nCPU

حاسوب كامل حيث كل طبقة — الحساب، نظام التشغيل، المترجم، العرض — إما شبكة عصبية مُدرَّبة أو تعمل بالكامل على وحدة معالجة الرسوميات (GPU).
النموذج لا يعمل على الحاسوب. النموذج هو الحاسوب.

---

nCPU هو مستودع واحد يسعى إلى أطروحة واحدة من خمسة اتجاهات: يمكن بناء حاسوب من مكونات مُتعلمة، وبمجرد أن تصبح مجموعة التنفيذ الكاملة قابلة للتفاضل، تتوقف البرامج عن كونها أشياءً تكتبها وتصبح أشياءً يمكنك البحث عنها بواسطة الانحدار التدرجي. كل نظام فرعي أدناه يعتمد على قياساته الخاصة؛ معًا يغطون المجموعة بدءًا من عمليات ALU الفردية وصولًا إلى نظام تشغيل إلى تركيب البرامج.

الأنظمة الفرعية الخمسة

1. الحاسوب العصبي

كل عملية ALU — الجمع، الطرح، الضرب، المنطق البتّي، الإزاحات، القسمة — هي شبكة عصبية مُدرَّبة. نظام التشغيل العصبي (neurOS) يدير الذاكرة، ويجذب العمليات، ويُجمّع الكود من خلال 11 نموذجًا مُدرَّبًا دون أي تراجع مكتوب يدويًا. شاشة عرض عصبية تُعرض الأحرف عبر شبكات MLP للتحويل من حرف إلى شكل رسومي وشبكة ConvNet (143 ألف معامل). خط الأنابيب الكامل — كود المصدر → المترجم العصبي → المُجمّع العصبي → وحدة المعالجة المركزية العصبية → الشاشة العصبية — قابل للتفاضل من البداية إلى النهاية.

وحدة ALU العصبية تصل إلى دقة 100% على العمليات الحسابية الصحيحة 32 بت، تم التحقق منها بشكل شامل عبر كل إدخال ممكن. نتيجة واحدة تقلب التسلسل الهرمي التقليدي للعتاد: الضرب أسرع بـ 12 مرة من الجمع هنا، لأن الجمع يحتاج إلى سلسلة ترحيل من 8 تمريرات بينما الضرب يتحلل إلى عمليات بحث جدولية متوازية لأزواج البايتات.

التعليمات	الإستراتيجية	زمن الاستجابة
ADD/SUB/CMP	توقع الترحيل Kogge-Stone (8 تمريرات)	248 ميكروثانية
MUL	جدول بحث أزواج البايت (65,536 إدخال)	21 ميكروثانية
AND/OR/XOR	جدول حقيقة مُعَظَّم	21 ميكروثانية
SHL/SHR	توجيه بتات قائم على الانتباه	434 ميكروثانية
DIV	قسمة استرجاعية (طرح عصبي)	يختلف

دقة مكونات neurOS:

المكون	الدقة	المكون	الدقة
MMU	100%	توليد كود المُجمّع	100%
TLB	99.6%	محلل الرموز للمُجمّع	99.4%
ذاكرة التخزين المؤقت	99.7%	محسّن المترجم	95.2%
الجدولة	99.2%	المراقب	100%
الجلب المسبق	97.8%	مخصص الكتل	98.4%

2. حاسوب وحدة معالجة الرسوميات (GPU)

حاسوب مكتفٍ ذاتيًا على وحدة معالجة رسوميات واحدة — وحدة المعالجة المركزية (CPU) تشارك فقط عند الإقلاع. نواة Rust + Metal تنفذ حوالي 200 تعليمة ARM64 (عددية وعائمة) بسرعة تقريبًا 1.9 مليون تعليمة في الثانية، مع ذاكرة مشتركة بدون نسخ وبدون تباين في عدد الدورات عبر التشغيل (σ = 0.0).

ما يعمل عليه:

• نظام تشغيل UNIX متعدد العمليات: fork/pipe/wait، شل بـ 25 أمرًا، 28 استدعاء نظام، حتى 15 عملية متزامنة
• مترجم C يستضيف نفسه (~4,200 سطر) يجمّع نفسه، ثم يجمّع ويشغل برامج أخرى — بالكامل على GPU
• ملفات Linux ثنائية حقيقية عبر أداة تحميل ELF64: BusyBox (264 كيلوبايت، 34+ أمرًا) و Alpine Linux v3.20
• 13+ تطبيق C مُجمَّع: SHA-256، AES-128، Tetris، Snake، مترجم Brainfuck، حلقة Forth التفاعلية، محاكي CHIP-8، خادم HTTP، مصنف MNIST، وغيرها
• مصحح أخطاء حتمي بـ 26 أمرًا: تتبع التعليمات، نقاط التوقف ونقاط المراقبة، تصحيح الأخطاء عبر الزمن، منظف ذاكرة، تشويش آلي، تحليل عكسي لتدفق البيانات، والتحقق من الزمن الثابت. التنفيذ الحتمي هو ما يجعل السفر عبر الزمن وإعادة التشغيل الدقيقة ممكنة؛ وحدات المعالجة المركزية التقليدية، مع ضوضاء التوقيت الناتجة عن التخزين المؤقت والتخمين، لا يمكنها تقديم نفس الضمانات.

