# ▓▒░ MICROSCOPE MEMORY v0.8.0
> **Point-in-time document.** This describes the architecture as of v0.8.0.
> The tree is now `v0.9.2-115-ge0cea99`. Nothing in here has been re-derived against it;
> CLAIMS.md at the repository root records which claims here are currently
> verified, which are historical, and which are unverified. Treat the figures
> below as belonging to v0.8.0, not to master.
## ░▒▓ Cognitív Evolúció — Teljes Rendszerarchitektúra ▓▒░
---
```
╔══════════════════════════════════════════════════════════════════════════════╗
║ ║
║ ◇ ◇ ║
║ ◇ a semmiből ◇ ║
║ ◇ teremtődik ◇ ║
║ ◇ a mindenség ◇ ║
║ ◇ ◇ ║
║ ║
║ Máté Róbert · Silent Noise Research ║
║ Rust · 2026 · MIT License ║
╚══════════════════════════════════════════════════════════════════════════════╝
```
---
## ▣ 1. LÉNYEG — Mi ez?
A Microscope Memory egy **hierarchikus kognitív memóriahierarchia**, Rust-ban implementálva,
ahol minden információ-visszakeresés egyszerre **visszakeresés ÉS tanulás**.
A hagyományos AI memória-rendszerek (FAISS, Pinecone, ChromaDB) statikus tárként kezelik az
adatot: bemegy, visszajön, semmi sem változik. A Microscope Memory biológiai elveket követ:
a memóriablokkok **aktiválással erősödnek**, a gyakran együtt hozzáfért tartalmak
**térben közelebb vándorolnak**, és az ismétlődő minták **archetípusokká kristályosodnak**.
> *„Nincs szükség jegyzetfüzetekre — csak mikroszkóp."*
> — Máté Róbert
**Kulcsszámok:**
| D0 visszakeresés | **37 ns** *(warm L1 cache, 1 blokk)* / ~99 µs *(measured, cold cache)* |
| Teljes recall (D0–D8) | **< 500 µs** |
| Bináris formátum | **nulla JSON** |
| Rust sorok (core) | **< 8 000** |
| Kognitív rétegek | **13** |
| Mélységi szintek | **9 (D0–D8)** |
---
## ▣ 2. BINÁRIS FORMÁTUM — Három fájl, nincs overhead
```
┌──────────────────────────────────────────────────────────────────────────────┐
│ MICROSCOPE.BIN ── 32 B/blokk │
│ ┌────────┬────────┬────────┬────────┬────────┬────────┬────────┬────────┐ │
│ │ x │ y │ z │ zoom │ depth │layer_id│data_off│data_len│ │
│ │ f32 │ f32 │ f32 │ f32 │ u8 │ u8 │ u32 │ u16 │ │
│ └────────┴────────┴────────┴────────┴────────┴────────┴────────┴────────┘ │
│ ├── 16 B (x,y,z,zoom) ──► SSE regiszterekbe közvetlenül, SIMD távolság │
│ ├── 8 B (depth,layer,offset,len) │
│ └── 8 B (parent_idx, child_count, crc16) │
├──────────────────────────────────────────────────────────────────────────────┤
│ DATA.BIN ── 256 B/blokk │
│ └── Raw UTF-8 szöveg, headerből offset+length alapján közvetlenül érve │
├──────────────────────────────────────────────────────────────────────────────┤
│ META.BIN ── MSC3 formátum │
│ magic · version · block_count · depth_ranges · Merkle_root · layers_hash │
├──────────────────────────────────────────────────────────────────────────────┤
│ Kiegészítő bináris fájlok │
│ │
│ activations.bin HEB1 Hebbian aktivációs rekordok │
│ coactivations.bin COA1 Blokk-pár együttaktiválódások │
│ resonance.bin RES1 Mirror neuron echók │
│ pulses.bin PLS1 Térbeli rezonancia-pulzusok │
│ archetypes.bin ARC1 Kristályosodott archetípusok │
│ thought_graph.bin THG1 Gondolat-graf csomópontok │
│ thought_patterns.bin PTN1 Gondolat-minták │
│ predictive_cache.bin PRC1 Prediktív cache │
│ temporal_archetypes TAR1 56 B/rekord, 6 idősáv │
│ attention.bin ATT1 Dinamikus réteg súlyozás │
