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.

دقة مكونات neurOS:

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:

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.

python3 -m ncpu.jepa_neural_cpu.demo     # عرض توضيحي لـ JEPA العصبي من الأسفل لأعلى
python -m ncpu.world_model.quickstart    # بداية سريعة لنموذج العالم الآلي JEPA

ابدأ في 60 ثانية

pip install -e ".[demo,dev]"

# العرض التوضيحي الرئيسي: GPU كحاسوب كامل (macOS / Apple Silicon)
python -m ncpu gpu                 # إقلاعه
python -m ncpu gpu --neural-alu    # مع ALU العصبية داخل تظليل Metal
python -m ncpu gpu debug           # مصحح أخطاء حتمي بـ 26 أمرًا

# عبر المنصات، لا تبعيات ثقيلة
python -m ncpu discover            # برنامج من الأمثلة، عبر التوليف القابل للتفاضل
python -m ncpu text --interactive  # نص عصبي / آلة تشفير

# خط أنابيب عصبي كامل (يتطلب مجموعة النماذج)
python -m ncpu full-neural         # وحدة معالجة مركزية عصبية من الأعلى + شاشة عرض عصبية
python -m ncpu meta-compare        # عرض مقارنة جنبًا إلى جنب

# طبقة JEPA التنبؤية
python3 -m ncpu.jepa_neural_cpu.demo
python -m ncpu.world_model.quickstart

# أصلي لـ Rust، لا يتطلب بايثون
cd kernels/rust_metal
cargo run --bin ncpu_run -- --elf ../../demos/gpu/busybox.elf --rootfs -- echo hello

ثلاثة أوضاع تنفيذ

جميع الأوضاع الثلاثة تنفذ نفس البرامج وتنتج نفس النتائج. الوضع العصبي يرسل كل عملية عبر شبكات مُدرَّبة. الوضع السريع يستخدم موترات أصلية مع نفس مجموعة التعليمات ونفس قابلية التفاضل. الوضع الحسابي يستبدل تدفق التدرج بالسرعة — حيث يتم إقلاع نظام التشغيل UNIX، ويستضيف المترجم نفسه، ويعمل BusyBox.

# الوضع العصبي — كل عملية هي نموذج مُدرَّب
from ncpu.model import CPU
cpu = CPU(neural_execution=True)
cpu.load_program("MOV R0, 7\nMOV R1, 6\nMUL R2, R0, R1\nHALT")
cpu.run()
print(cpu.get_register("R2"))  # 42 — محسوبة بواسطة جدول بحث أزواج البايت العصبي

# المعالج المساعد القابل للتفاضل — حقنه في أي نموذج Hugging Face
from ncpu.coprocessor import inject_ncpu_coprocessor, NCPUCoprocessorConfig
config = NCPUCoprocessorConfig(confidence_aware=True, deterministic_alu=True)
inject_ncpu_coprocessor(model, config)

# التوليف القابل للتفاضل للبرامج
from ncpu.differentiable import ProgramSynthesizer, SynthesisSpec
spec = SynthesisSpec(examples=[
    ({0: 3.0, 1: 5.0}, {2: 8.0}),
    ({0: 7.0, 1: 2.0}, {2: 9.0}),
])
synth = ProgramSynthesizer(max_program_len=6)
result = synth.synthesize(spec, max_iters=2000)
# يكتشف: ADD R2, R0, R1; HALT

# نموذج العالم JEPA — توقع انتقالات حالة الآلة
from ncpu.world_model.je_world_model import JEWorldModel, JEWMConfig
model = JEWorldModel(JEWMConfig(state_dim=22, action_dim=8))
pred = model.predict_next_latent(model.encode_state(state), model.encode_action(action))

المجموعة الكاملة

مناعة القناة الجانبية للتوقيت

ينتج التنفيذ هنا تباينًا صفريًا في عدد الدورات — σ = 0.0 عبر 270 تشغيل، حيث يُظهر نفس الكود على Apple Silicon الأصلي تباينًا في التوقيت بنسبة 47–73%. بدون ذاكرة تخزين مؤقت للبيانات، لا توجد خطوط تخزين مؤقت ولا عقوبة لفقدان التخزين المؤقت، لذا فإن هجمات جدول T لـ AES ليس لديها ما تقيسه.

