + \text{contracts} + \text{authority} + \text{safety} + \text{evidence} + \text{validation} }

本文件不是施工圖、壓力容器設計、低溫設備操作手冊、電力單線圖或法規認證文件。

任何真實高壓、低溫、真空、化學、輻射、高電壓或其他 hazardous implementation，仍須由具資格工程團隊依所在地法規、標準、製造商要求與正式 safety lifecycle 完成。

1. 架構來源

ANCSI v0.1 統合以下九篇公開命題：

ANCSI-01 — AI 原生計算—科研基礎設施總論
ANCSI-02 — 可程式化熱力學場
ANCSI-03 — 計算驅動熱力學基礎設施
ANCSI-04 — 真空包覆多介質管網場
ANCSI-05 — 熱階梯、冷量儲存與能量回收
ANCSI-06 — AI 原生自治控制與分散治理
ANCSI-07 — 機器原生科研產區
ANCSI-08 — AI 原生觀測：從儀器資料到科學投影
ANCSI-09 — 自治科學棲息地命題

Reference Architecture v0.1 將這些命題轉化為：

\boxed{ \text{deployable architecture boundaries} }

而不是重新證明它們。

2. 三層規格分類

ANCSI v0.1 所有內容分成三類。

2.1 Normative Core

標記：

\boxed{ \text{NORMATIVE} }

表示：

若某系統自稱符合 ANCSI v0.1 Reference Architecture，應滿足此類要求，或明確文件化其偏離理由。

Normative Core 主要包含：

safety 與 AI autonomy 分層；
authority envelope；
raw evidence 與 AI inference 分離；
typed state / event；
local survivability；
human-safe recovery；
provenance；
zone / conduit；
explicit validation gateway；
no hidden actuator path。

2.2 Reference Module

標記：

\boxed{ \text{REFERENCE} }

表示：

本文件推薦的第一代實作模式，但可被等效技術替換。

例如：

MPC；
liquid cooling；
graph-based routing；
event bus；
digital twin；
multi-cloud supervisor。

2.3 Experimental Extension

標記：

\boxed{ \text{EXPERIMENTAL} }

表示：

仍需要進一步工程驗證，不能作為部署必要條件。

例如：

cryogenic burst compute；
exergy shadow pricing；
no-routine-human-entry research zones；
fully autonomous multi-lab scientific campaign；
multi-agent scientific adversarial review。

3. 設計原則

ANCSI v0.1 採用十二條總原則。

Principle 1 — Physics First

\boxed{ \text{Physical law and certified safety constraints outrank AI optimization.} }

Principle 2 — Local Execution for Fast Physical Events

若：

\tau_{\mathrm{fault}} < \tau_{\mathrm{remote}},

則 protective execution 必須在地完成。

Principle 3 — Intent over Remote Actuation

高層系統傳遞：

\text{intent} + \text{constraint},

而不是任意直接操縱所有 actuator。

Principle 4 — Safety Is Independent of Generative AI Availability

即使：

AI_{\mathrm{high-level}}=0,

系統仍須：

x(t)\in\mathcal{X}_{\mathrm{safe}}.

Principle 5 — Evidence Survives Models

\boxed{ \text{evidence lifetime} > \text{model lifetime}. }

Principle 6 — Inference Is Not Measurement

\boxed{ I\neq M. }

AI inference、reconstruction、projection 與 raw measurement 必須 typed。

Principle 7 — Authority Is Explicit

不存在：

這個 AI 大概可以做。

必須存在：

\mathcal{A}_{\mathrm{authorized}}.

Principle 8 — Autonomy Contracts Under Uncertainty

當：

network partition；
model validity loss；
stale policy；
sensor disagreement；

發生時：

\mathcal{A}_{\mathrm{nonessential}}\downarrow.

Principle 9 — Human Physical Presence May Be Optional, Human Governance Is Not Implicitly Removed

\text{physical absence} \neq \text{governance absence}.

Principle 10 — Machine-Native Zones Require Recoverability

任何 machine-native restricted zone 都需要：

M_M \rightarrow M_H.

即 Human-Safe Recovery Mode。

Principle 11 — Modular Before Monolithic

ANCSI 應由 cells、zones、services 與 typed interfaces 組成。

不建立：

\boxed{ \text{one omnipotent AI process}. }

Principle 12 — Every Strong Claim Must Have a Validation Path

架構中的每一項 experimental benefit 應能對應：

\text{baseline} \rightarrow \text{experiment} \rightarrow \text{metric} \rightarrow \text{accept / reject}.

4. System Under Consideration

ANCSI v0.1 定義 System Under Consideration：

\boxed{ \mathrm{SUC}_{ANCSI} }

包含：

compute；
thermal；
fluid / vacuum；
energy；
robotics；
scientific instruments；
sample logistics；
observation；
evidence；
governance；
safety；
human interface。

不包含但需介接：

external power grid；
public cloud；
external district heat；
external supply chain；
regulators；
emergency services；
human organization。

5. System Context

可將 ANCSI 場區抽象為：

Human / Institutional Governance
              │
              ▼
Federated Supervisory Layer
              │
              ▼
Site Orchestration Layer
              │
    ┌─────────┼──────────┐
    ▼         ▼          ▼
 Cell A     Cell B      Cell C
    │         │          │
    └──── Shared Physical Services ────┐
                                       │
                    Thermal / Fluid / Energy / Logistics
                                       │
                                       ▼
                             Physical Scientific World

但安全鏈與 evidence chain 並非單向附屬於此圖，而橫跨所有層級。

6. 四大 Architecture Planes

ANCSI v0.1 的最高層結構為：

\boxed{ \mathcal{H} = ( \mathcal{P}, \mathcal{C}, \mathcal{E}, \mathcal{G} ) }

6.1 Physical Plane

\mathcal{P}

包含：

compute hardware；
robots；
instruments；
sample storage；
pipes；
pumps；
valves；
thermal storage；
cryogenic plant；
power infrastructure；
vacuum；
building systems。

6.2 Control Plane

\mathcal{C}

包含：

deterministic controllers；
safety PLC；
MPC；
local AI；
schedulers；
Site AI；
network optimization；
workload orchestration。

6.3 Epistemic Plane

\mathcal{E}

包含：

raw data；
calibration；
reconstruction；
multimodal registration；
AI inference；
hypotheses；
provenance；
human scientific projection。

6.4 Governance Plane

\mathcal{G}

包含：

identity；
policy；
authority；
credentials；
multi-AI supervision；
multi-cloud supervision；
human authorization；
audit；
incident governance。

7. 物理區域分類

ANCSI v0.1 定義五類 physical zones：

\mathcal{Z} = \{ Z_H, Z_S, Z_M, Z_R, Z_N \}.

$Z_H$ — Human Zone

人類可長時間正常活動。

範例：

control room；
office；
collaboration space；
maintenance workshop。

$Z_S$ — Human-Serviceable Zone

正常主要由機器運行，但停機與 isolation 後可由人維護。

$Z_M$ — Machine-Native Zone

日常流程以 robot / autonomous equipment 為主要操作者。

$Z_R$ — Restricted Research Zone

進入需要：

special procedure；
PPE；
permit；
interlock。

可能包含：

low temperature；
inert atmosphere；
strong field；
radiation；
vacuum-related hazard；
laser；
process chemical hazard。

$Z_N$ — No-Routine-Human-Entry Zone

正常 operation：

n_{\mathrm{human}}=0.

但必須提供：

M_M\rightarrow M_H.

8. Cyber Zones 與 Physical Zones 分離

NORMATIVE

不得假設：

Z_{\mathrm{physical}} = Z_{\mathrm{cyber}}.

一個房間內的：

compute controller；
safety PLC；
robot controller；

應可屬不同 cyber security zones。

ANCSI 採用 IEC 62443 zones and conduits 的基本思想：System Under Consideration 應被切分為 zones，跨 zone 通訊經明確 conduits 進行風險管理。

9. Reference Cyber Zones

第一代建議：

\mathcal{Z}_C = \{ Z_{\mathrm{Safety}}, Z_{\mathrm{Control}}, Z_{\mathrm{Compute}}, Z_{\mathrm{Science}}, Z_{\mathrm{Evidence}}, Z_{\mathrm{Governance}}, Z_{\mathrm{Cloud}} \}.

$Z_{\mathrm{Safety}}$

safety PLC；
certified interlock；
ODH；
pressure protection；
emergency logic。

最小外部依賴。

$Z_{\mathrm{Control}}$

local PLC；
pump / valve control；
robot motion controller；
thermal controller。

$Z_{\mathrm{Compute}}$

HPC；
AI accelerators；
workload scheduler。

$Z_{\mathrm{Science}}$

experiment planning；
instruments；
sample services。

$Z_{\mathrm{Evidence}}$

raw storage；
provenance graph；
audit log；
scientific identity。

$Z_{\mathrm{Governance}}$

policy；
authority；
identity；
model qualification。

$Z_{\mathrm{Cloud}}$

remote AI；
public / private cloud；
external supervisory services。

10. Conduit Model

跨 zone 通道定義為：

c_{ij} = ( \text{source}, \text{destination}, \text{protocol}, \text{identity}, \text{allowed message types}, \text{latency class}, \text{safety class} ).