│ dream_log.bin DRM1 Offline konszolidációs ciklusok │
│ emotional_field.bin EMO1 Érzelmi kontágium快照 │
│ modalities.bin MOD1 Képek, audió, struktúrált adatok │
│ merkle.bin SHA-256 fa, integritás ellenőrzés │
│ embeddings.bin mmap'd vektorok │
│ append.bin Hot-memory append log │
└──────────────────────────────────────────────────────────────────────────────┘
```
### Fájl-inventár
```
microscope-memory/
├── microscope.bin # Block headerek (mmap'd, 32B × N)
├── data.bin # 256B viewport content
├── meta.bin # MSC3 header
├── merkle.bin # SHA-256 fa
├── embeddings.bin # Vektor index
├── activations.bin HEB2 (sparse)
├── activations_delta.bin AEM2, aktivációs delta-napló
├── coactivations.bin COA1
├── resonance.bin RES1
├── pulses.bin PLS1
├── archetypes.bin ARC1
├── thought_graph.bin THG1
├── thought_patterns.bin PTN1
├── predictive_cache.bin PRC1
├── temporal_archetypes.bin TAR1
├── attention.bin ATT1
├── dream_log.bin DRM1
├── emotional_field.bin EMO1
├── modalities.bin MOD1
├── append_embeddings.bin # AEM1, vektorok az append log bejegyzéseihez
└── append.bin # Append-only log
```
---
## ▣ 3. MÉLYSÉGI HIERARCHIA — D0–D8
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ D0 ┌─────────────────────────────────────────────────────┐ │
│ ID │ Identity — Rendszer-szintű identitás (1 blokk) │ │
│ │ Ki vagyok? Mi a célom? Alapvető értékek. │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ 37 ns (±1 blokk) │
│ D1 ┌─────────────────────────────────────────────────────┐ │
│ LYR │ Layer Summaries — 9 réteg áttekintése │ │
│ │ D0 gyerekek, egy-egy per kognitív réteg │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~200 ns │
│ D2 ┌─────────────────────────────────────────────────────┐ │
│ CLT │ Clusters — 5-ös csoportok │ │
│ │ Kapcsolódó emlékek klaszterei │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~1 µs │
│ D3 ┌─────────────────────────────────────────────────────┐ │
│ ITM │ Items — Egyedi emlékbejegyzések │ │
│ │ Episodic, fact, skill, preference │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~5 µs │
│ D4 ┌─────────────────────────────────────────────────────┐ │
│ SEN │ Sentences — Mondat szintű darabok │ │
│ │ Különálló gondolati egységek │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~20 µs │
│ D5 ┌─────────────────────────────────────────────────────┐ │
│ TOK │ Tokens — Szó szint (max 8 szülőnként) │ │
│ │ max 8 gyerek per szülő, 3–8 karakter │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~100 µs │
│ D6 ┌─────────────────────────────────────────────────────┐ │
│ SYL │ Syllables — Morfémák (3–5 karakter) │ │
│ │ Nyelvi alegységek │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~200 µs │
│ D7 ┌─────────────────────────────────────────────────────┐ │
│ CHR │ Characters — Egyedi karakterek │ │
│ │ Karakter szintű dekompozíció │ │
│ └─────────────────────────────────────────────────────┘ │
│ ▲ ~400 µs │
│ D8 ┌─────────────────────────────────────────────────────┐ │
│ RAW │ Raw Bytes — Hexadecimális bájt-reprezentáció │ │
│ │ Az információ atomi határa — alatta már értelmetlen │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────┘
```
### Rétegek (kognitív, nem mélységi) — 12 réteg, layers/ mappa
```
LAYER_NAMES (lib.rs:144) = [
"identity", # 0 — D0, rendszer identitás
"long_term", # 1 — Kernel tudás, legfontosabb emlékek