مبنيًا على هذه الخاصية، يوفر ncpu/crypto/ تشفير AES-128 بالزمن الثابت (ECB و CBC) من 19 عنصرًا أساسيًا بالزمن الثابت، مجتازًا جميع ناقلات اختبار FIPS 197 و NIST SP 800-38A.

محرك الآلة ذاتية التحسين (SOME)

وحدة تحكم مخفية تحول جزءًا من الآلة العصبية إلى معالج مساعد داخلي لتوليد الكود: حلقة مخزنة للتفكير → الكتابة → التحقق → التصحيح → الالتزام، رؤوس متعلمة للفعل/الإيقاف/الوصف/تصحيح الحالة/الذاكرة، وأوزان سريعة محلية المهمة تُحدّث أثناء الاستدلال. رأس الذاكرة المُتعلم حسن متوسط الخطأ التربيعي للتحقق بنسبة 83.26% مقارنة بالخط الأساسي.

مقاسة من النهاية إلى النهاية: HumanEval+ لـ qwen3.5:4b تحسنت من 147 إلى 154 ولـ qwen3.5:9b من 144 إلى 156; BigCodeBench-Hard لـ qwen3.5:9b تحسنت من 33 إلى 49.

MUXLEQ: كاملة حسب تورينج بتعليمتين

SUBLEQ بالإضافة إلى MUX، تعمل في جميع أوضاع التنفيذ الثلاثة. في الوضع العصبي، تمر SUB عبر سلسلة ترحيل Kogge-Stone (~248 ميكروثانية) و MUX عبر AND/OR/NOT العصبية (~63 ميكروثانية). تحمّل صور .dec وتُقلع eForth. النقطة: إذا كانت الشبكات المُدرَّبة تنفذ بدقة حاسوبًا بتعليمتين ومجموعة تعليمات واحدة، فإن البناء يمتد إلى أي مجموعة تعليمات.

توليف البرامج من الأمثلة (nsynth_codegen)

cargo build --release --bin nsynth_codegen
./target/release/nsynth_codegen --lang python --examples '{
  "name":"square","signature":"fn square(x: i64) -> i64",
  "examples":[{"inputs":[0],"expected":0},{"inputs":[3],"expected":9}]
}'
# → def square(x: int): return (0 * x * x) + (1 * x * x) + 0

هيكل المشروع

ncpu/
  differentiable/    # تنفيذ قابل للتفاضل، توليف برامج، اكتشاف مجموعة تعليمات
  coprocessor/       # حقن nCPU في تمريرات المحول إلى الأمام
  execution_training/# التنفيذ القابل للتفاضل كإشارة تدريب لنماذج لغة الكود
  crypto/            # تشفير بالزمن الثابت (AES-128)
  distributed/       # تنفيذ موزع على عدة وحدات GPU
  jepa_neural_cpu/   # عرض توضيحي لـ JEPA العصبي من الأسفل
  world_model/       # نموذج العالم الآلي JEPA (ديناميكيات تنبؤية)
  autoresearch/      # بحث آلي + حلقة NPCoT مركبة
  os/
    neuros/          # نظام تشغيل عصبي: 17 وحدة (MMU، TLB، ذاكرة تخزين مؤقت، جدولة...)
    gpu/             # نظام تشغيل UNIX على GPU: شل، نظام ملفات، أداة تحميل ELF، كود مصدر C
  self_optimizing/   # SOME: وحدة تحكم مخفية، أوزان سريعة
  neural/            # وحدة معالجة مركزية عصبية: جسر ALU عصبي، خط أنابيب نسج
  model/             # وحدة معالجة مركزية قائمة على النموذج (عمليات عصبية، مُجمّع)
  tensor/            # محاكي ARM64 قائم على الموتر (قابل للتفاضل)