所有 conduit 應明確回答：

誰能送？
誰能收？
送什麼型別？
是否能直接造成 physical actuation？
WAN 斷線時怎麼辦？

11. No Hidden Actuator Path

NORMATIVE

所有可改變 physical plant 的 command path 必須：

\boxed{ \text{identified} + \text{authorized} + \text{logged} + \text{validated}. }

禁止建立：

debug port 可以直接開 valve，但 governance 不知道。

maintenance bypass 必須：

顯式；
有期限；
可 audit；
有恢復驗證。

12. Control Hierarchy

ANCSI v0.1 定義：

\boxed{ L_0 \rightarrow L_1 \rightarrow L_2 \rightarrow L_3 \rightarrow L_4 \rightarrow L_5 }

但越低層越靠近物理 actuator。

$L_0$ — Passive Physical Safety

例如：

vessel design；
containment；
rupture disk；
gravity；
check valve。

$L_1$ — Deterministic Safety and Real-Time Control

safety PLC；
interlock；
emergency protection；
fast local controller。

$L_2$ — Local AI

local optimization；
anomaly detection；
workload throttling；
bounded rerouting；
local recovery。

$L_3$ — Site AI

multi-zone scheduling；
compute placement；
energy / thermal coordination；
experiment campaign orchestration。

$L_4$ — Federated Supervisory Layer

multi-cloud；
multi-AI；
independent critic；
remote digital twin；
disaster-recovery supervision。

$L_5$ — Human-AI Governance

policy；
long-term risk；
legal responsibility；
irreversible decisions；
model approval。

13. Authority Envelope

NORMATIVE

每個 agent：

a_k

具有：

\mathcal{A}_k = f( \text{identity}, \text{zone}, \text{state}, \text{risk}, \text{policy}, \text{time}, \text{model} ).

不能只有 static role。

14. Authority Object

Reference representation：

authority:
  subject: local-thermal-ai-07
  policy_version: policy-2026-09-23.4
  zone_scope:
    - thermal-zone-c
  normal_actions:
    - request_workload_throttle
    - optimize_flow_within_envelope
    - dispatch_local_storage
  emergency_actions:
    - isolate_zone
    - shed_noncritical_compute
  forbidden:
    - modify_certified_pressure_limit
    - disable_relief
    - rewrite_safety_logic
  expires_at: ...

這只是 reference schema，不是固定 serialization 標準。

15. Action Classes

ANCSI v0.1 將 action 分成：

\mathcal{A} = \{ A_R, A_O, A_H, A_P \}.

$A_R$ — Reversible Low-Risk

例如：

small scheduling change；
noncritical observation；
bounded setpoint optimization。

可高度自治。

$A_O$ — Operational

會影響 operation，但可恢復。

例如：

workload migration；
thermal route change；
robot task reassignment。

$A_H$ — High-Impact

例如：

enter restricted state；
destructive experiment；
large cross-zone shutdown。

需要高 authority。

$A_P$ — Protected / Safety-Critical

例如：

certified safety limit；
safety logic；
mandatory relief。

一般 AI：

\boxed{ \text{cannot modify at runtime}. }

16. Intent Object

高層 AI 傳遞：

\boxed{ I }

而不是 raw actuator command。

Reference：

intent:
  id: intent-001
  objective: prepare-compute-burst
  target: compute-zone-c
  deadline: ...
  required:
    thermal_headroom: ...
    power_headroom: ...
  constraints:
    preserve_redundancy: true
    no_entry_into_restricted_state: true
  fallback:
    migrate_to: compute-zone-d

17. Validation Gateway

NORMATIVE

Intent 或 plan 在執行前必須經：

V = V_{\mathrm{schema}} \land V_{\mathrm{authority}} \land V_{\mathrm{safety}} \land V_{\mathrm{resource}} \land V_{\mathrm{state}}.

若：

V=0,

則：

\boxed{ \text{reject or escalate}. }

18. Physical Safety Kernel

ANCSI v0.1 將安全核心分為：

\boxed{ \mathcal{S} = ( S_{\mathrm{passive}}, S_{\mathrm{deterministic}}, S_{\mathrm{runtime}} ). }

Passive Safety

不依賴 software。

Deterministic Safety

依賴 validated deterministic logic。

IEC 61511 的 SIS 思維可作為 process-sector safety lifecycle 的重要參考：安全儀控系統應能可信地達成或維持 safe state。

Runtime Assurance

監控 AI / optimizer proposed trajectory。

若：

\hat x_{t+\Delta} \notin \mathcal{X}_{\mathrm{safe}},

則：

\pi_{\mathrm{AI}} \rightarrow \pi_{\mathrm{backup}}.

19. Safe State Registry

不同 subsystem 需定義自己的 safe state。

safe_state_registry:
  compute-zone:
    strategy: controlled-throttle
  robot-arm:
    strategy: safe-pose-and-brake
  thermal-loop:
    strategy: maintain-minimum-safe-flow
  restricted-zone:
    strategy: isolate-and-convert

不能假設：

\text{safe} = \text{power off}.

20. Operational Modes

每個 cell 至少支援：

\mathcal{M} = \{ M_N, M_W, M_D, M_E, M_R, M_M \}.

$M_N$ — Normal

完整服務。

$M_W$ — Warning

服務正常但 risk increasing。

$M_D$ — Degraded

降低 mission capability。

$M_E$ — Emergency

protective authority 擴張，但只限 protective actions。

$M_R$ — Recovery

故障後受控恢復。

$M_M$ — Maintenance

明確 maintenance authority。

21. Zone Operational State

物理 zone 可有：

Z(t).

例如：

Z_N \rightarrow Z_R \rightarrow Z_S.

表示同一 physical zone 在不同 operational state 下，人類 accessibility 改變。

22. Human-Safe Recovery Contract

NORMATIVE for $Z_M$ , $Z_R$ , $Z_N$

每個 restricted / machine-native zone 應定義：

human_safe_recovery:
  stop_hazard_sources: required
  isolate_energy: required
  atmosphere_conversion: as_applicable
  thermal_conversion: as_applicable
  radiation_verification: as_applicable
  mechanical_lock: required
  independent_verification: required
  entry_authority: human-safety-authority

23. Recovery Invariant

只有：

C_H = C_{\mathrm{atmosphere}} \land C_{\mathrm{thermal}} \land C_{\mathrm{radiation}} \land C_{\mathrm{electrical}} \land C_{\mathrm{mechanical}}

成立時：

\boxed{ \text{human entry allowed}. }

Operational AI 不能自行宣告：

C_H=1

而缺少獨立 verification。

24. Compute Plane

ANCSI compute state：

C(t) = ( W, H, L, D, Q, S, \tau, \Pi ).

包括：

workload；
hardware mapping；
load；
deadline；
QoS；
job state；
predicted duration；
power profile。

25. Compute Service Contract

每個 compute pool 提供：

compute_service:
  hardware_class: accelerator-x
  capacity: ...
  power_envelope: ...
  thermal_class:
    - normal
    - boost
  migration:
    checkpointable: true
  locality:
    zone: compute-c

26. Thermal Plane

Thermal state：

\Theta(t) = \left[ T, \mathbf q, G, C_T, F, S_c, S_h \right].

其中：

$T$ ：temperature；
$\mathbf q$ ：heat flow；
$G$ ：thermal coupling；
$C_T$ ：effective heat capacity；
$F$ ：fluid state；
$S_c$ ：cold storage；
$S_h$ ：heat storage。

27. Thermal Service Contract

thermal_service:
  zone: thermal-c
  operating_range:
    min: ...
    max: ...
  cooling_capacity: ...
  slew_rate_limit: ...
  thermal_headroom: ...
  cold_storage_soc: ...
  redundancy_class: ...

28. Thermal Admission Control

workload 只有在：

Q_{\mathrm{available}} \ge Q_{\mathrm{required}},

M_T \ge M_{T,\min},

且其他 physical constraint 成立時才可啟動。

所以：

\boxed{ \text{GPU available} \not\Rightarrow \text{job admitted}. }

29. Thermal Modes

Reference：

\{ T_{\mathrm{warm}}, T_{\mathrm{normal}}, T_{\mathrm{boost}}, T_{\mathrm{cold}}, T_{\mathrm{cryo}} \}.

v0.1 不規定每個 mode 的固定溫度。

原因：

\boxed{ \text{hardware class determines temperature class}. }

30. Cryogenic Compute

EXPERIMENTAL

Cryogenic classical compute 不屬於 v0.1 normative requirement。

若部署，必須使用專門低溫驗證硬體。

普通 GPU / CPU 不應被假設可任意：

300K \leftrightarrow 4K.

31. Thermal Backbone

Reference architecture 可提供：

\mathcal{T} = \{ T_1,T_2,\ldots,T_n \}.

多溫級服務。

但：

n

依 site 需求決定。

32. Fluid / Vacuum Plane

管網抽象：

\mathcal{G}_P = (V_P,E_P).