"short_term", # 2 — Aktuális kontextus,Working memory
"associative", # 3 — Szabad asszociációk, mycelium-linkek
"emotional", # 4 — Érzelmi állapotok, valence, energia
"relational", # 5 — Kapcsolatok, relációk, графи
"reflections", # 6 — Meta-kogníció, önreflexió
"crypto_chain", # 7 — Integritás, verziózás, hash-lánc
"echo_cache", # 8 — Gyors válaszok, visszhangok, cached outputs
"rust_state", # 9 — Rust runtime state, crate-ek, build info
"code", # 10 — KÓDOLÓ AGENSEKNEK: functions, symbols,
# error-solution pairs, project dependencies
"session", # 11 — Session-lánc, kontextus folytonosság
]
```
### Layers/ mappa — 14 fájl
```
layers/
├── identity.txt (22 B) — D0, rendszer identitás
├── long_term.txt (4.5 KB) — Kernel tudás, legfontosabb emlékek
├── short_term.txt (224 B) — Working memory, aktuális kontextus
├── associative.txt (3.4 KB) — Szabad asszociációk
├── emotional.txt (23 B) — Érzelmi állapotok
├── relational.txt (27 B) — Kapcsolatok, relációk
├── reflections.txt (35 B) — Meta-kogníció
├── crypto_chain.txt (38 B) — Hash-lánc, integritás
├── echo_cache.txt (1.8 KB) — Gyors válaszok, cached outputs
├── rust_state.txt (23 B) — Rust runtime állapot
├── code.txt (106 B) — KÓDOLÓ AGENS MEMÓRIA:
│ functions · symbols
│ error-solution pairs
│ project dependencies
├── session.txt (5.5 KB) — Session-lánc, kontextus folytonosság
├── meta_cognitive.txt(2.6 KB) — Meta-kognitív stratégiák
└── demo.txt (503 B) — Demo, példák
```
---
## ▣ 4. TÉRKÉPÉSZETI MEMÓRIAMODELL — 3D koordináták
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ y │
│ ▲ │
│ │ ■ relational │
│ │ ■ ■ emotional │
│ │■ ■ ■ associative │
│ │■ ■ ■ ■ short_term │
│ ──────┼────────────────────────────────► x │
│ ■│ ■ ■ long_term │
│ ■ │ ■ identity │
│ ■ │ │
│ ■ │ │
│ ■ │ │
│ z│ │
│ │
│ Minden tartalom FNV hash → 3D koordináta │
│ Azonos tartalom = azonos koordináta (determinisztikus) │
│ 在同一 réteg = térben közel, de nem átfedő │
└─────────────────────────────────────────────────────────────────┘
```
### Koordináta-képlet
```
(x, y, z) = (layer_offset + hash * 0.25)
```
- **Azonos tartalom** → mindig ugyanaz a koordináta
- **同一 réteg tartalma** → térben klasztereződik
- **Különböző rétegek** → nem átfedő térrészek
- **Gyerek blokkok** → szülő koordinátáit öröklik, kis perturbációval
---
## ▣ 5. A 13 KOFIGURÁCIÓS RÉTEG — Teljes lebontás
### L1 — Hebbian tanulás ▓▓▓▓▓▓░░░░░ `hebbian.rs` (675 sor)
```
"Azon neuronák, amelyek együtt tüzelnek, együtt huzalozódnak."
Rekord/Bloc:
• activation_count — hányszor aktiválódott
• last_activation_time — mikor
• energy — 0.0–1.0, 24h felezési idő
• drift (dx, dy, dz) — koordináta eltolás
RECALL AKCIÓ:
1. számláló ++, energy → 1.0
2. összes eredmény-blokk páros → co-activation rekord
3. 8D activation fingerprint tárolása
KOORDINÁTA DRIFT:
Gyakran együtt aktiválódó blokkok 0.01 lépésenként közelebb vándorolnak
(max 0.1). Rebuild alatt ez beíródik a headerbe → fizikai migráció.
Eredmény: organikus memóriaklaszterek.
```
### L2 — Mirror neuronok ▓▓▓▓▓░░░░░░ `mirror.rs`
```
Activation fingerprint: 8D vektor (L1-ből)
fingerprint_A · fingerprint_B
───────────────────────────────── > threshold → echo létrehozása
Minden blokk `block_resonance` értéket kap:
Összes kapott echo erejének összege
Echók idővel csillapodnak → csak az aktívan rezonálók maradnak erősek.
