🚀

H-Carrier × coneFFT Live audio 　ー公開ノート　ー

2026/03/17に公開

 H-Carrier × coneFFT Live audio — 技術ノートバージョン: v0.4

日付: 2026-03-10

リポジトリ参照: morcb13-bit/Paper / coneFFT-Verification v0.2.1

引継書: v37（40³格子スキルミオン場数値観察セッション）

 目次概要と設計思想
coneFFT とは何か
40×40×40 フィボナッチ空間の特徴
通常 FFT との相違点
H-Carrier 仕様
統合アーキテクチャ
楽器分解アルゴリズム
ツールの使い方
確定数値結果
既存ツールとの比較・位置づけ
応用例
誠実な限界と課題
次ステップロードマップ

 1. 概要と設計思想本ツールは、2つの独立した概念——H-Carrier（有用残差再注入メカニズム）と coneFFT（フィボナッチ残渣による位相的巻き付き検出）——を統合した、音声信号のキラル分波・楽器分解・可逆合成装置である。

 核心命題H-Carrier が「残差は構造情報のキャリアになり得る」と主張するとき、

coneFFT は「その残差の中にある位相的渦構造を識別する目」として機能する。
この統合により、従来のFFTが捨てていた残差の中のキラル成分（右巻き・左巻き）を識別・分離し、可逆的に再合成することが可能になる。

 2. coneFFT とは何か
 2.1 定義coneFFT は、信号 x[i] に対して以下の不変量 \Phi_d を計算する：
\Phi_d = \frac{1}{N} \left| \sum_{i=0}^{N-\delta} x[i] \cdot x[i+\delta] \cdot e^{i\lambda_c \cdot (i/N)} \right|ここで：


パラメータ
意味
典型値


\delta = \lfloor N \cdot R \rfloor
相関窓幅（半径）
R = 0.35

\lambda_c
コーン波長（位相角速度）
0.5\pi

N
サンプル数
4096


 2.2 キラル符号 Q複素積分の虚部符号が巻き付き方向を示す：
Q = \mathrm{sign}\left(\mathrm{Im}\left[\sum x[i] \cdot x[i+\delta] \cdot e^{i\lambda_c (i/N)}\right]\right)
Q = +1：右巻き（Right-chiral）

Q = -1：左巻き（Left-chiral）

Q = 0：無構造（一様場・ノイズ）

 2.3 R₆ 演算子本来の coneFFT は3次元対角方向の6方向相関演算子 R_6 として定義される：
R_6(x)[p] = \sum_{k=1}^{6} x[p] \cdot x[p + \mathbf{e}_k \cdot \delta]ここで \mathbf{e}_k はフィボナッチ格子上の6方向単位ベクトル。現プロトタイプは1Dライン相関で近似している。

 3. 40×40×40 フィボナッチ空間の特徴
 3.1 格子の構造40^3 = 64{,}000 点のブロッホ型スキルミオン場を数値実装した際、格子の配置にフィボナッチ数列の非公約性を利用している。
フィボナッチ数列の非公約性とは：連続するフィボナッチ数 F_n, F_{n+1} は常に互いに素（\gcd(F_n, F_{n+1}) = 1）であるという性質。これにより：
格子点が有理数格子と非共鳴な位置に配置される
周期的なエイリアシングが構造的に回避される
位相的巻き付き構造が格子アーティファクトに汚染されにくい

 3.2 黄金比との関係格子間隔は黄金比 \varphi = (1+\sqrt{5})/2 \approx 1.618 の逆数：
\phi^{-1} = \varphi^{-1} \approx 0.618この値はH-Carrierの安定条件にも登場する：
|\alpha| \leq (1 - \phi^{-1}) \cdot \beta = 0.382 \cdot \beta直観：黄金比分割は「最も無理数的」な分割であり、あらゆる周期構造から最も遠い。これがフィボナッチ格子の位相保存能力の根拠となる。

 3.3 スキルミオン場での数値観察結果40³格子上のBloch型スキルミオン場（R=0.35, \lambda=0.5\pi）で得られた確定値：


指標
値



\Phi_d（スキルミオン場・全層平均）
1.1308


\Phi_d（一様場）

\approx 0（\sim 10^{-12}）


\Phi_d 比（SKY/UNI）

\approx 10^9 倍


Q(z) 平均/層
\approx -0.90


Q 合計（40層）
\approx -36

FFT peak（k=1–5, sky）
4.562

iso_points（S_z \approx -0.5）
1,120点

10^9 倍の意味：これは振幅差ではなく「ゼロ（対称性による消滅）↔ 非ゼロ（位相残存）」という構造的な差である。一様場では R_6 の対称性により \Phi_d が代数的にゼロになる。

