Doc: update GPU PSF acceleration status

gpu_psf_acceleration_plan.md

@@ -51,19 +51,26 @@ CPU HDR 与 catalog，仍有可用空间。其可能收益不是减少需要传
 这是一条 ATRI 专用的空间换时间路线，必须以端到端实测证明收益后才保留。它不应成为 ITX、
 Optiplex 或通用 CPU fallback 的前提；在这些机器上仍使用流式块。
 
-应在 `optics/psf` 层定义一个按块提交的 sink。概念性事件为：
+当前 CPU 已在 `optics` 层建立 cache-eligible 的事件边界：
 
 ```c
 typedef struct {
-    float x, y;          /* continuous image position */
-    float r, g, b;       /* already premultiplied by flux */
-    float support_radius;
-} PsfEvent;
+    double x, y;
+    LinearRgb color;
+    double flux, support_radius;
+} PsfCachedEvent;
 ```
 
-CPU worker 产生少量固定上限的事件块，填满后提交；GPU 与 CPU 以双/三缓冲方式重叠执行。
-块的首版大小从 1--16 MiB 试起，由实测决定。GPU 后端仍必须统计：cache splat、wing clip、
-direct fallback 和 min-Y discarded；这些计数在块完成后汇总，而不是在热循环中同步。
+`psf_prepare_cached_event()` 保留既有的 cache/direct/min-Y 判定，状态 0 或 2 产出该
+事件；direct fallback 在 CPU 立即处理，min-Y 在上传前丢弃。`PsfEventSink` 由每个 OpenMP
+worker 初始化一次、贯穿其线程生命周期，固定容量为 16,384 个事件；填满或线程结束时由现有
+CPU cache evaluator 消费。此实现是 GPU producer 的正确性基线，并已通过固定 HDR reference
+和完整 2MASS 前后性能记录验证。
+
+GPU sink 将消费同一 `PsfCachedEvent` 与现有不可变 `PsfKernelCache::weights`，不得重新以
+float 解析采样替代 cache 语义。首版使用有限大小的上传块并复用 device buffer；块大小从
+1--16 MiB 试起，由实测决定。GPU 后端仍必须统计：cache splat、wing clip、direct fallback
+和 min-Y discarded；这些计数在块完成后汇总，而不是在热循环中同步。
 
 为降低局部热点，CPU 侧应把来自不同 image-plane triangle / worker 的事件块交错提交。
 三角形内部的星像中心必定落在各自不重叠的像平面三角形内；不同三角形的 PSF wings 仍可
@@ -141,14 +148,30 @@ GPU 后端必须先在小、固定 catalog snapshot 上同 CPU 的 `--psf-direct
 
 ## 7. 实施顺序
 
-1. 只做接口：将现有 CPU immediate splat 包装为默认 sink，输出不得变化。
-2. 实现 CPU 事件块 producer，但仍由 CPU sink 消费；验证事件流没有改变 HDR 和统计。
-3. 在工作站实施 HIP direct-atomic 原型，完成正确性和端到端基准。
-4. 在 ATRI 上比较流式块与整帧收集、空间重排/分桶两种输入组织；记录 host RAM 峰值、上传、
-   GPU kernel 和端到端时间。
-5. 根据 profile 决定是否实现 tile-local reduction；不因纸面 TFLOPS 推断需要它。
-6. 实现 Vulkan 设备枚举、feature probe 和 direct-atomic 后端；feature 不足时 CPU fallback。
-7. 在 ITX、Optiplex、工作站分别跑同一小基准和足够长的稳定性试验，记录真实可用矩阵。
-8. 只有当基准显示明显收益时，才为 WX 4100 或 Intel 核显投入 tile-reduction / 专门调优。
+### 当前状态（2026-09-05）
+
+已完成 CPU event 路径：`PsfCachedEvent`、`psf_prepare_cached_event()` 与 per-worker
+`PsfEventSink` 已进入 `frame_splat_catalog()`。固定 HDR reference 与 unit tests 验证该路径
+不改变输出；在 2MASS 全天 1080p 的前后比较中，完整 event 实现相对无 event 路径版本增加
+0.99% user CPU work。该记录含完整命令和原始输出，见
+`benchmarks/2mass_all_sky_psf_event_sink_2026-09-05.md`。
+
+曾有一个 float、解析中心采样的 HIP atomic spike，用于确认 HIP runtime、上传与 float atomic
+可执行；它没有 cache 权重、双精度 HDR 或 production integration。其 `test-hip` target 和测试
+已移除，不能作为 renderer GPU backend 的验证或运行入口。
+
+下一步是仅将现有 `PsfCachedEvent` 块与 `PsfKernelCache::weights` 接入 HIP：
+
+1. 定义 production HIP sink 的 C ABI，上传 double event 与 immutable cache 权重，并复用
+   device event/HDR buffer。
+2. 保持 CPU 对 direct fallback 的处理和提交顺序；每个 cache 事件仅在 HIP 端按现有 bilinear
+   phase cache、圆形支持和 wing clip 规则累积到 double HDR。
+3. 用固定 catalog reference 比较 HDR RGB/Y、最大像素误差、总通量与统计；GPU atomic 的
+   非确定加法顺序使用事先记录的容差，而非 bytewise 比较。
+4. 记录端到端基准的完整命令和原始输出：Git hash、CPU threads、GPU/runtime、块大小、上传、
+   kernel、download、分辨率、catalog、PSF 及所有 fallback 统计。
+5. 只在 direct atomic profile 显示热点竞争是主要瓶颈时，比较 tile-local reduction；ATRI 的
+   整帧收集／重排同样必须以端到端收益证明。
+6. HIP 路径稳定后再评估 Vulkan 的可移植后端及其他机器的实际设备矩阵。
 
 每一步独立提交，并保持 CPU reference、GPU runtime 层和 shader 资源的提交边界清晰。