```
### L3 — Rezonancia mezők ▓▓▓▓░░░░░░░ `resonance.rs` (845 sor)
```
Kvantált tér: 0.05 rácspont felbontás
Minden Hebbian aktiváció EMIT egy pulzust:
(x, y, z, layer, strength, source_id)
Pulzus típusok:
LOCAL — saját recall-ból
FEDERATED— másik indexből (PXC1 wire format)
INTEGRATED— local + remote pulzusok összege
Eredmény: átmeneti "hot spot"-ok ott, ahol ismételt aktivációk vannak.
Térben csillapodik az idővel → csak ismétlés tartja életben.
```
### L4 — Archetípusok ▓▓▓░░░░░░░░ `archetype.rs`
```
Hot spot → kristályosodás
DETEKCIÓS ALGORITMUS:
1. Rezonancia mezőben strength > threshold cellák
2. Közeli Hebbian-active blokkok klaszterezése
3. Ha elég tag + erősség → archetípus születik
4. Auto-label: leggyakoribb szavak a tagokból
Archetípus → erősíti önmagát (pozitív visszacsatolás)
Archetípus → faded ha nem erősítik
```
### L5 — Érzelmi torzítás ▓▓▓░░░░░░░░ `emotional.rs` (205 sor)
```
Emocionális centroid: energia-súlyozott átlag a 3D térben
KERESÉS ELŐTT:
warped = query + (centroid - query) × weight
weight: 0.0 (ki) – 1.0 (teljes eltolás)
Aktív érzelmek → közelebb húzzák a keresést
Aktív szomorúság → más irányba → megváltozik a "elérhető" emlékek köre
```
### L6 — Gondolat-gráf ▓▓▓▓▓░░░░░░ `thought_graph.rs` (980 sor)
```
RECALL = csomópont (timestamp, query_hash, session_id, layer)
KONZECUTÍV RECALL (<30 min) = irányított él
PATTERN KRISTÁLYOSODÁS (sliding window n-gram, hossz 2–5):
• Minden konzecutív él ≥2× átlépve
• A szekvencia ≥3× megfigyelve
→ ThoughtPattern keletkezik → boost a jövőbeli kereséseknek
PÉLDA: "Ora" → "memory" → ("Rust" valószínű) → előre pozicionálás
```
### L7 — Prediktív cache ▓▓▓▓░░░░░░░ `predictive_cache.rs` (692 sor)
```
REINFORCEMENT LOOP:
Good pattern → Accurate prediction → Hit → Pattern strengthened
Bad pattern → Wrong prediction → Miss → Pattern weakened
HIT: ≥50% overlap VAGY ≥3 közös blokk → +0.3 erő
MISS: 0 overlap → -0.05, confidence ÷ 2
Csak megbízható minták maradnak életben.
