Scientific Features

A computação científica em Sounio não é um módulo isolado nem um truque. É uma combinação de tipagem epistêmica, lanes de domínio da stdlib, matemática hipercomplexa, trabalho em GPU e testes específicos de domínio. Por isso, uma página abrangente precisa olhar para o sistema inteiro, não só para a sintaxe.

O que está mais forte hoje

• As lanes científicas da stdlib apoiadas por gate fmri e darwin_pbpk estão passando.
• Sete lanes de hyper-execução estão passando atualmente no gate obrigatório.
• O repositório tem diretórios self-hosted dedicados para hypercomplex, gpu, tensor e distributed, além de exemplos e benchmarks específicos de domínio.

Mapa de origem

• tests/stdlib/fmri/ e tests/stdlib/darwin_pbpk/ são os pontos de prova científica pública mais fortes.
• tests/stdlib/nn/, onn/, qnn/, snn/, spnn/, quantnn/ e math/ mapeiam as lanes hyper atualmente passando.
• self-hosted/hypercomplex/, self-hosted/gpu/ e self-hosted/tensor/ são as superfícies de implementação self-hosted mais evidentes para trabalho de runtime científico.
• benchmarks/ e docs/research/ dão contexto mais amplo, mas os artefatos e testes continuam sendo a fonte mais forte para afirmações de suporte atuais.

Reproduza o retrato científico apoiado por gate

bash scripts/stdlib/stdlib_hyper_execution_gate.sh
STDLIB_RUNTIME_REGRESSION_STRICT=1 bash scripts/stdlib_science_pipeline_gate.sh

Orientação de documentação

• Comece pelas lanes que passam e pelos fixtures validados.
• Trate módulos científicos desativados ou stub como inventário de roadmap.
• Ao discutir domínios avançados como kernels científicos GPU-nativos ou backends hipercomplexos profundos, deixe claro se você está falando de trabalho de implementação na árvore-fonte ou de comportamento de artefato público verificado.