graphkind-harness
Benchmark de invariantes estructurales sobre universos (motor GraphKind). Mide, sobre corpus no isomorfos, lo que el paper mide:
- Colisiones y frontera por observador y por n (las curvas
C_n). - Anclas: la tabla de separación de los pares canónicos.
- T4 por universo: estándar (1-WL y k-FWL), multicapa (total vs por capa) e hipergrafo k-uniforme.
- Controles: invarianza bajo relabeling + control negativo (un observador débil debe colisionar).
Todo sale de un JSON congelable (versión del motor, corpus, semilla, wall time) y es determinista.
Instalar
pip install graphkind-harness
# para el corpus exhaustivo (no isomorfos):
sudo apt install nauty # provee `geng`
Uso (CLI)
# frontera completa hasta n=7 sobre todos los grafos no isomorfos
graphkind-harness run --corpus geng --n-max 7 --out freeze.json
# solo las anclas (no necesita geng)
graphkind-harness anclas
# reporte de texto de un freeze
graphkind-harness reporte freeze.json
Salida de anclas:
par n grado wl kw2 kw3 ir1 ir2
C6 vs 2·C3 6 separa colisiona separa separa separa separa
Petersen vs prisma 10 ...
Rook vs Shrikhande 16 ...
Uso (librería)
from graphkind_harness import bench
res = bench.run(corpus="geng", n_max=7, observadores="wl,kw2,kw3")
print(bench.reporte(res))
print(res["frontera"]["kw3"]) # colisiones por n
Corpus
| nombre | qué es |
|---|---|
geng |
todos los grafos no isomorfos hasta --n-max (nauty) |
pairs |
los pares canónicos (C₆/2·C₃, Petersen/prisma, Rook/Shrikhande) |
random |
m grafos G(n,p) con semilla |
file |
un archivo: graph6 o n u v u v … por línea |
all |
todos los grafos etiquetados (solo pruebas chicas) |
Observadores
grado (control negativo), wl, kw2, kw3, ir1, ir2.
El motor no incluye el observador SNF del Laplaciano (línea del
laboratorio, EXP-161); se puede sumar registrando una función en
observers.OBSERVADORES.
Qué NO es
- No es el motor: la matemática vive en
graphkind(ographkind-wl). - No mide tiempo de cómputo por observador (solo colisiones y leyes).
- No promete completitud universal: mide en la clase del corpus.
Cita y licencia
Argaña Silguero, J. (2026). GraphKind — Universes v2. Zenodo. https://doi.org/10.5281/zenodo.22747350 · CC-BY-4.0.
Metadata
Release files for graphkind-harness 0.1.1
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | |
|---|---|---|---|
| graphkind_harness-0.1.1.tar.gz | 12.9 kB | Details |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Reset |
|---|---|---|---|---|
| graphkind_harness-0.1.1-py3-none-any.whl | Python 3 | none | any | Details |
Total release size: 24.8 kB
Release files / graphkind_harness-0.1.1.tar.gz
| Download URL | graphkind_harness-0.1.1.tar.gz |
|---|---|
| Size | 12.9 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
0d11ed99afdb81224c8b9b471835639b96867b974c7296a0444215e9bc70ea9f
|
|
BLAKE2b-256 checksum How to use checksums |
40b49288dee224f22768e95be876b5a9f934af6be714a6fa6a710f806ebaa674
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/7.0.0 CPython/3.12.3
|
Release files / graphkind_harness-0.1.1-py3-none-any.whl
| Download URL | graphkind_harness-0.1.1-py3-none-any.whl |
|---|---|
| Size | 11.9 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
3ab29c1033e307fd1b67a3d06b5b69fa76ff3f72667f602a786ed0d9ce2be735
|
|
BLAKE2b-256 checksum How to use checksums |
a9b102c47137647d078bf08612e2dbdba402f9172ca00c797065ce91958b103b
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
twine/7.0.0 CPython/3.12.3
|