Brainwires Compute Engine

Brainwires计算引擎

Rust中用于数学和科学计算的综合计算引擎，提供 400+数学运算 通过清洁 8工具API.

  

🚀 快速开始

use computational_engine::{ToolRequest, SolveInput, create_default_dispatcher};

// Create dispatcher
let dispatcher = create_default_dispatcher();

// Solve a quadratic equation
let request = ToolRequest::Solve(SolveInput {
    equations: vec!["x^2 + 2*x - 8 = 0".to_string()],
    variables: None,
    initial_guess: None,
    domain: None,
    method: None,
    ..Default::default()
});

let response = dispatcher.dispatch(request).unwrap();
println!("{:#?}", response);

🧮 8核心工具

✨ 主要特点

核心能力

• ✅ 2067次测试 通过率100%（1089个集成+960个单元+18个文档测试）
• ✅ 约80%的生产代码覆盖率 （用货物防水布测量）
• ✅ 400+数学运算 跨8个统一工具
• ✅ 自适应积分 具有自动细分和误差估计功能
• ✅ 24+传统数学科目 包括微积分、线性代数、统计学、微分方程、图论、最优化等
• ✅ 自定义计算机代数系统（CAS） -没有Python依赖项
• ✅ 多个接口：原生Rust、JSON/MCP、WebAssembly
• ✅ Rust 2024版 具有全类型安全性

数学

• 微积分：符号区分、整合、系列分析
• 线性代数：矩阵运算、分解（SVD、LU、QR、Cholesky）、特征值、PCA
• 张量演算：爱因斯坦求和，Christoffel符号，黎曼曲率，度量张量
• 符号CAS：表达式解析、简化、符号区分/整合
• 特殊函数：贝塞尔、伽玛、贝塔、误差函数、椭圆积分、正交多项式
• 数值方法：根查找、插值、ODE/PDE求解器、自适应数值积分（带自动细分的Simpson规则）

物理学

• 量子力学：波函数、算子、微扰理论
• 相对论：狭义和广义相对论计算
• 电磁学麦克斯韦方程式,EM波,天线,波导
• 核物理学：放射性衰变、结合能、裂变/聚变
• 流体动力学：Navier-Stokes求解器、边界条件、流动分析
• 控制系统：传递函数、稳定性分析、PID整定

科学公式

• 化学：气体定律、pH值计算、摩尔质量、热化学
• 生物学：米氏动力学、哈代-温伯格平衡、药代动力学
• 热力学：传热、熵、热力学循环
• 光学：薄透镜、衍射、干涉、偏振
• 工程：声学、材料科学、流体力学、控制理论
• 地球物理学地震学、大气物理学、放射性测年、行星科学
• 日期时间：日期算术、工作日、闰年、时区

专业模块

• 信号处理：FFT、滤波器、频谱图、小波、窗函数
• 统计：分布、假设检验、回归、MCMC
• 优化：梯度下降、Nelder-Mead、曲线拟合、符号回归
• 图论：最短路径、MST、连通组件、拓扑排序
• 信息论：熵、互信息、信道容量、霍夫曼编码
• 密码学：RSA，素数生成，模运算
• 计算几何：凸包、Delaunay三角剖分、Voronoi图

📚 涵盖的传统数学科目

发动机跨度 24+传统数学科目 教育工作者和学生熟悉的：

核心数学

• 微分学 -符号微分、偏导数、链式法则、梯度、散度、旋度
• 积分学 -定积分/不定积分、多重积分、轮廓积分
• 高等微积分 -泰勒级数、极限、L'Hôpital法则、收敛性检验
• 线性代数 -矩阵运算、分解（SVD、QR、LU、Cholesky）、特征值、PCA
• 符号代数 -表达式解析、简化、因式分解、多项式运算
• 微分方程 -ODE、PDE（热、波、拉普拉斯）、刚性方程

高等纯数学

• 张量演算 -Christoffel符号、黎曼张量、爱因斯坦方程、度量张量
• 数论 -素数、模运算、GCD/LCM、中国剩余定理
• 特殊函数 -贝塞尔、伽玛、误差函数、椭圆积分、正交多项式
• 计算几何 -凸包、Delaunay三角剖分、Voronoi图

应用数学

• 统计学与概率论 -分布、假设检验、回归、方差分析、相关性
• 优化 -梯度下降、Nelder-Mead、曲线拟合、符号回归
• 随机过程 -布朗运动、泊松过程、莱维过程、MCMC
• 图论 -最短路径、MST、拓扑排序、连通组件
• 信息论 -熵、互信息、KL散度、信道容量