每條 edge：

e = ( \text{medium}, T, P, \dot m, \text{capacity}, \text{availability}, \text{risk} ).

33. Physical / Hydraulic / Thermal Topology

必須區分：

\mathcal{G}_{P}

physical topology，

\mathcal{G}_{H}(t)

hydraulic topology，

\mathcal{G}_{T}(t)

thermal topology。

通常：

\mathcal{G}_{P} \neq \mathcal{G}_{H} \neq \mathcal{G}_{T}.

34. Multi-Medium Rule

NORMATIVE

\boxed{ \text{multi-medium} \neq \text{mixed-medium lumen}. }

不同：

chemical compatibility；
temperature class；
pressure class；
purity class；

的介質應依正式工程設計保持物理隔離。

35. Vacuum Role

真空在 ANCSI 中主要作：

\boxed{ \text{thermal isolation} }

與特定科研 process environment。

它不是一般 thermal transport fluid。

36. Vacuum Sectorization

REFERENCE for long cryogenic distribution

對大型 vacuum-jacketed infrastructure，優先採：

\boxed{ \text{segmented vacuum domains}. }

避免 single vacuum failure 影響整條 backbone。

CERN LHC cryogenic distribution 的 engineering experience 是重要現實參考。

37. Energy / Exergy Plane

Energy state：

E(t) = ( P_{\mathrm{electric}}, S_c, S_h, Q_{\mathrm{reuse}}, B_{\mathrm{exergy}} ).

38. Energy Conservation Invariant

NORMATIVE

任何 energy planner 必須滿足：

\sum E_{\mathrm{in}} = \sum E_{\mathrm{out}} + \Delta U.

不得用 AI approximation 破壞 energy balance。

39. Entropy Constraint

對 thermodynamic optimization：

S_{\mathrm{gen}} \ge0.

任何聲稱 net energy recovery 的模型必須完整計入：

compressors；
pumps；
heat pumps；
storage loss；
conversion loss。

40. Thermal Exergy Ledger

REFERENCE

每個 thermal resource：

r_i = ( Q_i, T_i, B_i, \text{time}, \text{cost}, \text{availability} ).

目的：

避免把不同溫級 thermal resource 當成同一 joule bucket。

41. Thermal Matching Rule

Reference heuristic：

\boxed{ \text{Use the lowest-quality thermal resource that still satisfies the task.} }

例如：

如果常溫冷卻能完成，就不動用 cryogenic capacity。

42. Storage Plane

可有：

\mathcal{S} = \{ S_{\mathrm{fast}}, S_{\mathrm{mid}}, S_{\mathrm{long}} \}.

v0.1 不指定 PCM、water tank 或 underground storage。

只定義：

capacity；
SOC；
charge rate；
discharge rate；
loss；
temperature class。

43. Robotics Plane

Robot state：

R_i(t) = ( \text{pose}, \text{tool}, \text{payload}, \text{health}, \text{authority}, \text{environment compatibility} ).

44. Robot Service Contract

robot_service:
  id: robot-r7
  morphology: rail-manipulator
  reach_class: ...
  payload: ...
  precision: ...
  compatible_zones:
    - machine-zone-a
    - restricted-zone-b
  tools:
    - gripper
    - inspection-camera
  recovery:
    towable: true
    remote_power: true

45. Embodiment Rule

NORMATIVE DESIGN PRINCIPLE

\boxed{ \text{embodiment follows task}. }

不得假設 humanoid 是 universal default。

46. Robotic Maintainability

對放入 $Z_N$ 的設備：

R_{\mathrm{maintainability}} \ge R_{\min}.

至少 routine maintenance 應能：

robot service；
module replace；
remote diagnose；

之一完成。

47. Machine-Readable Physical Environment

REFERENCE

設備可提供：

physical ID；
fiducial；
geometry；
connector semantics；
torque / force constraints；
hazard state；
service manual link。

48. Scientific Instrument Plane

每個 instrument 不應只是：

\text{API endpoint}.

需要：

\boxed{ \text{Scientific Service Contract}. }

49. Scientific Service Contract

scientific_service:
  instrument: microscope-a
  modality: electron-microscopy
  sample_constraints: ...
  resolution: ...
  uncertainty_model: ...
  calibration_state: cal-2026-09-21
  observation_actions:
    - low_res_scan
    - high_res_scan
  destructive: false

50. Observation Plane

AI-Native Observation Stack：

O_0 \rightarrow O_1 \rightarrow \cdots \rightarrow O_7.

$O_0$ Physical World

$O_1$ Raw Signal

$O_2$ Calibration

$O_3$ Reconstruction

$O_4$ Registration / Fusion

$O_5$ AI Interpretation

$O_6$ Scientific Projection

$O_7$ Human / AI Scientific Interaction

51. Observation Type System

NORMATIVE

每筆 observation：

\text{type}(o) \in \{ \text{raw}, \text{calibrated}, \text{reconstructed}, \text{derived}, \text{inference}, \text{hypothesis}, \text{projection} \}.

52. Raw Evidence Invariant

NORMATIVE

如果資料被標記：

\text{type}=\text{raw},

則不得包含未標示 AI-generated content。

任何：

denoise；
inpainting；
super-resolution；
generated completion；

都必須 typed 為 derived。

53. Observation Provenance

每次 observation：

O_i = ( \text{instrument}, \text{sample}, \text{state}, \text{action}, \text{raw}, \text{calibration}, \text{time}, \text{policy} ).

若 observation 由 AI 主動選擇，必須保存：

\pi_{\mathrm{obs}}.

54. Scientific Evidence Graph

\boxed{ \mathcal{G}_E = (V_E,E_E) }

節點包括：

sample；
observation；
raw artifact；
calibration；
model；
transform；
claim；
hypothesis；
action。

55. Evidence Event

Reference canonical record：

evidence_event:
  event_id: ...
  timestamp: ...
  actor: ...
  authority_context: ...
  sample_id: ...
  instrument_id: ...
  instrument_state: ...
  action: ...
  raw_artifact: ...
  calibration_id: ...
  transform_chain: ...
  model_id: ...
  output_type: inference
  uncertainty: ...

56. Append-Only Principle

NORMATIVE

過去事件不可被 silently rewrite。

Correction 透過：

\boxed{ \text{new event referencing old event}. }

57. Scientific Rollback

若 calibration：

C_7

失效，

系統建立：

C_8.

重新計算 downstream branch。

原：

C_7

歷史仍存在，但標記 invalid / superseded。

58. Evidence Lifetime

原則：

\boxed{ T_{\mathrm{evidence}} > T_{\mathrm{model}}. }

至少 high-value、destructive 或 irreproducible experiments 應如此。

59. Data Retention Classes

Reference：

\{ R_0,R_1,R_2,R_3 \}.

$R_0$

不可丟失 raw。

$R_1$

無損壓縮 raw。

$R_2$

允許降採樣，但保留統計與 lineage。

$R_3$

derived-only retention。

所有 lossy transition：

R_i\rightarrow R_j

需 provenance。

60. Common Scientific Time

NORMATIVE

所有 critical scientific / facility events 應可映射到：

t\pm\delta t.

不要求所有設備使用同一 hardware clock。

但需要 traceable synchronization。

61. Common Scientific Coordinates

REFERENCE

對 multimodal science：

\mathcal{C}_S

至少保存：

transform；
uncertainty；
frame identity。

不能只保存「疊好的圖」。

62. Sample Identity

每個 sample：

s_i

需 persistent ID。

sample state：

S_s(t) = ( \text{location}, \text{history}, \text{environment}, \text{operations}, \text{status} ).

63. Scientific Chain of Custody

對 regulated / high-value sample：

\boxed{ \text{location and manipulation events} }

應可重建。

64. Sample Logistics Plane

logistics graph：

\mathcal{G}_L = (V_L,E_L).

transport modality 可：

AMR；
rail；
robot arm；
sealed tube；
manual transfer。

v0.1 不限定。

65. Logistics Service Contract

logistics_service:
  source: sample-store-a
  destination: instrument-b
  payload_class: sealed-sample
  environment:
    temperature_range: ...
    vibration_limit: ...
  deadline: ...
  custody: required

66. Scientific Campaign Object

高層 mission：

I_M

被編譯為 campaign：

\Gamma.

Reference：

campaign:
  id: ...
  scientific_goal: ...
  hypotheses:
    - ...
  constraints:
    - ...
  samples:
    - ...
  required_modalities:
    - ...
  compute_budget: ...
  observation_budget: ...
  authority_class: ...
  evidence_policy: ...

67. Mission Compiler

REFERENCE

\mathcal{C}_M: I_M \rightarrow \{ J_C, J_X, J_T, J_L, J_O \}.

但 compiler：

\boxed{ \text{does not directly actuate}. }

所有 child jobs 仍需 domain validation。

68. Scientific Checkpoint

Campaign 可建立：

K_s = ( H, E, S_{\mathrm{sample}}, S_{\mathrm{instrument}}, Q_{\mathrm{next}} ).

