ドメイン増分学習では、異なるドメインのデータを順次学習しながら、過去のドメインデータにアクセスできない状況でモデルを構築する必要がある。本研究は、このような制約下で、破滅的忘却を防ぎつつ、推論時間を一定に保つことでスケーラブルな推論を実現する手法を提案する。提案手法は、事前訓練モデルに対して各ドメイン専用のアダプタ（軽量なネットワークモジュール）を訓練し、それらを平均化して一つに統合する。推論時には、ドメイン間の差異を減らすため、各ドメインのプロトタイプ例の平均差でアライメント調整する。画像分類タスク実験を通じて、破滅的忘却と推論のスケーラビリティが両立できることを検証する。