 3.4 拡張実験結果

条件
\Phi_d

Q 平均/層
備考


R = 0.15
0.1062
-0.865
半径縮小

R = 0.25
0.1370
-0.881


R = 0.45
0.1616
-0.814
半径拡大

2-skyrmion
0.1447
-0.688
2個重ね合わせ

反skyrmion
0.1535
+0.855

\phi 反転・Q 符号反転確認

反skyrmion実験で Q の符号が反転したことは、coneFFT が巻き付き方向を正しく識別していることの直接的な証拠である。

 4. 通常 FFT との相違点
 4.1 根本的な差異

特性
通常 FFT
coneFFT


解析対象
周波数成分（振幅・位相）
位相的巻き付き構造

基底関数
複素指数 e^{2\pi i k n/N}

フィボナッチ非公約コーン

出力
スペクトル X[k]

不変量 \Phi_d、キラル符号 Q


一様場への応答
非ゼロ（DC成分を検出）
ゼロ（対称性により消滅）

渦構造への応答
周波数として間接検出
直接検出（\Phi_d \gg 0）

符号情報
位相角（連続値）
Q = \pm 1（離散・トポロジカル）

格子依存性
周期境界に敏感
フィボナッチ非公約性で軽減


 4.2 FFT が捨てるもの標準的なFFT処理パイプラインでは：
信号 x(t)
  → STFT（窓関数付き短時間フーリエ変換）
    → 振幅スペクトル |X[k]|    ← 保存
    → 位相スペクトル ∠X[k]    ← しばしば捨てられる
    → 残差 / 位相的巻き付き    ← ほぼ常に捨てられる
coneFFT はこの「捨てられる残差」の中の位相的渦構造を回収する。

 4.3 Spleeter との比較（スペクトログラム法）Spleeterに代表されるスペクトログラムマスキング法は：
STFTでスペクトログラム化 → U-Netでマスク推定 → ISTFTで復元
この過程で位相情報が失われ、再合成時に「金属的なアーティファクト」が発生する。これはSTFTが大きさスペクトルのみを扱い、位相を原信号から借用するためである。
coneFFT は位相的構造を出発点とするため、原理的にこの問題を回避できる。

 5. H-Carrier 仕様
 5.1 残差の定義H_s := \text{mean}(x - \hat{x}), \quad H_m := \text{rms}(|x - \hat{x}|)
 5.2 閾値ゲートg := \text{clip}\left(\frac{H_m - \tau}{\kappa}, 0, 1\right)
\tau：ノイズフロア閾値（量子化誤差相当）

\kappa \to 0：ハードゲート、\kappa > 0：ソフトゲート

 5.3 リーク積分（ドリフト防止）\hat{H}_s[t] := (1 - \lambda)\hat{H}_s[t-1] + \lambda H_s[t]
 5.4 再注入バイアスb[t] := \alpha \cdot g[t] \cdot \hat{H}_s[t]
 5.5 安定条件（必須）G_{\text{eff}} := |\alpha| \cdot g_{\max} \cdot C < 1黄金比との関係（推奨）：
|\alpha| \leq (1 - \phi^{-1}) \cdot \beta = 0.382\beta, \quad 0 < \beta < 1
 5.6 パラメータ一覧

パラメータ
意味
推奨範囲


\tau
ノイズフロア

0.01–0.1


\kappa
ゲート幅

0.05–0.2


\alpha
再注入利得

0–0.382


\lambda
リーク係数

0.1–0.5



 6. 統合アーキテクチャ
 6.1 信号フローSTEREO INPUT  L(t), R(t)
  │
  ├─ Mid  M = (L+R)/2
  └─ Side S = (L−R)/2
          │
          ▼
    ┌─────────────┐
    │  H-CARRIER  │  H_s, H_m 抽出 → τ gate → λ leak → b[t]
    └──────┬──────┘
           │ H_s, H_m
           ▼
    ┌─────────────┐
    │   coneFFT   │  Φ_d, Q 計算（M, L, R それぞれ）
    └──────┬──────┘
           │ Φ_d, Q, ΔΦ(L−R)
           ▼
    ┌─────────────┐
    │  CLASSIFIER │  HNR + SC + ZCR + flux + purity + ΔΦ
    └──────┬──────┘       → 5クラス softmax
           │ prob[cls]
           ▼
    ┌─────────────┐
    │CHIRAL ROUTER│  Q>0 → x_R,  Q<0 → x_L
    └──────┬──────┘
           │
     ┌─────┴──────┐
     │            │
   x_R(t)      x_L(t)
   [Piano]     [Flute]     各楽器ストリーム
   [Drum]      [Voice]     = M × prob[cls]
   [Generic]
     │            │
     └─────┬──────┘
           ▼
    ┌─────────────┐
    │  SYNTHESIS  │  x̂ = Σ streams + b[t]
    └─────────────┘
           │
    OUTPUT x̂_L, x̂_R