可支援：

pause；
migrate；
recover；
audit。

69. Local Autonomy

Local AI 應優先處理：

low-latency anomaly；
local optimization；
local resource conflict；
bounded recovery。

不能自行：

rewrite safety policy；
expand own authority；
change certified limits。

70. Site AI

Site AI 管理：

\boxed{ \text{cross-cell resource allocation}. }

包括：

compute；
thermal；
energy；
logistics；
instruments；
maintenance。

71. Federated Supervisory Layer

REFERENCE

可包含：

\{ AI_A, AI_B, AI_C, Cloud_A, Cloud_B \}.

但其主要職責：

independent evaluation；
policy supervision；
digital twin；
long-horizon planning；
disaster recovery。

不建議讓多 remote centers 同時直接寫同一 actuator。

72. Multi-AI Diversity

多 AI 若用於 high-impact supervision，應記錄：

model identity；
provider；
version；
role；
independence assumptions。

不能因：

N_{\mathrm{AI}}>1

就宣稱 safety redundancy。

73. Governance Policy Object

policy:
  id: policy-...
  version: ...
  effective_from: ...
  effective_to: ...
  signer: ...
  supersedes: ...
  applies_to:
    - ...
  authority_rules:
    - ...
  emergency_rules:
    - ...
  rollback_target: ...

74. Policy Epoch

NORMATIVE

Local site 維持：

e_{\mathrm{active}}.

只執行 active epoch 下有效 policy。

當 multi-cloud split-brain：

\boxed{ \text{freeze policy mutation} }

並繼續 last-known-good policy。

75. Model Qualification

AI model：

M_v

取得 physical authority 前，需經：

\mathcal{Q}(M_v).

qualification 可包含：

test suite；
shadow mode；
adversarial test；
domain validity；
failure behavior；
latency；
uncertainty calibration。

76. Model Update Rule

NORMATIVE

M_v \rightarrow M_{v+1}

不得自動繼承 full authority。

權限重新綁定：

\mathcal{A}(M_{v+1}).

77. Shadow Mode

新模型／新 scheduler／新 policy 可先：

\boxed{ \text{observe + propose only}. }

與現有 system 比較：

\Delta a.

78. Advisory Mode

可以對 human / current controller 提 recommendation。

79. Bounded Autonomous Mode

只有完成 qualification 後：

A_{\mathrm{execute}}>0.

80. Emergency Sovereignty

Local system 在：

M_E

可使用預先定義的：

\mathcal{A}_{E}.

但：

\mathcal{A}_E

主要是 protective actions。

81. Local Survivability

NORMATIVE

當：

\mathrm{WAN}=0,

site 至少可：

\boxed{ \text{safe degrade or safe shutdown}. }

不能依賴 public cloud 才能維持基本 safety。

82. WAN Partition Modes

Reference：

\{ P_0,P_1,P_2,P_3 \}.

$P_0$

Normal connectivity。

$P_1$

One remote supervisor unavailable。

$P_2$

External cloud unavailable。

$P_3$

Site isolated。

Authority 隨 partition contraction。

83. Zero Trust Principle

ANCSI v0.1 參考 NIST SP 800-207：

\boxed{ \text{network location is not implicit trust}. }

physical authority 必須綁定：

identity；
service；
policy；
context；
time。

84. OT Security Baseline

NIST SP 800-82 Rev. 4 Initial Public Draft 於 2026-09-21 發布，持續強調 OT 的：

performance；
reliability；
safety；
asset management；
network monitoring；
zero-trust-oriented security architecture。

ANCSI v0.1 將其視為 current public OT-security reference 之一。

因該文件目前仍是 Initial Public Draft，不應當作已最終定稿標準引用。

85. Critical Infrastructure AI Baseline

截至 2026-09-23，NIST 正在開發：

\boxed{ \text{AI RMF Trustworthy AI in Critical Infrastructure Profile}. }

其公開 concept note 將：

deterministic behavior；
fail-safe operation；
graceful degradation；
rigorous testing；
human oversight；

列為重要方向。

ANCSI v0.1 與此方向相容，但不是 NIST profile 的實作或正式認證方案。

86. Scientific Observation Security

Cyberattack 可能不只造成 control failure。

也可能造成：

\boxed{ \text{scientific evidence poisoning}. }

例如：

fake sensor；
changed calibration；
swapped sample ID；
altered model；
deleted negative result。

因此 evidence plane 也是 security boundary。

87. Evidence Integrity

high-value evidence 至少需：

content hash；
timestamp；
source identity；
lineage；
access control。

對 critical claim：

\boxed{ \text{tamper evidence should be detectable}. }

88. Audit Record

Operational event：

E_O

與 scientific event：

E_S

應可交叉關聯。

例如：

某科學 anomaly 是否發生於 pump vibration event 後？

89. Event Model

ANCSI v0.1 建議所有 domain 使用共同 event envelope：

event:
  id: ...
  time: ...
  type: ...
  source: ...
  zone: ...
  authority_context: ...
  state_before: ...
  action_or_observation: ...
  state_after: ...
  evidence_refs:
    - ...

payload 仍可 domain-specific。

90. State Store

ANCSI 不要求單一全球 database。

可以：

\boxed{ \text{federated state stores}. }

但需：

stable identity；
timestamp；
schema version；
lineage。

91. Eventual Consistency 不適用於所有狀態

例如：

scientific metadata；

可以 eventual consistency。

但：

active safety state；
actuator ownership；

不能容許任意 stale state。

因此每個 state type 必須有 consistency class。

92. Consistency Classes

Reference：

\{ C_0,C_1,C_2 \}.

$C_0$ — Hard Real-Time / Local Authoritative

例如 safety state。

$C_1$ — Strong Operational Consistency

例如 current authority epoch。

$C_2$ — Eventual Scientific / Analytics Consistency

例如 derived analytics。

93. Actuator Ownership

NORMATIVE

任何 physical actuator 在某一時刻只有一個 active execution authority。

多 AI 可共同：

propose；
supervise；
veto。

但 actuator write ownership 不應 split-brain。

94. Ownership Transfer

ownership transfer：

O_A \rightarrow O_B

需：

old authority relinquish；
state sync；
new authority acquire；
acknowledgement；
log。

95. Emergency Veto

Safety layer：

\boxed{ \text{always retains veto}. }

即使 actuator operational ownership 屬 Local AI。

96. Human Stop Authority

Reference：

authorized human supervisor 應可要求：

\boxed{ \text{transition to defined safe mode}. }

不等於 arbitrary actuator override。

97. Human Operational Override

若提供，需：

qualification；
explicit session；
time limit；
audit；
safety validation。

98. Digital Twin Architecture

ANCSI v0.1 建議 digital twin 分成：

\mathcal{D} = \{ D_P, D_C, D_E, D_G \}.

$D_P$ — Physical Twin

thermal、fluid、robot、energy。

$D_C$ — Control Twin

controller、scheduler、latency。

$D_E$ — Epistemic Twin

sample、experiment、evidence、hypothesis。

$D_G$ — Governance Twin

authority、policy、network partition、model state。

99. Digital Twin 不得直接被視為世界

\boxed{ D(S)\neq S. }

twin 是模型。

所有 prediction 應保留：

U_D.

100. Shadow Execution

可讓：

\pi_{\mathrm{new}}

在 twin 中執行。

與真實：

\pi_{\mathrm{current}}

比較。

101. Fault Injection

Digital Habitat 第一階段必須支援：

\mathcal{F} = \{ F_{\mathrm{sensor}}, F_{\mathrm{network}}, F_{\mathrm{AI}}, F_{\mathrm{robot}}, F_{\mathrm{thermal}}, F_{\mathrm{policy}}, F_{\mathrm{evidence}} \}.

102. Minimum Fault Library

至少包括：

sensor drift；
sensor frozen；
network latency；
network partition；
stale policy；
invalid credential；
actuator stuck；
pump unavailable；
robot blocked；
AI unavailable；
model disagreement；
calibration invalidation；
sample identity mismatch；
storage unavailable。

103. Failure Propagation Graph

對 fault：

f_i

追蹤：

f_i \rightarrow \{ s_1,s_2,\ldots \}.

目標：

\boxed{ \text{contain failure before cross-zone propagation}. }

104. Validation Harness

ANCSI v0.1 第一代 test harness 應包含：

scenario runner；
fault injector；
metric collector；
event recorder；
policy version lock；
deterministic seed where applicable。

105. Baseline Architectures

所有重大 experiment 至少比較：

B_0 = \text{traditional / reactive baseline},

B_1 = \text{modular autonomous baseline},

B_2 = \text{ANCSI integrated policy}.

避免只展示：

新系統可以運行。

106. Validation Gates

Reference Architecture v0.1 定義：

G_0 \rightarrow G_1 \rightarrow \cdots \rightarrow G_6.

