| """Mars Cross-Layer — malha de correlação topológica da estação (Phase14/56 marciano). |
| |
| Réplica do padrão SHG runtime theory mesh (src/analysis/shg_runtime_theory_mesh.py) |
| para a Máquina-Árvore: define SUPERFÍCIES de dados (clima REMS, sismicidade SEIS, |
| terreno MOLA, geoquímica de solo, sensores da estufa, microbioma, evolução, |
| água/energia, escavações) e cruza TODAS entre si, topologicamente, achando |
| CORRELATOS, ARESTAS e PONTES temáticas — a máquina escava qualquer dado e |
| descobre relações que nenhum módulo isolado veria. |
| |
| Diferença vs Phase14/56 (6144/2078 canais): aqui as fontes são as superfícies |
| reais da estação (parquet REMS/MOLA/SEIS + sensores) e a saída é um GRAFO de |
| correlações com pontes explicativas (ex: perclorato ↔ microbioma ↔ evolução; |
| sismicidade ↔ estabilidade estrutural ↔ túneis). |
| """ |
|
|
| from __future__ import annotations |
|
|
| from dataclasses import dataclass, field |
| from typing import Dict, List, Tuple |
|
|
|
|
| @dataclass(frozen=True) |
| class MarsSurfaceSpec: |
| """Uma superfície de dados da estação (analogia RuntimeSurfaceSpec).""" |
|
|
| surface_id: str |
| label: str |
| kind: str |
| source: str |
| rationale: str |
|
|
|
|
| MARS_SURFACES: Tuple[MarsSurfaceSpec, ...] = ( |
| MarsSurfaceSpec("rems_climate", "Clima REMS (T, vento, poeira, umidade)", "climate", |
| "parquet/rems_dodeca.parquet", "forçamento ambiental real (Curiosity)"), |
| MarsSurfaceSpec("seis_seismic", "Sismicidade InSight (Mw)", "seismic", |
| "parquet/seis_meta.json", "eventos sísmicos reais (2.716 no catálogo)"), |
| MarsSurfaceSpec("mola_terrain", "Terreno MOLA (altitude/declividade)", "terrain", |
| "parquet/mola_tiles.parquet", "topografia real do sítio"), |
| MarsSurfaceSpec("soil_geochem", "Geoquímica do solo (APXS/MMS-1)", "soil", |
| "PDS APXS + literatura MMS-1", "percloratos, Ca/Mg/K/Fe, pH"), |
| MarsSurfaceSpec("greenhouse_sensors", "Sensores da estufa (pH/O2/CO2/T)", "sensor", |
| "sensores por braço", "estado interno do cultivo"), |
| MarsSurfaceSpec("microbiome", "Microbioma (Shannon, contaminação)", "microbiome", |
| "MicrobiomeManager", "diversidade + higiene aprendida"), |
| MarsSurfaceSpec("evolution", "Evolução (traços mutagênicos)", "evolution", |
| "MarcianMutagenesis/EvolutionGate", "ganhos de perclorato/frio/radiação"), |
| MarsSurfaceSpec("resources", "Recursos (água, energia, nutrientes)", "resource", |
| "LifeSupport/CircularEconomy", "fechamento dos ciclos"), |
| MarsSurfaceSpec("excavation", "Escavações (túneis, elevadores, gelo)", "excavation", |
| "IceElevator + túneis Voronoi", "profundidade, fluxo de gelo, amostras"), |
| ) |
|
|
|
|
| @dataclass |
| class MarsCrossLayer: |
| """Cruza todas as superfícies e produz correlatos/arestas/pontes. |
| |
| Correlação com atraso temporal (lag 0-5 sols) entre pares de séries. |
| Pontes temáticas: triplas pré-definidas que explicam cadeias causais. |
| """ |
|
|
| min_corr: float = 0.30 |
| max_lag: int = 5 |
| rng_seed: int = 7 |
|
|
| def correlate(self, series_a: List[float], series_b: List[float], |
| lag_max: int | None = None) -> Dict: |
| """Pearson com atraso; retorna melhor lag e correlação.""" |
| import math |
| n = min(len(series_a), len(series_b)) |
| if n < 8: |
| return {"corr": 0.0, "lag": 0, "n": n} |
| lag_max = lag_max or self.max_lag |
| best = (0.0, 0) |
| for lag in range(0, min(lag_max + 1, n - 4)): |
| a, b = series_a[:n - lag], series_b[lag:n] |
| ma, mb = sum(a) / len(a), sum(b) / len(b) |
| num = sum((x - ma) * (y - mb) for x, y in zip(a, b)) |
| da = math.sqrt(sum((x - ma) ** 2 for x in a)) |
| db = math.sqrt(sum((y - mb) ** 2 for y in b)) |
| corr = num / (da * db) if da * db > 0 else 0.0 |
| if abs(corr) > abs(best[0]): |
| best = (corr, lag) |
| return {"corr": round(best[0], 4), "lag_sols": best[1], "n": n} |
|
|
| def build_mesh(self, series: Dict[str, List[float]], |
| bridges: List[Tuple[str, str, str]] | None = None) -> Dict: |
| """Malha completa: arestas (pares correlacionados) + pontes temáticas.""" |
| edges = [] |
| ids = list(series.keys()) |
| for i in range(len(ids)): |
| for j in range(i + 1, len(ids)): |
| r = self.correlate(series[ids[i]], series[ids[j]]) |
| if abs(r["corr"]) >= self.min_corr: |
| edges.append({"a": ids[i], "b": ids[j], **r, |
| "strength": "forte" if abs(r["corr"]) >= 0.6 else "moderada", |
| "sign": "positiva" if r["corr"] > 0 else "negativa"}) |
| edges.sort(key=lambda e: -abs(e["corr"])) |
| bridge_out = [] |
| for (a, b, c) in (bridges or []): |
| r_ab = self.correlate(series.get(a, []), series.get(b, [])) |
| r_bc = self.correlate(series.get(b, []), series.get(c, [])) |
| bridge_out.append({"bridge": f"{a} → {b} → {c}", |
| "corr_ab": r_ab["corr"], "corr_bc": r_bc["corr"], |
| "plausible": abs(r_ab["corr"]) >= self.min_corr |
| and abs(r_bc["corr"]) >= self.min_corr}) |
| return {"n_surfaces": len(ids), "edges": edges, "bridges": bridge_out, |
| "top_edge": edges[0] if edges else None} |
|
|
| |
| STANDARD_BRIDGES = [ |
| ("rems_climate", "greenhouse_sensors", "evolution"), |
| ("soil_geochem", "microbiome", "evolution"), |
| ("seis_seismic", "excavation", "resources"), |
| ("mola_terrain", "excavation", "resources"), |
| ("greenhouse_sensors", "microbiome", "resources"), |
| ("rems_climate", "seis_seismic", "excavation"), |
| ] |
|
|