```
### L8 — Temporális archetípusok ▓▓▓░░░░░░░░ `temporal_archetype.rs`
```
6 idősáv: 00–04 · 04–08 · 08–12 · 12–16 · 16–20 · 20–24
TemporalProfile/rekord (56B):
• 6 window_counts — aktivációk száma sávonként
• 6 window_weights — normalizált sűrűség
• total_activations — életre szóló összes
CIRCADIAN MINTÁK:
Domináns sáv (legmagasabb súly, ≥5 összes aktiváció):
Ha a keresés ideje = domináns sáv → boost = 1.0
Különben → arányosan csökken
```
### L9 — Figyelem mechanizmus ▓▓▓▓▓░░░░░░ `attention.rs`
```
INPUT SZIGNÁLOK (querynként számolva):
query_length — 0.0–1.0 (query komplexitás)
emotional_energy — 0.0–1.0 (emocionális blokkok össz energiája)
session_depth — recall_count / 50 (capped)
pattern_confidence — 0.0–1.0 (legjobb ThoughtGraph match)
cache_hit_rate — 0.0–1.0 (PredictedCache HR)
archetype_match_score — 0.0–1.0 (legjobb archetípus match)
SÚLYOZÁS:
80% fix szabályok + 20% tanult súlyok (EMA, rate=0.05)
Clamped: [0.1, 3.0]
MINŐSÉG KÖVETKEZTETÉS (inter-recall idő alapján):
>60s → quality = 1.0 (meg volt elégedve)
<5s → quality = 0.2 (nem találta, újra kereste)
5–60s → lineáris interpoláció
```
### L10 — Kereszttanulás (föderáció) ▓▓▓░░░░░░░░ `federation.rs`
```
Küldés:
• Lokális ThoughtPattern-ek exportja
• PredictedCache statisztikák összegyűjtése
Fogadás:
Trust = source_hit_rate × federation_weight
Alacsony trust → csökkentett erősség (nem szennyez)
Összesítés: predictions, hits, misses — kétirányú merge
```
### L11 — DREAM konszolidáció ▓▓▓▓░░░░░░░ `dream.rs`
```
OFFLINE CIKLUS (microscope-mem dream):
1. REPLAY — Utolsó 24h Hebbian ujjlenyomatok
Minden blokk 0.3 energia (nem 1.0)
2. STRENGTHEN — Co-activation párok
≥3 ujjlenyomatban megjelenő → ×1.5
3. PRUNE PAIRS — count ≤1 AND >48h régi → TÖRLÉS
4. PRUNE ACTIVATIONS — ~0 energy + 0 count → TÖRLÉS
5. PATTERN KONSZOLIDÁCIÓ — új ThoughtPattern-ek
az új replay adatokból
6. FIELD DECAY — 0.8× a rezonancia mezőn, lejárt pulzusok törlése
7. CACHE CLEANUP — confidence < 0.1 → TÖRLÉS
```
### L12 — Érzelmi kontágium ▓▓▓░░░░░░░░ `emotional_contagion.rs` (678 sor)
```
EmotionalSnapshot:
centroid — energia-súlyozott 3D átlag
total_energy — összes aktív blokk energiája
active_count — aktív blokkok száma
valence — –1.0 ... +1.0 (sentiment analízis, HU+EN)
MECHANIKA:
Lokális snapshot + távoli snapshot-ok (idővel fading)
Blended centroid = súlyozott átlag
Lokális súly: 0.7 (configolható)
Távoli snapshot-ok: lineáris fading 1.0→0.1, 48h alatt
```
### L13 — Multi-modális memória ▓▓▓░░░░░░░░ `multimodal.rs` (793 sor)
```
MODALITIES.BIN (MOD1) — sidecar index:
IMAGE:
width, height, perceptual_hash (dHash, 8B)
quantized_color_histogram (12B)
AUDIO:
duration, sample_rate
spectral_fingerprint (16 freq. band)
peak_frequency, BPM_estimate
STRUCTURED:
Typed KV-párok (string, int, float, bool)
KERESÉS MÓDUSA:
Image similarity → Hamming distance a phash-en
Audio similarity → normalized dot product (spectral fingerprint)
Structured → exact field + value match
```
---
## ▣ 6. KOGNITÍV ENHANCEMENTEK — Extended modulok
A core 12 réteg mellett további kognitív modulok:
```
┌──────────────────────────────────────────────────────────────────┐
│ │
│ Mental Sandbox mental_sandbox.rs (109 sor) │
│ Impulse Control impulse_control.rs (157 sor) │
│ Meta-Supervision meta_supervision.rs (231 sor) │
│ Implicit Memory implicit_memory.rs (321 sor) │
│ Explicit Memory explicit_memory.rs (326 sor) │
│ Hippocampus hippocampus.rs (365 sor) │
│ Neuroplasticity neuroplasticity.rs (345 sor) │
│ Structural Plasticity structural_plasticity.rs (309 sor) │
│ Functional Plasticity functional_plasticity.rs (356 sor) │