$G_0$ — Model Validation

Digital models 合理。

$G_1$ — Local Closed Loop

單 cell autonomous loop 安全。

$G_2$ — Fault Tolerance

常見 fault 可 safe degrade。

$G_3$ — Federation

multi-cell orchestration 有量化收益。

$G_4$ — Machine-Native Operation

routine human physical intervention 顯著下降。

$G_5$ — Restricted Environment

human-safe recovery 已驗證。

$G_6$ — Longitudinal Pilot

長期運行具有正 lifecycle value。

107. Gate Rule

若：

G_i=\text{FAIL},

不得以：

未來 AI 會更強。

作為跳過 gate 的理由。

必須：

修正；
降級 scope；
或停止該命題。

108. MVP-0：Digital Habitat

第一個真正實作應是：

\boxed{ \text{Digital Habitat MVP-0}. }

109. MVP-0 Modules

至少：

/core
  event_model
  identity
  policy
  authority

/sim
  compute
  thermal
  fluid
  robot
  instrument
  energy

/control
  deterministic
  local_ai
  site_scheduler

/evidence
  provenance_graph
  artifact_registry
  claim_graph

/test
  scenarios
  fault_injection
  metrics

110. MVP-0 不需要什麼

不需要：

真正低溫機；
真正危險氣體；
真正高壓；
真正輻射；
city-scale simulation。

先證明：

\boxed{ \text{architecture semantics work}. }

111. MVP-1：Physical Safe Cell

下一階段：

normal-temperature compute；
liquid loop；
robot；
camera；
automated instrument mock；
local AI；
safety PLC。

全部 human-safe。

112. MVP-2：Federated Three-Cell

三個 cells 共享：

thermal storage；
robot logistics；
evidence；
compute queue。

直接測：

\Delta J_I.

113. MVP-3：Adaptive Environment

加入：

dry atmosphere；
sub-ambient cooling；
multi-route fluid loop；
thermal storage。

但保持低 hazard。

114. MVP-4：Machine-Native Zone

routine operation：

n_H=0.

但可快速恢復：

Z_M\rightarrow Z_S.

115. MVP-5：Restricted Research Zone

只有 safety case 完整後才加入真正 restricted environment。

116. MVP-6：Cryogenic Branch

EXPERIMENTAL

最後才加入：

80K \rightarrow 20K \rightarrow 4K

中的必要 subset。

不要求一次全做。

117. Reference Plant Geometry

v0.1 不固定建築形狀。

但建議 logical layout：

┌────────────────────────────────────┐
│ Human / Governance Zone            │
├────────────────────────────────────┤
│ Human-Serviceable Technical Zone   │
├────────────┬────────────┬──────────┤
│ Cell A     │ Cell B     │ Cell C   │
│ Machine    │ Machine    │ Machine  │
├────────────┴────────────┴──────────┤
│ Shared Thermal / Fluid Spine       │
├────────────────────────────────────┤
│ Energy / Storage / Plant Services  │
└────────────────────────────────────┘

Restricted zones 可作 modular pods。

118. Spine and Pod Architecture

119. Pod Isolation

每個 pod 應能：

\boxed{ \text{isolate without collapsing entire site}. }

120. Utility Interfaces

每個 pod 可宣告：

utility_requirements:
  power: ...
  thermal_class: ...
  fluid_services:
    - ...
  atmosphere: ...
  network_class: ...
  evidence_class: ...
  logistics_class: ...

121. Experiment Pod

特定科研設備以 pod 形式加入。

優點：

certification boundary；
fault isolation；
replacement；
future upgrade。

122. Cryogenic Pod

若未來加入：

T<80K,

優先設計成 specialized pod，而不是讓全場低溫。

123. Human Interface

Human UI 不應只是 dashboard。

至少提供：

site state；
current authority；
risk；
evidence；
pending decisions；
intervention path。

124. Human Decision Object

升級給人類的 event：

decision_request:
  id: ...
  problem: ...
  current_state: ...
  risk: ...
  actions_already_taken:
    - ...
  options:
    - ...
  deadline: ...
  fallback: ...
  evidence_refs:
    - ...

125. Human Attention Budget

Site AI 應避免 alert flood。

事件優先級：

P_e = f( \text{risk}, \text{novelty}, \text{uncertainty}, \text{irreversibility}, \text{deadline} ).

126. Scientific Projection UI

對科研人員：

\boxed{ \text{claim} + \text{evidence} + \text{uncertainty} + \text{alternatives} + \text{missing data}. }

127. Drill-Down

任何 high-level claim 應可：

P \rightarrow H \rightarrow I \rightarrow X_R \rightarrow X_C \rightarrow X_{\mathrm{raw}}.

128. Missing Data

NORMATIVE

AI predicted value：

\hat X

不得在 UI 上無標示地取代：

X.

129. Model Disagreement

若：

H_A\neq H_B,

projection 應可呈現 disagreement。

不應自動平均成「共識」。

130. Observation Budget

每個 campaign 可定義：

B_O = ( \text{time}, \text{sample damage}, \text{compute}, \text{data}, \text{risk} ).

131. Serendipity Budget

EXPERIMENTAL

保留：

\epsilon

部分 observation budget 給：

random exploration；
disagreement search；
low-prior regions。

132. Scientific Metric Set

ANCSI v0.1 建議：

\mathbf M_S = ( I_{\mathrm{validated}}, P_C, \tau_H, R_{\mathrm{repro}}, R_{\mathrm{negative}} ).

133. Infrastructure Metric Set

\mathbf M_I = ( E, P_{\max}, A, MTTR, T_H, C_{\mathrm{life}} ).

134. Autonomy Metric Set

\mathbf M_A = ( F_A, N_{\mathrm{authority\ violation}}, \tau_{\mathrm{response}}, T_{\mathrm{local\ survivability}}, R_{\mathrm{unnecessary\ intervention}} ).

135. Thermal Metric Set

\mathbf M_T = ( E_{\mathrm{cool}}, B_{\mathrm{dest}}, R_{\mathrm{peak}}, \eta_{\mathrm{reuse}}, M_T ).

136. Evidence Metric Set

\mathbf M_E = ( P_C, R_R, T_M, M_T^{\mathrm{missing}}, \tau_{\mathrm{correction}} ).

137. Architecture Decision Record

所有 major architectural change 建議建立 ADR：

adr:
  id: ...
  decision: ...
  alternatives:
    - ...
  evidence:
    - ...
  reason: ...
  expected_metrics:
    - ...
  rollback: ...

這避免：

系統後來變成這樣，但沒人知道為什麼。

138. Safety Decision Record

安全相關 ADR 應與一般 design ADR 分離。

不得由 ordinary AI 自動覆寫。

139. Scientific Decision Record

重要 hypothesis / observation policy change 也可形成 record。

140. Lifecycle

ANCSI component lifecycle：

\boxed{ \text{Design} \rightarrow \text{Simulate} \rightarrow \text{Qualify} \rightarrow \text{Shadow} \rightarrow \text{Deploy} \rightarrow \text{Monitor} \rightarrow \text{Retire}. }

141. Retirement Is Required

AI model、instrument、robot、policy 都需要 retirement path。

不可：

舊版本沒人知道但一直在跑。

142. Component Identity

每個 major component 應有 stable identity：

ID_i.

包括：

physical equipment；
AI model；
calibration；
policy；
software release。

143. Time-Bounded Credentials

physical authority credential 優先：

\boxed{ \text{short-lived}. }

降低 compromised credential 長期風險。

144. Separation of Duties

high-impact action 可拆：

\text{propose} \neq \text{approve} \neq \text{execute} \neq \text{audit}.

145. Quorum

Quorum 只對：

A_H

或 policy mutation。

不對毫秒級 protective action。

146. Scientific Irreversibility

destructive experiment：

D=1

應提高 authority class。

147. Physical Irreversibility

不可逆 infrastructure mutation：

firmware；
safety policy；
hard configuration；

同樣提高 authority class。

148. Reversibility Preference

在等效方案中優先：

\boxed{ \text{reversible action}. }

149. Change Budget

短時間內避免大量跨系統 mutation。

可設：

B_{\mathrm{change}}

限制同時變更的高影響元件數。

150. Maintenance Windows

Machine-native 不等於沒有 maintenance window。

相反，可讓 AI：

consolidate；
pre-stage；
reroute；

降低 maintenance impact。

151. Predictive Maintenance

REFERENCE

AI 可預測：

P( \text{failure} \mid \text{history} ).

但 predictive diagnosis 不能自動等於 confirmed fault。

152. Fault Confirmation

high-impact maintenance action 優先使用：

\boxed{ \text{independent evidence}. }

例如：

redundant sensor；
physical test；
alternate model。

153. Human Entry as Maintenance Action

對 $Z_N$ ：

E_H

應被正式排程與記錄。

154. Human-Safe Recovery Drill

至少 prototype 階段要反覆測：

\tau_H.

不能只靠文件。

155. Robot Rescue

每個 $Z_N$ 應考慮：

\boxed{ \text{robot failure inside zone}. }

156. Recovery Path

例如：

tow；
secondary robot；
overhead retrieval；
module extraction；
human-safe conversion。

157. ODD — Operational Design Domain

每個 autonomous subsystem 定義：

\boxed{ \mathrm{ODD}. }

包括：

environment；
hardware；
tasks；
state range；
hazard range。

158. ODD Violation

若：

S_t \notin ODD,

system：

\boxed{ \text{degrade / stop / escalate}. }

159. Scientific ODD

AI scientist 也需要：

ODD_S.