 6.2 ステレオキラル差分左右チャンネルそれぞれに \Phi_d を計算し、その差分を声・空間音響の識別特徴量とする：
\Delta\Phi = \Phi_d(L) - \Phi_d(R)これは補聴器・空間音響処理での音源方向推定に応用できる。

 6.3 フィードバックループH-Carrier の b[t] = α·g·Ĥ_s が Classifier にフィードバックされる：

  分類誤差 → H_s 増大 → g 増大 → b[t] 増大 → 次フレームで補正
これにより分類器が自己適応的に残差を減少させる動作をする（ただし G_{\text{eff}} < 1 の安定条件下でのみ）。

 7. 楽器分解アルゴリズム
 7.1 特徴量抽出各フレームで以下を計算する：


特徴量
定義
主用途


HNR
\sum x[i]x[i+T] / \sum x[i]^2
倍音比（ピアノ・弦）

SC
\sum k|X_k| / \sum|X_k|
スペクトル重心

ZCR
\#\{\text{符号変化}\} / N
ゼロ交差率（ドラム）

flux
$\sqrt{\sum(
X_k[t]

attack
E_{0\text{-}5\%} / E_{5\text{-}100\%}
アタック速度（打楽器）

purity
\max|x[i]| / \text{mean}|x[i]|
純音度（フルート）

\Delta\Phi
\Phi_d(L) - \Phi_d(R)
空間キラル差（声）


 7.2 ヒューリスティック分類器各クラスのスコアを線形結合で計算し、softmax で確率化：
piano_score  = 3·min(HNR/0.5, 1) + 2·SC + (1−flux)·2
flute_score  = 4·purity + 2·[Φ_d > 0.005] + (1−ZCR)·2
drum_score   = 5·[attack > 0.15] + 3·ZCR + 2·flux
voice_score  = 3·SC + 2·HNR + 1.5·[Q ≠ 0] + ΔΦ·3
generic_score = 1  （残差キャッチオール）

prob[cls] = softmax(score[cls])

 7.3 ストリーム分離（ソフトマスク）x_{\text{cls}}[i] = x[i] \cdot \text{prob}[\text{cls}]
 7.4 再合成\hat{x}[i] = \sum_{\text{cls}} x_{\text{cls}}[i] + \text{clip}(b[i], -b_{\max}, b_{\max})
 8. ツールの使い方
 8.1 ファイル一覧

ファイル
内容


hcarrier-conefft-v04.html

メインツール（本技術ノートに対応）

hcarrier-conefft-v02.html
旧版ビジュアライザー

skyrmion-coneFFT.html
40³格子スキルミオン場ビジュアライザー

coneFFT-research-note.md
スキルミオン数値観察研究ノート


 8.2 基本操作① ブラウザで hcarrier-conefft-v04.html を開く

② SOURCE ボタンで入力を選ぶ
   🎹 PIANO  — 倍音豊富な減衰音
   🪈 FLUTE  — ビブラート付き純音
   🥁 DRUM   — キック＋スネアループ
   🎤 VOICE  — フォルマント合成（F1/F2/F3）
   🎼 MIX    — 3種混合（アンサンブル）
   🎙 MIC    — マイクリアルタイム入力

③ ▶ PLAY を押す → 音が鳴り始め、波形・スペクトル・分類が動く

④ Stream Playback パネルで各楽器ストリームをON/OFFして
   分解結果を耳で確認する

⑤ ⏸ PAUSE / ⏹ STOP で制御

 8.3 マイク入力の注意ブラウザのマイクアクセス許可が必要（初回のみ）

HTTPS または localhost 環境が必要（通常の claude.ai Artifact 内では動作する）
マイクはスピーカーに接続されない（ハウリング防止）
WMAファイルはブラウザ非対応のため、MP3/WAV/OGGに変換して使用

