建议 PR 标题：fix(inductor): iterate _maybe_split_fused_axes to fixpoint (multi-level digit extraction)

【合入来源】

如有社区issue，请关联issue链接
请勿携带内部流程信息（需求链接、问题单、内部issue等）

• 需求
• 问题单
• issue/工单 https://gitcode.com/Ascend/pytorch/issues/4307
• 重构优化
• 资料更新

社区 issue 链接待创建后补充（bug 现象与复现最小片段见该 issue）。

【修改方案】

请描述修改内容的具体实现，涉及哪些组件之间进行交互，可以用1、2、3、...进行罗列
如果是需求或者重构类的PR，需要补充详细设计文档（说明上下游组件关系、时序图、类图、DFX能力等内容）

背景：triton_experimental 代码生成为了让 NPU 后端获得线性（可向量化证明）的访存地址，在 prepare_indexing 流水线中用 _maybe_split_fused_axes 把"多根叶轴压扁而成的融合轴"按 FloorDiv/ModularIndexing 证据拆回独立子轴。现实现存在双重不完备：一轮里 candidates.setdefault 对每个融合符号只登记第一个模数，且一轮结束不再重跑。当迭代空间是多层进位结构（如 131072 = 128*4*256）时，一轮只拆掉最外层，替换后新暴露的融合轴（及其数位）残留在复合底数（如 (4*x0 + x1)）里；下游 _simplify_compound_indexing 对不透明融合轴只能按 range tree 做结构换绑，会把"值域小于模数的商式"换绑成同名长轴——错误的地址公式直达生成的 kernel（实测：融合 LN kernel 第三遍 load 地址全域 99.2% 不等价，输出错误数值）。

【改动】算法 A 的替换规则一字未改，只把"执行一次"改成"重复执行直到表达式不再变化"
（new_index == index 收敛退出；== prev 防振荡；上限 6 轮防活锁）。

【轮 1】输入 P0 → 与 §1.1 完全相同 → P1，x10 暴露。区别仅在：不返回。

【轮 2】输入 P1。重新扫证据——证据在 x10 身上。登记 c=512，替换
（x10 = 512·x9 + x11，x11 := x10%512，长 512）：

• (x10//512) → x9（恒等）
• (x10//256) → (x11//256) + 2·x9（512·x9 整除提取，恒等）
• (x10//1)%256 → (x11//1)%256（512·x9 ≡ 0 mod 256，恒等）

新暴露 x11（长 512）仍压一层，证据在场。（实录拆位链：1024→512→256。）

【轮 3】输入轮 2 产物。拆 x11 @ c=256，替换（x11 = 256·x8 + x0）：

• (x11//256) → x8、((x11//1)%256) → x0（恒等）。

★ 铸新变量走树缓存：lookup(1,256) 命中既有 x0、lookup(256,2) 命中既有 x8——
数位最终落回前两遍 load 已在用的规范叶轴（三遍多项式逐字一致的机械保证）。

**【轮 4】**总账重放代入早前登记的 x0 → 16·x7 + x6，范围推理收尾：

• (4·x0 + x4)//64 = x7（分子低位 4·x6+x4 ≤ 63，归零）
• ((4·x0 + x4)//4)%16 = x0%16 = x6

扫描无新证据 → new_index == index → 收敛退出。产物：纯线性六项，零 ///%：

A' = 1024*r0_2 + 147456*x5 + 2*x6 + 64*x7 + x8 + 32*x9

【每轮等价性】✓ 全程只用算法 A 原有的恒等替换——fixpoint 不改变替换的数学性质，只是
拆到没有融合轴为止。

**【算法 B 随后的行为】**输入 A' 里一个 ///% 原子都不剩 → B 入口卫兵
if not index.has(...) 直接返回——B 一条替换都没执行。不是它被修聪明了，是它的输入里
再没有能让它犯错的原子。

组件交互：仅工序⑤ codegen 的索引准备段（triton_experimental/codegen/triton.py）内部变化，不触碰其他 pass、不改 IR 与发射结构。取舍说明：不在下游 _simplify_compound_indexing 里对半拆解形态加容错——半拆解形态本身就是错误地址的产房，在拆位工序内收敛到纯仿射才是根治，下游无需感知。