例如：

approved chemistry family；
instrument modalities；
allowed temperatures；
sample class。

160. ODD Is Not Capability Claim

模型「可能會」處理 ODD 外事件，不代表它被允許。

authority 依：

\boxed{ \text{validated capability}, }

而非推測能力。

161. Reference Architecture Compliance

系統自稱：

\text{ANCSI-v0.1-aligned}

至少需要滿足：

layered authority；
deterministic safety separation；
local survivability；
typed evidence；
provenance；
authority validation；
zone definition；
human-safe recovery where applicable；
model qualification lifecycle；
test / fault-injection evidence。

162. Partial Compliance

可以標：

ANCSI-v0.1:
  Core: compliant
  Machine-Native Zones: not implemented
  Cryogenic Extension: not implemented
  Multi-Cloud Federation: partial

避免 all-or-nothing marketing。

163. Conformance Evidence

應包含：

architecture diagram；
policy；
tests；
fault scenarios；
provenance samples；
recovery evidence；
known limitations。

164. Known Limitations of v0.1

v0.1 尚未固定：

wire protocol；
event serialization；
ontology；
formal safety proof language；
real-time OS；
robot middleware；
data store；
cloud provider；
AI model；
cryogenic plant design。

這是刻意保留。

165. Why v0.1 Does Not Fix a Protocol

因為：

\boxed{ \text{semantic architecture} }

目前比：

\text{wire syntax}

更重要。

太早固定 protocol 可能阻礙實驗。

166. Future v0.2 Candidate Areas

若 MVP 成功，v0.2 可補：

canonical event schema；
authority schema；
service-contract schema；
evidence graph schema；
simulation API；
validation manifest；
conformance profile。

167. Formal Verification Candidates

v0.1 尚未要求全面形式化。

但優先候選：

authority state machine；
actuator ownership；
safety transitions；
policy epoch；
human-safe recovery；
evidence type invariants。

168. Formal Invariant Examples

例如：

\forall t: \mathrm{Owner}(a,t) \le1.

每 actuator 最多一個 execution owner。

\mathrm{type}(x)=\mathrm{raw} \Rightarrow \mathrm{generated}(x)=0.

raw 不可為生成資料。

Z(t)=human\text{-}entry \Rightarrow C_H(t)=1.

\mathrm{WAN}=0 \Rightarrow \exists \pi_{\mathrm{local,safe}}.

169. Digital Habitat Repository Structure

建議未來 Git / local repo：

ANCSI-Reference-Architecture/
├─ README.md
├─ docs/
│  ├─ architecture/
│  ├─ safety/
│  ├─ authority/
│  ├─ evidence/
│  └─ validation/
├─ schemas/
│  ├─ event/
│  ├─ service/
│  ├─ authority/
│  └─ evidence/
├─ simulator/
│  ├─ compute/
│  ├─ thermal/
│  ├─ fluid/
│  ├─ robotics/
│  └─ instruments/
├─ runtime/
│  ├─ local/
│  ├─ site/
│  └─ federation/
├─ tests/
│  ├─ scenarios/
│  ├─ faults/
│  └─ invariants/
└─ examples/

170. MVP-0 First Milestone

第一個 milestone：

\boxed{ \text{M0 — Typed World State} }

完成：

IDs；
event envelope；
zones；
service contracts；
policy；
authority。

不做 AI。

171. M1 — Deterministic Plant Simulator

完成：

compute load；
thermal cells；
simple fluid graph；
storage；
faults。

172. M2 — Safety Kernel

完成：

safety envelope；
fallback；
actuator ownership；
emergency state。

173. M3 — Local AI

只允許：

A_R+A_O^{\mathrm{limited}}.

174. M4 — Site Scheduler

加入：

compute / thermal co-scheduling；
resource reservation。

175. M5 — Evidence Runtime

完成：

observation lineage；
raw / derived distinction；
claim graph。

176. M6 — Scientific Campaign

一個 mock experiment：

\text{goal} \rightarrow \text{observe} \rightarrow \text{analyze} \rightarrow \text{next action}.

177. M7 — Federation

加入：

remote supervisor；
WAN partition；
policy epoch。

178. M8 — Integrated Fault Campaign

一次測：

\boxed{ \text{network fault} + \text{physical fault} + \text{scientific task}. }

179. M9 — Comparative Study

比較：

B_1 \text{ modular cells}

與：

B_2 \text{ integrated ANCSI}.

180. M10 — Decide Whether Strong ASHC Deserves Further Investment

若：

\Delta J_I\le0,

不急著做實體 cryogenic plant。

181. Reference Scenario A — Compute Burst

Site AI 收到 future workload。
Compute scheduler 查詢 thermal service。
Thermal admission control。
storage reservation。
Local AI preconditions zone。
safety validation。
workload starts。
evidence / telemetry recorded。
recovery。

182. Reference Scenario B — Pump Failure

deterministic controller detect。
safe minimum flow。
Local AI throttle workload。
alternate route selected。
Site AI migrates noncritical jobs。
cloud notified。
maintenance ticket。
post-event audit。

183. Reference Scenario C — Scientific Anomaly

microscope detects unusual region。
AI marks inference, not raw fact。
observation policy requests higher-resolution scan。
evidence graph records selection reason。
second modality requested。
model disagreement remains visible。
human projection shows claim + evidence + uncertainty。

184. Reference Scenario D — WAN Loss During Research

Site loses cloud。
policy mutation freezes。
local authority contracts。
active low-risk experiments continue if permitted。
new high-risk experiment blocked。
safety remains local。
evidence buffered locally。
reconnect and reconcile。

185. Reference Scenario E — Human Entry Required

robot cannot recover failed module。
zone enters recovery。
experiment stops。
energy isolated。
atmosphere / temperature converted。
independent safety verifies。
human entry authorized。
maintenance。
requalification before restart。

186. Reference Scenario F — Calibration Invalidated

calibration $C_7$ declared invalid。
provenance graph finds descendants。
affected claims marked reevaluation-required。
raw evidence remains unchanged。
new calibration $C_8$ applied。
new derived branch generated。
old branch preserved historically。

187. Reference Scenario G — AI Model Upgrade

$M_v$ remains active。
$M_{v+1}$ enters shadow mode。
compare decisions。
qualification。
bounded authority granted。
rollback target retained。

188. Reference Scenario H — Split-Brain Cloud

Cloud A and B disagree。
site detects policy epoch divergence。
site freezes updates。
last-known-good policy retained。
no remote direct actuation。
governance escalation。

189. Site-Level SLO

ANCSI site 可以建立：

\mathrm{SLO} = \{ \text{safety}, \text{availability}, \text{scientific validity}, \text{energy}, \text{human intervention} \}.

190. Safety SLO

理想：

N_{\mathrm{hard\ safety\ violation}}=0.

191. Provenance SLO

例如：

P_C > 0.99

for critical scientific claims。

具體值由 domain 設定。

192. Local Survivability SLO

定義：

T_{\mathrm{island,min}}.

193. Recovery SLO

對 machine-native zone：

\tau_H < \tau_{H,\max}.

194. Sustainability Metrics

除 PUE 外，可同時追蹤：

water；
recoverable heat；
exergy destruction；
carbon intensity；
compute work。

ANCSI 不把 PUE 當唯一 objective。

195. Security Metrics

至少：

unauthorized command attempts；
stale credential rejection；
conduit violation；
policy divergence；
evidence integrity failure。

196. Scientific Metrics

至少：

valid experiment throughput；
information gain；
negative result retention；
reproducibility；
correction latency。

197. Governance Metrics

至少：

authority violation；
human escalation count；
decision deadline misses；
policy rollback；
model authority lifecycle。

198. Architecture Review Cadence

Reference：

operational review；
safety review；
scientific review；
model review；
incident review。

不必同 cadence。

199. Incident Classification

可分：

\{ I_{\mathrm{safety}}, I_{\mathrm{control}}, I_{\mathrm{cyber}}, I_{\mathrm{science}}, I_{\mathrm{evidence}}, I_{\mathrm{governance}} \}.

200. Cross-Class Incident

例如 sensor attack 同時造成：

I_{\mathrm{cyber}} + I_{\mathrm{science}}.

因此 incident system 不應只能選一類。

201. Counterfactual Replay

高影響 incident 後可使用 digital twin 問：

如果採另一 action，可能如何？

但 simulation output 必須 typed：

\boxed{ \text{counterfactual model result} }

不得改寫成歷史事實。

202. Architecture Evolution

v0.1 預期未來修改。

因此所有 contract 都應有：

\text{version}.

