kokao-engine 3.0.3

Intuitive System based on Kosyakov's Theory: Two-Channel Core (S⁺/S⁻), Cognitive Modules, Analytical Inverse Problem, Physical Interpretation

Kokao Engine v3.0.0

Intuitive System based on Kosyakov's Theory: Two-Channel Core (S⁺/S⁻), Cognitive Modules, Analytical Inverse Problem, Physical Interpretation

Русский: Интуитивная система по теории Косякова: двухканальное ядро (S⁺/S⁻), когнитивные модули, аналитическая обратная задача, физическая интерпретация.

---

🎯 Key Features / Ключевые особенности

EN: Analytical Inverse Problem (FastInverse)

Instant solution for finding input vector x from target signal S_target. Based on hyperplane projection.
⚡ 2500× speedup vs iterative methods.
🎯 Accuracy < 0.001 for any target signals.

RU: Аналитическая обратная задача (FastInverse)

Мгновенное решение задачи нахождения входного вектора x по целевому сигналу S_target. Основана на проекции на гиперплоскость.
⚡ Ускорение в 2500× по сравнению с итеративными методами.
🎯 Точность < 0.001 для любых целевых сигналов.

---

EN: Two-Channel Core (KokaoCore)

Classic implementation by Kosyakov: signal S = S⁺ / S⁻ with positive weights, ensuring scale invariance.

RU: Двухканальное ядро (KokaoCore)

Классическая реализация по Косякову: сигнал S = S⁺ / S⁻ с положительными весами, обеспечивающая инвариантность к масштабу входа.

---

EN: Cognitive Modules (Levels 2–4)

• Level 2: Fuzzy etalons, Thalamus-Cortex system.
• Level 3: Left (images) and Right (actions) hemisphere separation.
• Level 4: Goals, pleasure, deprivation, and fatigue system.

RU: Когнитивные модули (уровни 2–4)

• Уровень 2: Размытые эталоны, система «Таламус-Кора».
• Уровень 3: Разделение на левое (образы) и правое (действия) полушария.
• Уровень 4: Система целей, удовольствия, депривации и утомляемости.

---

EN: Experimental Physical Module

Includes solitonic dynamics (Sine-Gordon equation), Lorentz factor, topological quantization by mode 93 (author: V. Ovseychik), and connection to fundamental constants (K = 1838.684, 2π², α). Located in kokao/experimental, does not affect core stability.

RU: Экспериментальный физический модуль

Включает солитонную динамику (уравнение Синус-Гордона), лоренц-фактор, топологическое квантование по моде 93 (автор идеи — В.Овсейчик) и связь с фундаментальными константами (K = 1838.684, 2π², α). Находится в kokao/experimental, не влияет на стабильность основного ядра.

---

EN: Modern Extensions

• RAG: Document search with FAISS.
• XAI: Explainability via SHAP/LIME.
• Integrations: Ready adapters for LangChain and HuggingFace Hub.
• Performance: Batch training (up to 800× on GPU), CUDA Graphs, INT8/INT4 quantization, ONNX/TensorRT export.
• Security: Input validation, differential privacy, vulnerability audit, penetration tests.

RU: Современные расширения

• RAG: Поиск документов с FAISS.
• XAI: Объяснимость через SHAP/LIME.
• Интеграции: Готовые адаптеры для LangChain и HuggingFace Hub.
• Производительность: Пакетное обучение (до 800× на GPU), CUDA Graphs, квантование INT8/INT4, экспорт в ONNX/TensorRT.
• Безопасность: Валидация входных данных, дифференциальная приватность, аудит уязвимостей, пентесты.

---

⚙️ Installation / Установка

EN

pip install kokao-engine

# With extensions
pip install 'kokao-engine[all]'
pip install 'kokao-engine[rag,xai,langchain]'

RU

pip install kokao-engine

# С расширениями
pip install 'kokao-engine[all]'
pip install 'kokao-engine[rag,xai,langchain]'

---

🚀 Quick Start / Быстрый старт

import torch
from kokao import KokaoCore, CoreConfig, FastInverse

# 1. Create core / Создать ядро
config = CoreConfig(input_dim=10, target_sum=1.0, seed=42)
core = KokaoCore(config)

# 2. Direct signal / Прямой сигнал
x = torch.randn(10)
s = core.signal(x)
print(f"Signal: {s:.4f}")

# 3. Training / Обучение
loss = core.train(x, target=0.8, mode='adamw')
print(f"Loss: {loss:.4f}")

# 4. Analytical inverse / Аналитическая инверсия
inv = FastInverse(core)
x_gen = inv.solve(target=0.8)
s_gen = core.signal(x_gen)
print(f"Inverse achieved: {s_gen:.6f} (target 0.8)")

---

📖 Documentation / Документация

• EN: Full documentation at ReadTheDocs
• RU: Полная документация на ReadTheDocs
• Examples: examples/
• Architecture: ARCHITECTURE.md

---

🧪 Testing / Тестирование

• 579 tests passed (94% code coverage)
• 41 tests for experimental physical module
• Performance: 2500× inverse speedup, 0.00007 accuracy for target 10.0

---

📄 License & Authors / Лицензия и авторы

EN

License: Apache 2.0

Authors:

• Vitaly Kalinovsky — core architecture, inverse problem, cognitive modules, integrations
• V. Ovseychik — scientific guidance, physical constants, topological quantization (mode 93)

Copyright: This implementation is an independent development based on ideas from Yu.B. Kosyakov's book "My Brain" (1999). Russian Patent №2109332 has expired; the mathematical method is in the public domain.

RU

Лицензия: Apache 2.0

Авторы:

• Виталий Калиновский — основная архитектура, обратная задача, когнитивные модули, интеграции
• В.Овсейчик — научное руководство, физические константы, топологическое квантование (мода 93)

Об авторских правах: Данная реализация является независимой разработкой на основе идей из книги Ю.Б. Косякова «Мой мозг» (1999). Патент РФ №2109332 утратил силу, математический метод находится в общественном достоянии.

---

🌐 Links / Ссылки

• GitHub: github.com/newmathphys/kokao-engine
• PyPI: pypi.org/project/kokao-engine
• Documentation: kokao-engine.readthedocs.io

---

📊 Statistics / Статистика

Metric / Метрика	Value / Значение
Tests / Тесты	579 passed
Coverage / Покрытие	94%
Modules / Модули	52
Batch speedup / Ускорение батчей	800× (GPU)
Inverse speedup / Ускорение обратной задачи	2500×
Quantization / Квантование	INT8/INT4

---

Last updated: March 2026