信号与变换分析

• 傅里叶分析 -FFT、傅里叶/拉普拉斯变换、傅里叶级数
• 小波分析 -Haar、Daubechies、Morlet小波、小波变换
• 信号处理 -数字滤波器、频谱分析、自相关、功率谱

物理数学

• 量子力学 -薛定谔方程、微扰理论、波函数
• 相对论 -洛伦兹变换、史瓦西度量、引力效应
• 统计物理 -配分函数，玻尔兹曼/费米-狄拉克/玻色-爱因斯坦分布
• 控制理论 -传递函数、波特图、稳定性分析、状态空间
• 核物理学 -放射性衰变、结合能、裂变/聚变计算

密码学与安全

• 密码数学 -RSA、散列（SHA256/SHA3）、离散对数、椭圆曲线

📦 安装

添加到您的 Cargo.toml:

[dependencies]
brainwires-compute-engine = { git = "https://github.com/nightness/brainwires-compute-engine" }

🔧 多个接口

1.锈蚀API（原生）

直接与Rust集成，具有完全类型安全性：

use computational_engine::{ToolRequest, ComputeInput, ComputeOp, DifferentiateType, create_default_dispatcher};

let dispatcher = create_default_dispatcher();

// Differentiate x^2*sin(x) symbolically
let request = ToolRequest::Compute(ComputeInput {
    operation: ComputeOp::Differentiate(DifferentiateType::Symbolic),
    data: serde_json::json!({
        "expression": "x^2*sin(x)",
        "variable": "x"
    }),
    parameters: Default::default(),
});

let response = dispatcher.dispatch(request).unwrap();

2.JSON API（MCP服务器）

用于AI代理和CLI工具的JSON接口：

# Run as MCP server (reads JSON from stdin)
echo '{"tool":"solve","input":{"equations":["x^2 - 4 = 0"]}}' | cargo run --release -- stdin

# List available operations
cargo run --release -- list-ops

# Display version info
cargo run --release -- info

JSON请求格式：

{
  "tool": "solve",
  "input": {
    "equations": ["x^2 - 4 = 0"]
  }
}

3.WebAssembly（浏览器/Node.js）

在JavaScript/TypeScript中用于设备上计算：

import init, { ComputationalEngine } from '@brainwires/compute-engine';

await init();
const engine = new ComputationalEngine();

const result = engine.solve({
    equations: ["x^2 - 4 = 0"]
});
console.log(result);

看 WASM.md 获取完整的WebAssembly文档。

🏗️ 建筑

使用8个统一工具的干净分层架构：

JSON/WASM API → ToolDispatcher → Tool Traits → Unified Implementations → Domain Modules

源结构

src/
├── engine/      # Core types, traits, dispatcher
├── solve/       # SOLVE tool + optimization/, specialized/
├── compute/     # COMPUTE tool + 27 domain submodules
├── analyze/     # ANALYZE tool + symbolic/
├── simulate/    # SIMULATE tool + fluids/, stochastic/, ode/, finance/
├── ml/          # ML tool + clustering/, regression/, neural_network/, etc.
├── chaos/       # CHAOS tool + fractals/, attractors/, lyapunov/, etc.
├── units/       # UNITS tool + dimensional_analysis
└── validate/    # VALIDATE tool + equation validation

看 建筑.md 详细文档。

🔬 建筑与测试

本地构建

# Build library and CLI
cargo build --release

# Run the MCP server
./target/release/brainwires-compute-engine stdin

# Run all tests (2,067 tests total)
cargo test

# Run integration tests only
cargo test --test all_integration_tests

# Run specific test suites
cargo test --test all_integration_tests integration::tools::linear_algebra
cargo test --test all_integration_tests integration::tools::tensor_calculus

# Generate documentation
cargo doc --open

# Code quality
cargo check
cargo fmt
cargo clippy

WebAssembly构建

# Build for all WASM targets
./build-wasm.sh

# Or build specific targets
npm run build:web        # Browser ES modules
npm run build:nodejs     # Node.js
npm run build:bundler    # Webpack/Vite/Rollup
npm run build:no-modules # Classic  tags

# Run browser example
cd examples/wasm && npm run dev

# Run Node.js example
cd examples/wasm && npm run node

# Test WASM
wasm-pack test --headless --firefox

看 WASM.md 了解详细的WASM构建说明。

📊 测试覆盖率

全面的测试套件 100%通过率 和 约80%的生产代码覆盖率:

检验统计量

• 2067次测试 （通过率100%）

- 1089次集成测试 在 tests/integration/ - 960个单元测试 （内联 #[cfg(test)] 模块在 src/) - 18个文档测试

• 约80%的生产代码覆盖率 （截至2025年1月为79.99%）

- 覆盖率用以下方式衡量 cargo-tarpaulin 不包括测试代码 - 仅生产代码，自动排除内联测试模块

覆盖命令

# Run all tests
cargo test

# Get production code coverage (recommended - excludes test code)
cargo tarpaulin --lib --release --out Stdout

# Alternative: cargo-llvm-cov (may include test code in metrics)
cargo llvm-cov --lib --release

# Generate HTML coverage report
cargo tarpaulin --lib --release --out Html

注： 使用 cargo-tarpaulin 以获得准确的生产代码覆盖率。该工具自动排除内联 #[cfg(test)] 通过覆盖率计算模块，为您提供真实的生产代码覆盖率百分比。

测试组织

该项目使用两种测试模式：

1. 集成测试 (tests/integration/ 目录）

- 1089个跨多个文件的集成测试 - 按工具组织： engine/, compute/, solve/, simulate/, tools/, coverage/ - 测试公共API和端到端功能

1. 单元测试 （内联 #[cfg(test)] 模块）

- 源文件中嵌入了960个单元测试 - 位于 #[cfg(test)] 模块内 src/ 文件 - 测试单个功能和内部实现细节

看 测试.md 了解详细的测试指南和最佳实践。

🎯 用例

• 科学计算：研究计算、模拟、数据分析
• AI/ML应用：AI代理和模型的数学运算
• 教育工具：互动式数学和物理教育
• MCP服务器：Claude和其他人工智能助手的计算后端
• 网络服务：服务器端或客户端数学计算
• 研究：数学模型的快速原型制作
• 工程：CAD、仿真、优化问题

📖 文档

• 测试.md - 🧪 完整的测试指南和最佳实践
• CLAUDE.md - 🤖 Claude Code和贡献者开发指南
• WASM.md -WebAssembly构建和使用指南
• 建筑.md -详细的架构文档
• API文件： cargo doc --open

🛠️ 发展

先决条件

• 锈1.75+（2024年版）
• wasm包（用于WebAssembly构建）
• Node.js 18+（用于WASM示例）

开发命令

# Check code
cargo check

# Run tests
cargo test

# Format code
cargo fmt

# Lint
cargo clippy

# Build release
cargo build --release

# Run benchmarks
cargo bench

🌟 设计理念

• 简洁：8个直观的工具，可访问400多种数学运算
• 综合性：涵盖从微积分和线性代数到量子力学和控制理论的24门以上传统数学科目的操作
• 独立：不依赖Python的自定义CAS
• 类型安全：使用零成本抽象进行完全Rust类型检查
• 演出：使用LTO和单个代码生成器单元优化发布版本
• 可测试性：2067次测试的测试通过率为100%
• 灵活性：具有合理默认值的丰富输入模式
• 互操作性：原生Rust、JSON和WebAssembly接口

🆕 最新动态

2025年1月

• ✅ 8工具架构整合：具有8个主要工具的统一架构

- 更清洁、更直观的API

• ✅ 测试重组：现在测试镜像源结构

- tests/unit/ 按工具组织： solve/, compute/, analyze/, simulate/, ml/, chaos/, units/, validate/ - tests/integration/ 按工具组织： engine/, compute/, solve/, simulate/, tools/, coverage/, other/ - 总计：2067次测试（高于1685次）

2024年10月

• ✅ 主要测试覆盖率提高：测试次数大幅增加

- 达成 约80%的生产代码覆盖率 - 修复了自旋参数解释中的临界黑洞物理错误 - 创建全面 测试.md 引导

• ✅ 黑洞物理修复：修正了克尔黑洞的实现

- 将自旋参数从质量单位更改为无量纲（0-1） - 固定事件视界、ergosphere和ISCO计算

📝 许可证

麻省理工学院或阿帕奇-2.0

🤝 贡献

欢迎投稿！8工具架构使以下操作变得容易：

1. 在现有工具中添加新的求解方法
2. 实施新的分析操作
3. 创建新的仿真模型
4. 添加科学配方模块
5. 整合专业图书馆

请参阅中的工具模块 src/solve/, src/compute/等等。

🙏 致谢

该项目旨在提供与Mathematica/Wolfram Alpha相当的全面计算能力，但作为免费和开源软件。

📞 支持

• 问题：
• 文件：见 docs/ 目录和内联文档

______________________________________________________________________

用Rust构建🦀 | 数学驱动📐 | 用Rigor测试✅