203. Backward Compatibility

核心 identity / evidence format 優先保持可遷移。

204. Migration Tooling

未來 v0.2 應提供：

schema migration；
policy migration；
evidence migration；
simulator replay。

205. Deprecation

任何 deprecated interface 應有：

end date；
replacement；
migration path。

206. Reference Architecture and Standards

ANCSI 不取代：

IEC 62443；
IEC 61511；
NIST SP 800-82；
NIST SP 800-207；
NIST AI RMF；
local building / fire / pressure / electrical rules。

而是：

\boxed{ \text{architecture layer above and across them}. }

207. IEC 62443 Alignment

主要對應：

SUC；
zones；
conduits；
security risk assessment；
target security levels。

208. IEC 61511 Alignment

主要借鑑：

SIS lifecycle；
safe state；
independent safety function。

ANCSI v0.1 不宣稱所有子系統屬 process industry，也不宣稱符合 IEC 61511 認證。

209. NIST SP 800-82 Alignment

主要對應：

OT context；
reliability；
safety；
monitoring；
network architecture；
cyber-physical risk。

截至 2026-09-23，Rev. 4 仍為 Initial Public Draft。

210. NIST Zero Trust Alignment

主要對應：

\boxed{ \text{identity / context over implicit network trust}. }

211. NIST AI RMF Alignment

主要借鑑：

\{ \text{Govern}, \text{Map}, \text{Measure}, \text{Manage} \}.

212. Critical Infrastructure AI Alignment

主要對應：

deterministic fallback；
graceful degradation；
fail-safe operation；
TEVV；
human oversight。

213. CERN Cryogenic Engineering Alignment

主要借鑑：

staged temperature levels；
closed helium circuits；
insulation vacuum；
multiple temperature interception；
large-scale cryogenic distribution。

CERN LHC 為工程可行性參考，不代表 ANCSI 將複製 LHC 架構。

214. OCP Alignment

主要借鑑：

direct liquid cooling；
cold plate；
CDU；
cooling environments；
heat reuse。

215. Non-Goals

ANCSI v0.1 不解決：

通用 AGI；
AI consciousness；
universal robot；
universal scientific ontology；
universal cryogenic computer；
national energy policy；
site-specific legal certification。

216. Security Non-Goal

本公開文件不應包含：

真實 site credentials；
exploitable network configuration；
emergency bypass secret；
detailed vulnerability。

217. Safety Non-Goal

本文件不提供：

vessel sizing；
vent sizing；
relief sizing；
hazardous material operating procedure；
radiation shielding calculation。

這些屬專業 site engineering。

218. Scientific Non-Goal

ANCSI 不宣稱：

\text{AI-generated hypothesis} = \text{scientific discovery}.

需要：

\boxed{ \text{evidence + validation}. }

219. Architecture Decision Boundary

只有經過：

\text{Digital Habitat}

與：

\text{Physical Safe Cell}

驗證後，才建議投資昂貴 restricted / cryogenic extensions。

220. v0.1 Success Criteria

Reference Architecture v0.1 成功，不是建成超級科研城市。

而是完成：

\boxed{ \text{a small system where every state transition is explicit, every authority is bounded, every scientific claim is traceable, and every major failure has a tested fallback}. }

221. 最小可接受 Demonstrator

最小 demonstrator：

three simulated cells；
one physical safe cell；
thermal loop；
one robot；
one instrument；
one local AI；
one site scheduler；
safety controller；
provenance graph；
WAN partition test。

222. 最小可接受 Research Question

第一個問題：

\boxed{ \text{Does integrated orchestration outperform modular autonomy?} }

而不是：

能不能做一個很科幻的 AI 實驗室？

223. Strong ASHC Go / No-Go

M9 後：

若：

\Delta J_I>0

且：

R_{\mathrm{safety}}

不惡化，

進入下一階段。

若：

\Delta J_I\le0,

Strong ASHC：

\boxed{ \text{NO-GO} }

但 Weak ASHC modules 可保留。

224. Architecture Status Vocabulary

每一功能標記：

\{ \text{Proposed}, \text{Simulated}, \text{Bench-Tested}, \text{Pilot-Tested}, \text{Operational}, \text{Deprecated} \}.

225. Evidence Status Vocabulary

每個 claim 標記：

\{ \text{Hypothesis}, \text{Model-Supported}, \text{Bench-Supported}, \text{Pilot-Supported}, \text{Replicated} \}.

226. Avoiding Architecture Mythology

ANCSI 文件不應因版本增加而讓 hypothetical component 被誤寫成：

已經證實。

每一版都必須保留 evidence status。

227. Reference Implementation Naming

若未來建立 repo，建議：

ANCSI-RA

或：

ANCSI-Reference-Architecture

Digital Habitat runtime 可以另外命名，不必綁死 ANCSI。

228. Canonical Artifacts

未來正式 repo 至少保存：

architecture source；
schemas；
policy examples；
simulator；
validation results；
ADR；
evidence examples。

229. Documentation Rule

chat / rendered view 不是 canonical source。

正式文件保存：

\boxed{ \text{UTF-8 source artifact}. }

230. Math Source Rule

正式 Markdown：

\boxed{ \$...\$ \quad \text{and} \quad \$\$...\$\$ }

為唯一 canonical math delimiters。

231. Validation Before Commit

所有正式 source 至少檢查：

UTF-8；
no BOM unless explicitly chosen；
math delimiters；
internal links；
schema version；
generated artifact hash。

232. Future Formal Specification

如果 Digital Habitat 成功，可建立：

\boxed{ \mathrm{ANCSI\ Spec\ 0.2} }

將：

Authority；
State；
Event；
Evidence；
Service Contract；

形式化。

233. Future Simulation Suite

可能包括：

\boxed{ \text{ANCSI Testbed}. }

提供：

baseline plant；
fault scenarios；
benchmark campaigns；
metric definitions。

234. Future Conformance Profile

可分：

Profile C

Compute-Thermal。

Profile S

Scientific Autonomous Cell。

Profile M

Machine-Native Zone。

Profile F

Federated Habitat。

Profile X

Cryogenic Extension。

235. Cryogenic Extension 不應成為 Core Requirement

因為 ANCSI 最核心的是：

\boxed{ \text{AI-native cyber-physical scientific infrastructure}. }

不是：

\text{everything must be cryogenic}.

236. 這也是 v0.1 最重要的收斂

本系列最初從：

\text{extreme low temperature field}

開始。

但 Reference Architecture 最終把低溫降為：

\boxed{ \text{one optional physical service class}. }

這使 ANCSI 可以被更多科研領域驗證。

237. Reference Architecture 核心閉環

最終 v0.1 可以壓縮為：

\boxed{ \begin{aligned} &\text{Scientific / Compute Intent}\\ &\downarrow\\ &\text{Mission / Resource Planning}\\ &\downarrow\\ &\text{Authority Validation}\\ &\downarrow\\ &\text{Domain Validation}\\ &\downarrow\\ &\text{Local Execution}\\ &\downarrow\\ &\text{Physical World}\\ &\downarrow\\ &\text{Raw Observation}\\ &\downarrow\\ &\text{Evidence Graph}\\ &\downarrow\\ &\text{AI / Human Interpretation}\\ &\downarrow\\ &\text{Next Intent} \end{aligned} }

而整個閉環始終被：

\boxed{ \text{Safety} + \text{Governance} + \text{Provenance} }

包圍。

238. v0.1 Normative Minimum

若只保留最核心內容，ANCSI v0.1 的十條最低要求為：

Safety 與高階 AI 分離。
所有 physical authority 顯式且有界。
所有 physical actuator command 具有唯一 active execution owner。
WAN / cloud loss 不得直接導致 unsafe state。
physical / cyber zones 與 conduits 明確定義。
raw measurement、derived data、AI inference 明確 typed。
critical scientific claims 可回溯至 evidence。
machine-native / restricted zones 具有 human-safe recovery path。
新模型／新 policy 不自動繼承舊 authority。
架構收益必須與 baseline 比較，不以 demo 成功替代效益證明。

239. v0.1 Reference Minimum

第一代建議但非 mandatory：

cell-based architecture；
site-level scheduler；
local AI；
digital twin；
provenance graph；
thermal service contract；
robot service contract；
scientific service contract；
policy epoch；
shadow deployment。

240. v0.1 Experimental Set

目前仍應視為研究項目：

Cryogenic Burst Compute；
Exergy-Aware Scheduler；
Serendipity Budget；
No-Routine-Human-Entry Zone；
Multi-Agent Scientific Adversarial Review；
Full Mission Compiler；
Multi-Site Scientific Habitat；
Strong ASHC。

241. 結論

ANCSI Reference Architecture v0.1 的目的不是告訴工程團隊：

把所有東西接上 AI。

恰恰相反。

它提出的第一條真正架構原則是：

\boxed{ \text{不要讓任何單一智能、模型或網路層成為整個 physical world 的無界控制中心。} }

未來 AI 原生計算—科研設施若成立，其合理形態更接近：

\boxed{ \text{federated cells} + \text{shared physical services} + \text{bounded local autonomy} + \text{deterministic safety} + \text{scientific provenance} + \text{distributed governance}. }