# النوى الخلفية المترجمة / المسرّعة
kernels/             # rust_metal (نواة Rust+Metal ARM64)، mlx، npcot_wasm
nsynth/              # محرك توليف عالمي: تدرج + تعداد + بحث + ML + ويب
                     # 420/420 تغطية توليف، أكثر من 1000 واجهة ML، أكثر من 500 واجهة ويب
                     # الأساس: توليف برامج (105/105)، ML/موتر (18+ وحدة)، ويب (19+ وحدة)
                     # ML عالمي: انتباه، انتشار، تدفقات، معادلات تفاضلية، NeRF، تعلم تعزيزي، تعلم فوقي
                     # ويب كامل: WASM، WebGPU، أطر، واجهات API، تنسيق، تجميع
packages/            # حزم مصاحبة (metal_mlp)

# النماذج ومجموعة التوليف
models/              # أوزان المكونات العصبية المُدرَّبة (انظر models/MODEL_INDEX.md)
programs/            # مجموعة معايير التوليف (حساب، بتات، خوارزميات، ...)

# الأدلة، الورقة، التجارب
artifacts/           # نتائج معيارية ملتزمة مذكورة في الورقة + اختبارات
paper/               # ورقة بحثية + أقسام معيارية
benchmarks/          # نصوص تشغيل المعايير
experiments/         # تشغيلات تجارب استكشافية

# الاستخدام والعمليات
examples/            # عروض توضيحية صغيرة قابلة للتشغيل (واحد لكل مسار تنفيذ)
demos/               # جولات عرض توضيحية أكبر (BusyBox، Alpine، مترجم)
scripts/             # نقاط الدخول + أتمتة الصيانة
tools/               # أدوات المطور
training/            # خطوط أنابيب التدريب
packaging/           # سقالات النشر (Homebrew، Modal، DEPLOYMENT.md)

# اختبارات، وثائق، أصول
tests/               # مجموعة اختبارات (انظر tests/README.md)
docs/                # وثائق
assets/              # شعارات / أصول ثابتة

# مخرجات البناء والتشغيل (مُهملة بـ git — قابلة لإعادة التوليد، غير ملتزمة)
checkpoints/         # نقاط تفتيش أوزان كبيرة .pt
training_results/    # مسوحات مقياس المعالج المساعد، دراسات إزالة
dist/                # توزيعات البناء
logs/  outputs/      # سجلات التشغيل ومخرجات مؤقتة

كل دليل على المستوى الأعلى لديه README.md خاص به يصف غرضه.

الاختبارات

python -m ncpu doctor
pytest tests/ -q   # أكثر من 2,500 اختبار عبر المجموعة

التغطية تشمل التحقق الرسمي الشامل لـ ALU، العمليات العصبية، neurOS، وضع الحساب، التنفيذ متعدد العمليات، MUXLEQ، BusyBox/Alpine، مجموعة أدوات تصحيح أخطاء GPU، المعالج المساعد، توليف Mog، التنفيذ القابل للتفاضل، التشفير بالزمن الثابت، البرامج ذاتية التعديل، المترجم التفاضلي، التوزيع على عدة GPU، SOME، ونماذج JEPA التنبؤية.

الوثائق

• الورقة البحثية — التحليل الكامل والنتائج
• ورقة مجموعة أدوات تصحيح أخطاء GPU — مصحح الأخطاء الأصلي لـ GPU بـ 26 أمرًا
• مرجع مجموعة أدوات تصحيح أخطاء GPU — مرجع الأوامر
• نواة Rust Metal — البنية، التصميم بدون نسخ، تعليمات البناء
• خط أنابيب التجميع — تدفق C إلى GPU من النهاية إلى النهاية
• JEPA العصبي — بنية حاسوب عصبي من الأسفل
• نموذج العالم الآلي JEPA — تصميم الديناميكيات التنبؤية
• فهرس النماذج — جرد كامل للنماذج المُدرَّبة
• دليل SOME الكامل — وحدة التحكم المخفية وخط أنابيب التدريب
• البرامج القابلة للتفاضل — تحسين البرامج، التوليف، اكتشاف مجموعة التعليمات
• نتائج المعايير — أرقام pass@1 لكل وضع ومستوى نموذج

الترخيص

MIT