🌐 Traduzir:
English | Español | 中文 (简) | 中文 (繁)
Africâner | Swahili | Zulu | Yorùbá

Transformer,LLM,CHATBOT e Topology Geometric Processing – Dlm class 1‑2
Quintikus class [TDLM-TGP-SSML-DLMC-DSLM] [MIT]

---

Visão Geral

O sistema implementa uma arquitetura de Dupla Inteligência Artificial com suporte a blockchain de conhecimento:

• QuintikusSovereignCore – IA Analítica, baseada em camadas de visão e massa geradas a partir de um texto fonte.
• QuintikusAGI – IA Emocional, com estados térmicos internos, memória associativa (DLM – Dual Loop Memory) e personalidade dinâmica.

Ambas as IAs partilham o mesmo parágrafo de treino extraído do núcleo analítico, mas operam com paradigmas distintos:
uma responde de forma lógica e a outra de forma emotiva.

---

Dependências

Biblioteca	Utilização no código atual
numpy	Processamento linear
hashlib	Geração de hashes de integridade e identificadores
time	Simulação de processamento e métricas
pickle	Serialização da blockchain
os	Manipulação de arquivos
re	Processamento de texto (expressões regulares)
random	Escolha aleatória de frases dos arquétipos
sys, unicodedata	Config system

Estrutura de Classes

quintikus-Agi_base->[ SovereignBlockchain Cache ] │ [ Parágrafo Único Normalizado ] │ ┌────────────────────────┴────────────────────────┐ ▼ intelligent geometric agent ▼

         [ QuintikusSovereignCore ]                        [ QuintikusAGI ]
         ├─ Paradigma: Lógico/Analítico                    ├─ Paradigma: Emocional/Térmico
         ├─ Camada 1: Visão (Entropia)                     ├─ Estrutura: Dual Loop Memory (DLM)
         └─ Camada 2: Massa (Fatos brutos)                 └─ Dinâmica: Estados Térmicos Mutáveis

1. SovereignBlockchain

Responsável pela persistência e integridade do conhecimento gerado.

Método	Descrição
__init__(name)	Define o caminho do ficheiro de cache (blockchain_{name}.cache).
selar_memoria(knowledge_bundle)	Serializa o bundle com pickle e retorna o hash SHA‑256 (8 caracteres) como assinatura.
carregar_ponteiro()	Carrega o bundle do disco, se o ficheiro existir.

2. QuintikusSovereignCore (Núcleo Analítico)

Armazena o conhecimento em três camadas:

• layer1_vision – visões sintéticas com ponteiros, entropia e janelas de contexto.
• layer2_mass – factos brutos originais.
• word_rarity – raridade de palavras baseada na frequência.

🧠 Métodos Principais

Método	Descrição
amadurecer_nexo(raw_text)	Processa o texto bruto, divide‑o em fragmentos, calcula entropia e povoa layer1_vision e layer2_mass. Gera bundle para a blockchain.
falar_soberano(pergunta, cache)	Gera respostas comparando a entropia da pergunta com a Camada 1. Usa os arquétipos para a saída textual.
carregar_fundamentos(mc_f, mm_f)	Carrega os ficheiros de arquétipos e preenche as definições de personalidade.
exportar_banco_normalizado()	Converte os factos da layer2_mass num parágrafo único e contínuo, livre de duplicados.
texto()	Gera um relatório do estado do núcleo para depuração (debug).

📖 Arquétipos de Personalidade
Os ficheiros mc.txt e mm.txt definem o comportamento linguístico. São carregados no formato
<intro>, <ponte>, <concl> para popular o atributo self.arquetipos.

--Modelos de Execução Específicos: O repositório disponibiliza ramificações como QuintikusOpen_FastV2.py focado em otimização de velocidade de busca para contextos extensos; QuintikusOpen_Narativ.py voltado à estruturação narrativa e scripts direcionados para aceleração por hardware como QuintikusOpenGGPT-GPU.py e QuintikusOpenGGPT-CPU.py. A família Quintikus e o QuintikusPCode.py gencode determinística gerar codigo com Programação Neurolinguística,o Quintikus Listy vê com os olhos da matemática classifica imagens.

3. QuintikusAGI (Núcleo Emocional)

Implementa um estado interno de temperatura emocional (três variáveis), um dicionário de palavras com força e raridade, e uma memória em cadeia (DLM) que liga épocas de contexto.

