arca-core 0.2.1

ARCA — Adaptive Resonant Cortical Architecture

ARCA: Advanced Recurrent Cognitive Architecture

ARCA est une architecture hybride de modèle de langage haute performance (wgpu / Rust) qui combine :

• Un Réservoir Dynamique (LSM) de 4096 unités pour la dynamique temporelle locale.
• Une Mémoire Hebbienne Plastique (Bio-Inspired) avec des couches gérées par contrôle homéostatique.
• Un mécanisme d'Attention Hybride avec KV-Cache pour la récupération à long terme (In-Context Learning).
• Un Pipeline GPU "Zero-Sync" Extrême conçu pour une exécution 100% VRAM-first (WGSL), avec compression FP16 et exécution par lots (Batching).

---

🚀 Fonctionnalités Clés (v2.6.0)

ARCA est spécifiquement optimisé pour éliminer le goulot d'étranglement des architectures hybrides : les transferts sur le bus PCIe et la bande passante mémoire.

⚡ Inférence "GPU-First" & "Batched"

Lors de l'inférence, zéro synchronisation CPU-GPU n'a lieu pour le calcul du graphe de l'encodeur jusqu'à l'échantillonnage.

1. Pipeline VRAM Intégral : Encodeur -> Attention KV-Cache -> Reservoir -> Projections -> Agrégation -> Logits -> Top-K Sampling.
2. Exécution Matrice-Matrice (Batching GEMM) : Le GPU gère B séquences d'inférence en parallèle massif.
3. Zéro Readback : Les états internes (s_t, KV-Cache, mémoire hebbienne) ne quittent jamais la VRAM.
4. Précision Mixte FP16 : Toutes les matrices statiques (Reservoir, Embeddings, Attention) sont stockées compressées en f16 et dézippées (unpack2x16float) à la volée par les shaders WGSL, doublant virtuellement la Memory Bandwidth.

🎲 Échantillonnage Top-P VRAM (Nucleus Sampling)

La sélection probabiliste est assistée par le GPU : Un shader de réduction multi-passes trouve les K meilleurs tokens ou applique un filtrage Top-P (Nucleus) et masque les logits. Le CPU ne lit que les tokens finaux (une poignée d'octets) pour appliquer la Température et un Tirage Pondéré (Softmax) afin de garantir un texte fluide et cohérent.

🏋️‍♂️ Entraînement Full-GPU (AdamW & WGSL)

L'entraînement de la tête de prédiction d'ARCA (plus de 55M de paramètres) est calculé à 100% sur la carte vidéo sans blocage CPU.

• Backpropagation in-place : L'optimiseur AdamW est implémenté en pur WGSL.
• Zero-Transfert : Le calcul des gradients (grad_logits, grad_y_hidden) et les mises à jour de mémoire se font intégralement sur le GPU.

⚡ Tokenizer Multi-threadé (Rayon)

L'apprentissage du vocabulaire via BPE a été optimisé par du calcul distribué (Map-Reduce) sur tous les cœurs du CPU, réduisant drastiquement le temps de scan des gros corpus de texte.

---

🛠️ Architecture Hybride

1. ArcaSystem (Orchestrateur Principal)

L'objet central qui gère le graphe global, le dictionnaire BPE, et les flux de tokens.

// Exemple d'inférence batch extrême
let token_ids = system.forward_step_extreme_inference(&bytes_batch, &t_batch, &bpe_batch, 0.8);

2. GpuInferenceContext (Vulkan/Metal/DX12)

Moteur wgpu contenant tous les compute pipelines compilés et les buffers persistants FP16 :

• encoder.wgsl : Hachage des n-grams, lookup BPE et convolution causale.
• attention.wgsl : Mécanisme d'attention hybride avec gestion dynamique du KV-Cache.
• reservoir_update.wgsl : Calcule tanh(R * s_{t-1} + W_in * x) en matrice-matrice (batch).
• projections.wgsl : Projections locales pour la mise à jour plastique.
• hebbian_plasticity.wgsl : Règle de Hebb (outer-product) avec clamp homéostatique.
• aggregate.wgsl : Combinaison holographique des mémoires.
• logit_compute.wgsl : Produit scalaire massif sur la table d'embedding.
• top_k_sampling.wgsl : Réduction K-passes pour l'échantillonnage inférence.

3. Contrôleur Métabolique (CPU)

Gère le "climat" (macro-variables) qui module la plasticité selon l'erreur de prédiction : $\beta$ (tension), $\lambda$ (oubli), $\sigma$ (homéostasie).

4. API Python via PyO3 / Maturin

ARCA est intégralement compilable et utilisable depuis Python.

import arca
model = arca.ArcaModel("modele.sovereign", "tokenizer.json")
model.train(corpus, "modele.sovereign", 64)
print(model.generate("Texte", max_tokens=50, temperature=0.7, top_p=0.9))

---

📦 Installation & Compilation

ARCA nécessite Rust (Edition 2021) et un GPU compatible avec les backends wgpu.

# Cloner le projet
git clone https://github.com/corbac10099/ARCA.git
cd ARCA

# Compiler avec support GPU natif (Recommandé)
cargo build --release --features gpu

# Lancer les tests unitaires
cargo test --release --features gpu

---

ARCA est conçu pour la recherche en apprentissage hebbien et le calcul hybride (Liquid State Machine + Deep Learning) aux limites du matériel moderne.