 8.4 パラメータ調整ガイド

目的
操作


分類精度を上げたい
HNR thresh を信号に合わせて調整

残差が大きい
α を下げるか τ を上げる

ドリフトが発生
λ を小さくする（0.05–0.1）

不安定（発振）
α を 0.3 以下に下げる（G_eff < 1 を確認）

キラル分離を強調
R（radius）を 0.25–0.45 で試す


 9. 確定数値結果v37引継書から継承された確定値。すべて40³格子・Bloch型スキルミオン場での実測値。

 9.1 ベース実験（R=0.35, λ=0.5π）\Phi_d^{\text{sky}} = 1.1308, \quad \Phi_d^{\text{uni}} \approx 10^{-12}\Phi_d^{\text{sky}} / \Phi_d^{\text{uni}} \approx 10^9この比は振幅差ではなく位相的ゼロ vs 非ゼロという構造的差異に由来する。

 9.2 命題 A〜E（v36から継承）これらの命題はすべてv37セッションと整合が確認されている。
命題A：一様場において R_6(x)[p] = 0 となる（対称性引数）

命題B：スキルミオン場において \Phi_d \gg 0（回転位相構造による非消滅）

命題C：Q の符号は反skyrmionで反転する（実験的確認済み）

命題D：\Phi_d は R に対して単調ではない（R=0.45 で飽和傾向）

命題E：G_{\text{eff}} < 1 の下でH-Carrierは収束する（INV_PHI拘束）

 10. 既存ツールとの比較・位置づけ
 10.1 音源分離ツールの比較

ツール
手法
強み
弱み



Spleeter (Deezer)
スペクトログラムマスキング
高速・軽量
位相アーティファクト・2019年以降更新なし


Demucs v4 (Meta)
ハイブリッドTransformer
高精度（SDR 9.2dB）
重い（8GB+ RAM）・ブラックボックス

H-Carrier × coneFFT
位相的巻き付き＋残差再注入
位相保存・解釈可能・軽量
学習なし・精度は粗い


 10.2 独自の価値Demucsが「何を分離するか（ボーカル/ドラム/ベース）」に特化しているのに対し、本ツールは「どのような位相構造を持つか」という別の軸で信号を見る。
既存DLモデル：  統計パターン（データ駆動）
H-Carrier×coneFFT：位相的巻き付き構造（物理駆動）
両者は競合ではなく補完関係にある。理想的な統合：
音声ファイル
  → Demucs（楽器ストリーム高精度分離）
    → 各ストリームに H-Carrier × coneFFT 適用
      → キラル成分・位相構造の解析
      → 残差中の未捕捉成分の再注入

 11. 応用例
 11.1 補聴器・音声補正H-Carrier の残差再注入ループに \Phi_d 識別を組み込むことで：
同一周波数帯に混在する複数音源（声と環境音）の位相的分離
右巻き・左巻きで音源方向を推定（\Delta\Phi = \Phi_d(L) - \Phi_d(R)）
残差キャリアによる低消費電力・低遅延実装（学習モデル不要）

 11.2 自然音の分波FFT が捨てる残差の中に位相的構造が残存することが確認されている：

鳥の鳴き声：周波数変調のキラル時間構造

水音・風音：渦構造（自然界の流体は必ずキラル成分を持つ）

複数音源の共存帯域：同一周波数でも Q が異なれば分離可能

 11.3 スキルミオン材料の非破壊検査\Phi_d が材料の位相的秩序に対して 10^9 倍の感度差を示すことから：

LLG 方程式解への適用：実在材料モデルの渦検出

実験データの前処理：ノイズ付加テストで SNR 特性を定量化

相転移の検出：秩序相（\Phi_d \gg 0）↔ 無秩序相（\Phi_d \approx 0）の境界識別

 11.4 信号処理一般

応用領域
coneFFT の役割
H-Carrier の役割


ASR（音声認識）
渦状音素構造の識別
残差の有用成分再利用

空間音響処理
L/R キラル差分による位置推定
安定な方向フィルタ

医療音響（心音・腸音）
渦流成分の抽出
低 SNR 環境での信号保持

地震波解析
P波・S波のキラル識別
長時間観測での残差累積制御


 12. 誠実な限界と課題
 12.1 現プロトタイプの限界Q \approx -36 は厳密整数ではない

有限格子・離散微分の影響。連続極限での値は -40（全40層で各 -1）が理論予測。
解析解は人工モデル

LLG（Landau-Lifshitz-Gilbert）方程式の解ではなく、手動構成のBloch型スキルミオン。実材料への直接適用には実験データが必要。
\Phi_d は1D実装