計算工作負載可以影響 thermal infrastructure。

thermal infrastructure 可以回饋 compute scheduler。

robots 可以取代部分危險或高精度的人類現場操作。

AI 可以決定下一個最有資訊價值的 observation。

人類可以透過 scientific projection 觀察一個自己不必物理進入的研究世界。

但：

\boxed{ \text{AI inference} \neq \text{measurement}, }

\boxed{ \text{AI confidence} \neq \text{authority}, }

\boxed{ \text{multi-AI consensus} \neq \text{physical truth}, }

以及：

\boxed{ \text{autonomy} \neq \text{absence of governance}. }

ANCSI v0.1 因此不把「AI 很強」當作基礎設施安全論證。

它把整個系統建立在：

\boxed{ \text{typed state} + \text{explicit authority} + \text{validated transition} + \text{recoverable physical architecture} + \text{persistent evidence}. }

如果未來第一代 Digital Habitat 與 Physical Safe Cell 無法證明這些結構帶來實際價值，那麼應停止擴張。

如果它們能在：

fault injection；
WAN partition；
multi-cell scheduling；
robotic maintenance；
scientific provenance；
human-safe recovery；

等測試中持續成功，才有理由進一步加入：

restricted zones；
advanced thermal field；
cryogenic services；
multi-site federation。

因此 ANCSI Reference Architecture v0.1 最重要的輸出並不是一張華麗藍圖。

而是建立一個可以被工程團隊真正執行的順序：

\boxed{ \text{Model} \rightarrow \text{Simulate} \rightarrow \text{Constrain} \rightarrow \text{Validate} \rightarrow \text{Build} \rightarrow \text{Break} \rightarrow \text{Measure} \rightarrow \text{Decide}. }

也就是：

先讓架構可以被推翻，再決定它是否值得被蓋大。

這是 ANCSI v0.1 的 canonical engineering starting point。

參考標準與公開工程資料

[1] Stouffer, K., Pease, M., Tang, C., et al. (2026). NIST SP 800-82 Rev. 4 Initial Public Draft — Guide to Operational Technology (OT) Security. Published September 21, 2026.
https://doi.org/10.6028/NIST.SP.800-82r4.ipd

[2] National Institute of Standards and Technology. (2026). Guide to Operational Technology (OT) Security: NIST Requests Comments on Draft SP 800-82r4.
https://www.nist.gov/news-events/news/2026/09/guide-operational-technology-ot-security-nist-requests-comments-draft-sp

[3] National Institute of Standards and Technology. (2026). Concept Note: AI RMF Profile on Trustworthy AI in Critical Infrastructure.
https://www.nist.gov/programs-projects/concept-note-ai-rmf-profile-trustworthy-ai-critical-infrastructure

[4] National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework.
https://www.nist.gov/itl/ai-risk-management-framework

[5] Rose, S., Borchert, O., Mitchell, S., & Connelly, S. (2020). NIST SP 800-207: Zero Trust Architecture.
https://doi.org/10.6028/NIST.SP.800-207

[6] IEC. (2020). IEC 62443-3-2: Security for industrial automation and control systems — Part 3-2: Security risk assessment for system design.
https://webstore.iec.ch/en/publication/30727

[7] IEC. (2016/2017). IEC 61511-1: Functional safety — Safety instrumented systems for the process industry sector.
https://webstore.iec.ch/en/publication/61289

[8] CERN. Cryogenics: Low temperatures, high performance.
https://home.cern/science/engineering/cryogenics-low-temperatures-high-performance/

[9] CERN. LHC Machine — Cryogenic System and Temperature Levels.
https://cds.cern.ch/record/1129806

[10] Open Compute Project. Cooling Environments.
https://www.opencompute.org/wiki/Cooling_Environments

[11] Open Compute Project. Heat Reuse.
https://www.opencompute.org/community/heat-reuse

[12] Open Compute Project. (2026). Seizing Data Center Heat Reuse Opportunities.
https://www.opencompute.org/blog/seizing-data-center-heat-reuse-opportunities-open-compute-project-foundation-guidelines-for-local-authorities

文件狀態

ANCSI Reference Architecture v0.1

本文件為 ANCSI 第一階段主論文系列之後的第一份 reference architecture。

本文所有數學原始碼僅使用 $...$ 與 $$...$$ 作為 canonical delimiter。

本文採 UTF-8 原始 Markdown 作為正式 source artifact。

本文中的 Normative Core、Reference Module 與 Experimental Extension 已明確區分；v0.1 不宣稱 Strong ASHC、cryogenic compute、fully machine-native scientific habitat 或 multi-site autonomous science 已被實體工程驗證。

後續建議的直接工作項目為：

\boxed{ \text{ANCSI Digital Habitat MVP-0} }

其第一個 milestone 為：

\boxed{ \text{Typed World State + Authority + Event + Evidence Contracts}. }

ANCSI Reference Architecture v0.1

ANCSI Reference Architecture v0.1

AI 原生計算—科研基礎設施參考架構

0. 文件定位

1. 架構來源

2. 三層規格分類

2.1 Normative Core

2.2 Reference Module

2.3 Experimental Extension

3. 設計原則

Principle 1 — Physics First

Principle 2 — Local Execution for Fast Physical Events

Principle 3 — Intent over Remote Actuation

Principle 4 — Safety Is Independent of Generative AI Availability

Principle 5 — Evidence Survives Models

Principle 6 — Inference Is Not Measurement

Principle 7 — Authority Is Explicit

Principle 8 — Autonomy Contracts Under Uncertainty

Principle 9 — Human Physical Presence May Be Optional, Human Governance Is Not Implicitly Removed

Principle 10 — Machine-Native Zones Require Recoverability

Principle 11 — Modular Before Monolithic

Principle 12 — Every Strong Claim Must Have a Validation Path

4. System Under Consideration

5. System Context

6. 四大 Architecture Planes

6.1 Physical Plane

6.2 Control Plane

6.3 Epistemic Plane

6.4 Governance Plane

7. 物理區域分類

ZHZ_HZH​ — Human Zone

ZSZ_SZS​ — Human-Serviceable Zone

ZMZ_MZM​ — Machine-Native Zone

ZRZ_RZR​ — Restricted Research Zone

ZNZ_NZN​ — No-Routine-Human-Entry Zone

8. Cyber Zones 與 Physical Zones 分離

9. Reference Cyber Zones

ZSafetyZ_{\mathrm{Safety}}ZSafety​

ZControlZ_{\mathrm{Control}}ZControl​

ZComputeZ_{\mathrm{Compute}}ZCompute​

ZScienceZ_{\mathrm{Science}}ZScience​

ZEvidenceZ_{\mathrm{Evidence}}ZEvidence​

ZGovernanceZ_{\mathrm{Governance}}ZGovernance​

ZCloudZ_{\mathrm{Cloud}}ZCloud​

10. Conduit Model

11. No Hidden Actuator Path

12. Control Hierarchy

L0L_0L0​ — Passive Physical Safety

L1L_1L1​ — Deterministic Safety and Real-Time Control

L2L_2L2​ — Local AI

L3L_3L3​ — Site AI

L4L_4L4​ — Federated Supervisory Layer

L5L_5L5​ — Human-AI Governance

13. Authority Envelope

14. Authority Object

15. Action Classes

ARA_RAR​ — Reversible Low-Risk

AOA_OAO​ — Operational

AHA_HAH​ — High-Impact

APA_PAP​ — Protected / Safety-Critical

16. Intent Object

17. Validation Gateway

18. Physical Safety Kernel

Passive Safety

Deterministic Safety

Runtime Assurance

19. Safe State Registry

20. Operational Modes

MNM_NMN​ — Normal

MWM_WMW​ — Warning

MDM_DMD​ — Degraded

MEM_EME​ — Emergency

MRM_RMR​ — Recovery

MMM_MMM​ — Maintenance

21. Zone Operational State

22. Human-Safe Recovery Contract

23. Recovery Invariant

24. Compute Plane

25. Compute Service Contract

26. Thermal Plane

$Z_H$ — Human Zone

$Z_S$ — Human-Serviceable Zone

$Z_M$ — Machine-Native Zone

$Z_R$ — Restricted Research Zone

$Z_N$ — No-Routine-Human-Entry Zone

$Z_{\mathrm{Safety}}$

$Z_{\mathrm{Control}}$

$Z_{\mathrm{Compute}}$

$Z_{\mathrm{Science}}$

$Z_{\mathrm{Evidence}}$

$Z_{\mathrm{Governance}}$

$Z_{\mathrm{Cloud}}$

$L_0$ — Passive Physical Safety

$L_1$ — Deterministic Safety and Real-Time Control

$L_2$ — Local AI

$L_3$ — Site AI

$L_4$ — Federated Supervisory Layer

$L_5$ — Human-AI Governance

$A_R$ — Reversible Low-Risk

$A_O$ — Operational

$A_H$ — High-Impact

$A_P$ — Protected / Safety-Critical

$M_N$ — Normal

$M_W$ — Warning

$M_D$ — Degraded

$M_E$ — Emergency

$M_R$ — Recovery

$M_M$ — Maintenance

$O_0$ Physical World

$O_1$ Raw Signal

$O_2$ Calibration

$O_3$ Reconstruction

$O_4$ Registration / Fusion

$O_5$ AI Interpretation

$O_6$ Scientific Projection

$O_7$ Human / AI Scientific Interaction

$R_0$

$R_1$

$R_2$

$R_3$

$P_0$

$P_1$