3. nSynth: محرك التوليف الشامل

nSynth هو نظام توليف برامج مبني على Rust يكتشف برامج قابلة للتنفيذ من أمثلة الإدخال/الإخراج باستخدام الانحدار التدرجي، والتعداد، والبحث. بالاقتران مع محرك ML/موتر شامل ومجموعة ويب كاملة، يتيح توليف:

• الخوارزميات: الحساب، العمليات البتية، هياكل البيانات، الخوارزميات
• نماذج ML: شبكات CNN، RNN، Transformers، GNN، الانتشار، التدفقات، وكلاء RL
• تطبيقات الويب: كاملة من الجبهة والخلفية React/Next.js، واجهات API، التنسيق، WebGL، تطبيقات WASM

التغطية: 420/420 مشكلة توليف (Mog: 315/315، nSynth: 105/105)

ثلاثة أركان:

1. توليف البرامج (الأساس): 105/105 مشكلة تم حلها عبر البحث القائم على التدرج، التوليف التعدادي، مطابقة القوالب، وعائلات البحث
2. محرك ML/موتر (أكثر من 1000 واجهة API): عمليات موتر شاملة مع تفاضل تلقائي، مما يتيح توليف أي بنية ML:
   • آليات الانتباه (MultiHeadAttention، RoPE، ALiBi، FlashAttention، Linformer، Performer)
   • النماذج التوليدية (انتشار DDPM/DDIM، التدفقات الطبيعية RealNVP/MAF، المعادلات التفاضلية العصبية Neural ODE)
   • الرؤية (التفاف ثلاثي الأبعاد، التفاف مشوه، معالم فورييه، عرض حجم NeRF)
   • التعلم التعزيزي (تدرجات السياسة، PPO، A3C، إعادة التجربة، GAE، دوال القيمة)
   • التعلم الفوقي (MAML، Reptile، DARTS، البحث المعماري العصبي ENAS)
   • ML الاحتمالية (الشبكات العصبية البايزية، إسقاط MC، الاستدلال التبايني، تباعد KL)
   • الكفاءة (التقليم، التكميم، تقطير المعرفة، التدريب الموزع)
3. مجموعة الويب (أكثر من 500 واجهة API): توليف ويب كامل مع تغطية شاملة:
   • الأساس: HTTP، WebSocket، SSL، JSON، الكوكيز، النماذج، الوسيطة
   • الأطر: React، Vue، Svelte، Solid، Next.js، Remix
   • الحديث: WASM، WebGPU، WebAuthn، WebRTC، PWA
   • واجهات API: GraphQL، gRPC، tRPC، OpenAPI
   • التنسيق: CSS، Tailwind، متجاوب، الوضع الداكن
   • التجميع: Vite، webpack، esbuild

cd nsynth
cargo run --release --bin nsynth_codegen --lang python --examples '{
  "name":"reverse","signature":"fn reverse(arr: List<i64>) -> List<i64>",
  "examples":[{"inputs":[[1,2,3]],"expected":[3,2,1]}]
}'
# → def reverse(arr): return arr[::-1]

4. المعالج المساعد القابل للتفاضل

وحدة ALU العصبية المُحقنة في تمريرة المحول إلى الأمام كخبير مُوجَّه. بوابة مُتعلمة لكل رمز تقرر ما إذا كان كل رمز يمر عبر MLP الأصلي أو عبر ALU العصبية. جداول الحقيقة اللينة ثنائية الخطية توفر منطقًا قابلاً للتفاضل، وعمليات الموتر توفر حسابًا قابلاً للتفاضل، ويتم تعديل البوابة بواسطة ثقة النموذج.

نتائج من 11 نموذجًا عبر عائلات Qwen 2.5/3/3.5، في المهام الحسابية:

النموذج	الدقة الحسابية	ملاحظة
Qwen3.5-2B (تعليمي)	14.5% → 71.0% (+56.5 نقطة مئوية)	الأفضل بشكل عام
Qwen3.5-2B (أساس)	15.5% → 63.0% (+47.5 نقطة مئوية)	100% على ADD/SUB/MUL/DIV
Qwen3.5-4B	+51.0 نقطة مئوية	أكبر مكسب للنموذج الأساسي (مشترك)
Qwen3.5-9B	+51.0 نقطة مئوية	أكبر مكسب للنموذج الأساسي (مشترك)

يتم قياس النقل في العالم الحقيقي، وليس استقراءه: على HumanEval الكامل (Qwen3.5-4B، A100)، 62.2% → 64.6% — أربع مشاكل إضافية تم حلها.

5. ديناميكيات الآلة التنبؤية JEPA

نموذج عالمي تنبؤي للحاسوب نفسه. إلى جانب التنفيذ الدقيق، تتعلم شبكة من نمط JEPA (بنية التضمين المشترك التنبؤية) توقع انتقالات حالة الآلة في فضاء كامن مضغوط:

latent_state_t + instruction → predictor → latent_state_{t+1}

يعمل على مستويين. عرض توضيحي بلغة بايثون (ncpu/jepa_neural_cpu/) ينفذ برامج حقيقية بجانب المتنبئ، محولاً خطأ التنبؤ إلى إشارة شاذة حية. تنفيذ Rust Metal (kernels/rust_metal/src/jepa/، 2,858 سطرًا) يراقب تنفيذ GPU الحتمي ويوجه الجدولة بنشاط من خلال تجاوزات متعلمة للانحياز.

لأن الركيزة الأساسية دقيقة، هذا النموذج العالمي لديه خاصيتان يفتقر إليهما معظم النماذج الأخرى: حقيقة أرضية مجانية غير محدودة (تشغيل المزيد من البرامج)، والقدرة على خلط التنفيذ المتوقع والدقيق حسب الرغبة — تخمين كامن رخيص عند الاستكشاف، وتنفيذ دقيق عندما يهم الأمر. الاتجاه طويل المدى هو تسلسل هرمي للمتنبئات على مستويات البت، والتعليمة، والبرنامج، والمهمة.