R_6 本体は3D対角方向演算子。現在は1Dライン相関で近似しており、3D対角方向相関への拡張が課題。
楽器分類はヒューリスティック

学習なしのスコア関数。実音楽ファイルに対しては精度が粗い（特にアンサンブル混合）。
\Phi_d の理論的正当化は未完

なぜ一様場で代数的にゼロになるかの厳密な対称性証明が未完成（次セッション最優先課題）。

 12.2 楽器分離の現実的精度単音源（1楽器のみ）：  ◎ かなり動く
2〜3楽器混合：        △ 粗い分離
フルアンサンブル：     × ほぼ機能しない
高精度の楽器分離には Demucs 等の学習済みモデルを推奨する。

 13. 次ステップロードマップ
 Phase 1（最優先）：解析証明目標：x[p] = c（定数）のとき R₆(x)[p] = 0 → Φ_d = 0 の厳密証明
手法：対称性引数による代数的消滅の明示化

 Phase 2：3D Φ_d 実装1D ラインサンプリング
  → 3D 対角方向相関（6方向 R₆ 演算子の完全実装）
  → Pythonプロトタイプ → HTMLビジュアライザーに反映

 Phase 3：ノイズ付加テストガウスノイズ付加実験
  → SNR vs Φ_d の特性曲線
  → 検出閾値の定量化
  → 補聴器応用での実用下限の推定

 Phase 4：実在材料・実音源音声側：MP3/WAVファイル読み込み（decodeAudioData API）
         + ヒルベルト変換ベース分波（可逆性改善）
材料側：LLG方程式解または実験データへの適用

 Phase 5：Demucs統合Demucs → 楽器ストリーム高精度分離
  → 各ストリームに Φ_d / H-Carrier 適用
  → キラル特徴量による音源追跡・方向推定

 参考
引継書 v37（2026-03-10）: coneFFT Verification Instrument v0.2.1

H-Carrier仕様書: 有用残差再注入伝播と安定制御
Demucs v4: Hybrid Transformer Demucs (Meta AI, 2022)
Spleeter: Deezer Research (2019)
MUSDB HQ benchmark: SDR 9.20 dB (HTDemucs fine-tuned)
H-Carrier × coneFFT Technical Note — v0.4 / 2026-03-10

次バージョン予定: Phase 1 解析証明 + 3D Φ_d 実装

指標	値
$\Phi_d$ （スキルミオン場・全層平均）	1.1308
$\Phi_d$ （一様場）	$\approx 0$ （ $\sim 10^{-12}$ ）
$\Phi_d$ 比（SKY/UNI）	$\approx 10^9$ 倍
$Q(z)$ 平均/層	$\approx -0.90$
$Q$ 合計（40層）	$\approx -36$
FFT peak（ $k=1$ –5, sky）	4.562
iso_points（ $S_z \approx -0.5$ ）	1,120点

パラメータ	意味	推奨範囲
$\tau$	ノイズフロア	$0.01$ – $0.1$
$\kappa$	ゲート幅	$0.05$ – $0.2$
$\alpha$	再注入利得	$0$ – $0.382$
$\lambda$	リーク係数	$0.1$ – $0.5$

パラメータ	意味	典型値
$\delta = \lfloor N \cdot R \rfloor$	相関窓幅（半径）	$R = 0.35$
$\lambda_c$	コーン波長（位相角速度）	$0.5\pi$
$N$	サンプル数	4096

条件	$\Phi_d$	$Q$ 平均/層	備考
$R = 0.15$	0.1062	$-0.865$	半径縮小
$R = 0.25$	0.1370	$-0.881$
$R = 0.45$	0.1616	$-0.814$	半径拡大
2-skyrmion	0.1447	$-0.688$	2個重ね合わせ
反skyrmion	0.1535	+0.855	$\phi$ 反転・ $Q$ 符号反転確認

特性	通常 FFT	coneFFT
解析対象	周波数成分（振幅・位相）	位相的巻き付き構造
基底関数	複素指数 $e^{2\pi i k n/N}$	フィボナッチ非公約コーン
出力	スペクトル $X[k]$	不変量 $\Phi_d$ 、キラル符号 $Q$
一様場への応答	非ゼロ（DC成分を検出）	ゼロ（対称性により消滅）
渦構造への応答	周波数として間接検出	直接検出（ $\Phi_d \gg 0$ ）
符号情報	位相角（連続値）	$Q = \pm 1$ （離散・トポロジカル）
格子依存性	周期境界に敏感	フィボナッチ非公約性で軽減