Método	Descrição
__init__(_t)	Inicializa estados térmicos, dicionários e blocos filosóficos em hexadecimal.
inicializar(_txt)	Analisa o parágrafo de entrada: estatísticas de palavras, criação de épocas (grupos de 5 frases) e construção da DLM.
_upd_thermal(_q)	Atualiza os estados de estresse e harmonia com base nas palavras‑chave da pergunta (tabela de valências).
falar(_qi)	Gera uma resposta usando a melhor época que intersecta a pergunta, aplica a DLM e escolhe frases de abertura/fecho conforme o estado térmico.

---

🔁 Fluxo de Execução Principal

1. Inicialização
   • Instancia QuintikusSovereignCore e carrega arquétipos (mc.txt, mm.txt).
   • Lê texto.txt (ou usa texto padrão).
   • Se não existir blockchain em cache, processa o texto via amadurecer_nexo e sela.
2. Preparação do Parágrafo Único
   • Carrega a memória ativa da blockchain.
   • Gera um parágrafo contínuo com exportar_banco_normalizado().
   • Exibe os primeiros 500 caracteres.
3. Inicialização da AGI Emocional
   • Cria uma instância de QuintikusAGI e chama inicializar() com o mesmo parágrafo usado pelo núcleo analítico.
4. Loop Interativo
   • Pergunta ao utilizador (RONAN:).
   • Obtém resposta lógica de SovereignCore.falar_soberano().
   • Obtém resposta emocional de AGI.falar(), passando o comando e o texto original.
   • Exibe a resposta da AGI com efeito de digitação (efeito_llm).

📝 Notas Técnicas

• A IA analítica utiliza hash e entropia para associar perguntas a factos.
• A IA emocional usa uma rede de memória temporal (DLM) que liga épocas consecutivas.
• O estado térmico (self._st) influencia a escolha de frases e o tom da resposta.
• Todo o conhecimento da Camada 2 é compactado num parágrafo normalizado que alimenta a AGI, garantindo consistência total entre os dois núcleos.

Model

   
   Agi = raw processing and search by intelligent geometric agent
   Fast = large-context search speed 
   Doomoble = IA transformer de bolso
   SSML = Sensation Singularity model Logic
   DLMC = Dynamic Logic Model Cortex
   DSML = Dynamic Singularity model LOGIC
   TGP  = Topology Geometric Processing  

Quintikus Doomoble🥔 , Droid🧠 e TG2P 📐

Assistente pessoal offline, IA transformer de bolso, que roda até em celular.

• 🔧 Personalização
• 📦 Especialistas prontos

O que é?

O Quintikus Doomoble e Droid é um motor de IA baseado em transformer e rede logic, escrito em Python puro + NumPy.
Ele entende regras, aprende com frases, traduz intenções, e pode controlar dispositivos reais.

Características

• 🚫 Offline e privado – seus dados nunca saem do seu dispositivo.
• 📏 Leve – menos de 2 MB por especialista.
• 🧠 Memória viva – aprende sem retreino, só adicionando frases.
• 🗣️ Tradutor de intenções – entende linguagem natural.
• 🔌 Conecta ao mundo real – GPIO, e‑mail, câmera.

TGP:Topology Geometric Processing

The TGP lineage demonstrates a clear evolution from pattern memorization (TGP‑1) to geometric creativity (TGP‑2) and finally to stateful cognitive control (TGP‑3). The ARQUINET architecture is not an incremental improvement but a generational leap, delivering the precision and speed required for real‑world deployment.

Latência de Inferência (ms) │ │    TGP-1 ████████████████████ ~100ms │    TGP-2 ████████████ ~120ms (por token) │    TGP-3 ██ 5-21ms (total) │ TGP-4 █ 2-15ms (por token) └────────────────────────────────

Qualidade de Resposta
│TGP-4 ████████████████ 97%
│
│TGP-3 ██████████ 80%                    
│
│TGP-2 ████████ 70%
│          
│
│TGP-1 ████ 40%
│    
│
└─────────────────────────────────────────────────→ Tempo/Épocas de Treino

Conversational Quality  
│ TGP‑1  ████████ 40% (rigid, copied)
│ TGP‑2  ██████████████ 70% (creative but unfinished)
│ TGP‑3  ███████████████ 80% (precise, adaptive)
| TGP‑4  ████████████████████ 98% (precise,rigid)
└────────────────────────────────────────────────→ higher is better

Como usar

python3 quintikus-model.py

Novidade

    [Sobre multiverso] 
  -
    [NEW MODEL]
          QuintikusOpenDLM_WEBS
          Quintikus_DSpark 3.0
    

about

Esse projeto me custou 3 anos, café e paciência.
coffee donate help: [paypal](https://www.paypal.com/donate?business=4KJAVYQLQDMHA&no_recurring=0&item_name=Ajudar+a+engine¤cy_code=USD)

Autor: Ronan Bastos

Licença: Livre para estudo e experimentação.