【资料变更】

请确认是否涉及资料变更。如涉及，需要在PR中体现，并简要说明修改内容。如不涉及，需填写“不涉及”

不涉及

【接口变更】

请确认是否涉及跨代码仓或者客户面可见的接口变更。如涉及，需要详细说明接口以及对应的变更内容，同时需要在资料中体现。如不涉及，需填写“不涉及”

不涉及

【功能验证】

说明测试场景，测试方法。如果本次测试方式与常规单元测试不同，请详细说明您的测试步骤
新增/变更内容是否已新增/适配UT测试用例看护，并补充测试自验证截图

1. 最小复现（修复目标场景）：unfold 视图链 + 逐元素加 + F.layer_norm（迭代空间 131072×144，融合归约 kernel）——修复前 compiled vs eager max|d|=1.105e+01；修复后 max|d|=1.907e-06，且三遍 load 的地址多项式逐字一致（修复前第三遍残留 2*((((x1 + 4*x0) // 4) % 16)) + 64*((x1 + 4*x0) // 64) + ((x1 % 2)) 残式，修复后与第一/二遍同为 x8 + 2*x6 + 32*x9 + 64*x7 + 1024*r0_2 + 147456*x5）。
2. 静态检验：mobilevit_s 编译产物 output_code.py 全部 344 条 tl.load/tl.store 访存行，修复后含 ///% 残式的行数为 0。
3. 模型级：timm mobilevit_s（bs=128，inference，无 fallback）——accuracy 对比 max_abs 0.2739 → 0.0546（残差为融合 kernel 与 aclnn 的合法算法差异经深网络的放大，非错误地址：NPU eager 自身距 fp64 金标 0.43，compiled 0.425，两者同距）；性能上 LN 融合族 174.7 → 94.5 ms/fwd（-46%），榜首归约 kernel aiv_scalar_ratio 0.421 → 0.0011（残式的逐元素标量寻址消失，转为纯访存受限）。
4. 存量回归 UT：test_triton_experimental_autotune.py 66 passed、test_triton_experimental_enable.py 13 passed（清缓存后全量）。
5. 新增专项 UT（L0 免设备，pytorch/test/_inductor/test_triton_experimental_split_fused_axes.py，15 例全 PASS）：不走端到端编译，直调三道 pass（_maybe_split_fused_axes / _split_fused_axes_round / _simplify_compound_indexing），配真 IterationRangesRoot 节点铸造与独立 sizevars：
   • numel=32 确定性缩小版案发克隆：单轮（修复前行为）仿真下确定性复现"仿射、无残式、但地址错"（32 点中 16 点错、偏差恒为 14）；把实现退回单轮时套件 6 路冗余报红（变异验证）；
   • 真尺寸 131072 记录形态：fixpoint ≤6 轮收敛为纯仿射，pass-1/pass-3 两形态收敛到同一仿射多项式（三遍一致），按树根坐标全域精确枚举等价（归约轴采样 + 其线性系数结构钉死）；
   • 边界与终止：纯仿射直通（1 轮即退）、单层拆位（2 轮收敛）、振荡 prev 臂、6 轮硬上界、round 的 FloorDiv/ModularIndexing 两条证据登记臂各自成立（mod-only 臂经变异验证）、账本重放幂等、多树 divisor 槽位隔离、归约轴拆分（默认开门禁）及门禁关闭时留残式、全幅换绑合法路径不受损。
     套件经三视角对抗审查（含对实现的变异分析）；未覆盖的既有分支（simplify 的 MI 换绑臂、fold_fused_mod 体、split_root_modulo redirect、符号模数）已在文件头 Scope 注记为后续项。

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常（推送后确认）