特徴量	定義	主用途
HNR	$\sum x[i]x[i+T] / \sum x[i]^2$	倍音比（ピアノ・弦）
SC	$\sum k\|X_k\| / \sum\|X_k\|$	スペクトル重心
ZCR	$\#\{\text{符号変化}\} / N$	ゼロ交差率（ドラム）
flux	$\sqrt{\sum(	X_k[t]
attack	$E_{0\text{-}5\%} / E_{5\text{-}100\%}$	アタック速度（打楽器）
purity	$\max\|x[i]\| / \text{mean}\|x[i]\|$	純音度（フルート）
$\Delta\Phi$	$\Phi_d(L) - \Phi_d(R)$	空間キラル差（声）

ファイル	内容
`hcarrier-conefft-v04.html`	メインツール（本技術ノートに対応）
`hcarrier-conefft-v02.html`	旧版ビジュアライザー
`skyrmion-coneFFT.html`	40³格子スキルミオン場ビジュアライザー
`coneFFT-research-note.md`	スキルミオン数値観察研究ノート

目的	操作
分類精度を上げたい	HNR thresh を信号に合わせて調整
残差が大きい	α を下げるか τ を上げる
ドリフトが発生	λ を小さくする（0.05–0.1）
不安定（発振）	α を 0.3 以下に下げる（G_eff < 1 を確認）
キラル分離を強調	R（radius）を 0.25–0.45 で試す

ツール	手法	強み	弱み
Spleeter (Deezer)	スペクトログラムマスキング	高速・軽量	位相アーティファクト・2019年以降更新なし
Demucs v4 (Meta)	ハイブリッドTransformer	高精度（SDR 9.2dB）	重い（8GB+ RAM）・ブラックボックス
H-Carrier × coneFFT	位相的巻き付き＋残差再注入	位相保存・解釈可能・軽量	学習なし・精度は粗い

応用領域	coneFFT の役割	H-Carrier の役割
ASR（音声認識）	渦状音素構造の識別	残差の有用成分再利用
空間音響処理	L/R キラル差分による位置推定	安定な方向フィルタ
医療音響（心音・腸音）	渦流成分の抽出	低 SNR 環境での信号保持
地震波解析	P波・S波のキラル識別	長時間観測での残差累積制御

H-Carrier × coneFFT Live audio — 技術ノート

目次

1. 概要と設計思想

核心命題

2. coneFFT とは何か

2.1 定義

2.2 キラル符号 Q

2.3 R₆ 演算子

3. 40×40×40 フィボナッチ空間の特徴

3.1 格子の構造

3.2 黄金比との関係

3.3 スキルミオン場での数値観察結果

3.4 拡張実験結果

4. 通常 FFT との相違点

4.1 根本的な差異

4.2 FFT が捨てるもの

4.3 Spleeter との比較（スペクトログラム法）

5. H-Carrier 仕様

5.1 残差の定義

5.2 閾値ゲート

5.3 リーク積分（ドリフト防止）

5.4 再注入バイアス

5.5 安定条件（必須）

5.6 パラメータ一覧

6. 統合アーキテクチャ

6.1 信号フロー

6.2 ステレオキラル差分

6.3 フィードバックループ

7. 楽器分解アルゴリズム

7.1 特徴量抽出

7.2 ヒューリスティック分類器

7.3 ストリーム分離（ソフトマスク）

7.4 再合成

8. ツールの使い方

8.1 ファイル一覧

8.2 基本操作

8.3 マイク入力の注意

8.4 パラメータ調整ガイド

9. 確定数値結果

9.1 ベース実験（R=0.35, λ=0.5π）

9.2 命題 A〜E（v36から継承）

10. 既存ツールとの比較・位置づけ

10.1 音源分離ツールの比較

10.2 独自の価値

11. 応用例

11.1 補聴器・音声補正

11.2 自然音の分波

11.3 スキルミオン材料の非破壊検査

11.4 信号処理一般

12. 誠実な限界と課題

12.1 現プロトタイプの限界

12.2 楽器分離の現実的精度

13. 次ステップロードマップ

Phase 1（最優先）：解析証明

Phase 2：3D Φ_d 実装

Phase 3：ノイズ付加テスト

Phase 4：実在材料・実音源

Phase 5：Demucs統合

参考

Discussion