│ Daydream daydream.rs (210 sor) │
│ Autopoiesis autopoiesis.rs (232 sor) │
│ Planning planning.rs │
│ Morphogenesis morphogenesis.rs (3967 sor) │
│ Pattern Recognition pattern_recognition.rs (1014 sor) │
│ │
└──────────────────────────────────────────────────────────────────┘
```
### Újabb modulok funkciói
| `mental_sandbox.rs` | 109 | Szcenáriók szimulálása cselekvés előtt, risk/reward |
| `impulse_control.rs` | 157 | Impulzusok szűrése, figyelem-költségvetés |
| `meta_supervision.rs` | 231 | Teljesítmény monitoring + automatikus korrekció |
| `implicit_memory.rs` | 321 | Procedurális tanulás, szokások, kondicionálás |
| `explicit_memory.rs` | 326 | Deklaratív tudás, tények, események, koncepciók |
| `hippocampus.rs` | 365 | Epizódikus binding, konszolidáció, replay |
| `neuroplasticity.rs` | 345 | Szinaptikus erősítés/gyengítés, pathway rewiring |
| `structural_plasticity.rs` | 309 | Dendritikus növekedés, szinaptikus metszés |
| `functional_plasticity.rs` | 356 | Funkcionális adaptáció, neurogenézis |
| `daydream.rs` | 210 | Álmodozás, nyílt asszociáció |
| `autopoiesis.rs` | 232 | Önmódosító kódrendszer |
| `morphogenesis.rs` | 3967 | Biológiai mintázat-inspirált architektúra-generátor |
| `pattern_recognition.rs` | 1014 | Szekvencia, temporális, strukturális, cluster minták |
### Morphogenesis — részletes funkciók
A `morphogenesis.rs` modul (2200 sor) a könyvtár része és `lib.rs`-en
deklarálva van, és a `morph` alparancs ismét elérhető:
```bash
# Mycelium — gombahálózat növekedés (P2P topológia)
microscope-mem morph --grow "api" --pattern mycelium
# Capillary — fraktál elágazás (hierarchikus cache)
microscope-mem morph --grow "cache" --pattern capillary
# Slime Mold — Physarum-inspired útvonal-keresés
microscope-mem morph --evolve 10 --objective latency
# Fractal L-System — önhasonló struktúra
microscope-mem morph --grow "network" --pattern fractal_lsystem
# Genetic Algorithm over growth parameters
microscope-mem morph --daemon --interval 5 --threshold 0.5
```
---
## ▣ 7. A TELJES RECALL PIPELINE — 19 lépés
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ KÉRDÉS érkezik │
│ │ │
│ ▼ │
│ ┌───────────────────────────────┐ │
│ │ 1. Load consciousness state │ L1–L13 állapotok betöltése │
│ │ 2. Attention weights (L9) │ Query signals → súlyok │
│ │ 3. Quality inference (L9) │ Inter-recall gap → rating │
│ └───────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌───────────────────────────────┐ │
│ │ 4. Query coordinates │ Content hash + spatial │
│ │ 5. Predictive cache check(L7) │ INSTANT boost if hit │
│ │ 6. Emotional warp (L5) │ Centroid pull, scaled │
│ │ 7. Spatial search │ L2 distance + keyword │
│ │ 8. ThoughtGraph boost (L6) │ Pattern prefix match │
│ │ 9. Sort & display results │ │
│ └───────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌───────────────────────────────┐ │
│ │ 10. Hebbian activation (L1) │ Count++, energy→1.0 │
│ │ 11. Mirror resonance (L2) │ Fingerprint similarity │
│ │ 12. Emit pulse (L3) │ Resonance field update │
│ │ 13. Archetype reinforce (L4) │ Hot spot strengthening │
│ │ 14. Temporal profile (L8) │ Time window increment │
│ │ 15. ThoughtGraph record (L6) │ Node + edges │
│ │ 16. Prediction eval (L7) │ Hit / Miss / Partial │
│ │ 17. Predict next (L7) │ Pre-fetch likely blocks │
│ │ 18. Attention history (L9) │ Quality → weight learning │
│ │ 19. SAVE ALL STATE │ Bináris fájlok írása │
│ └───────────────────────────────┘ │
│ │ │
│ ▼ │
│ EREDMÉNY vissza │
│ │
└─────────────────────────────────────────────────────────────────┘
```
---
## ▣ 8. TECHNIKAI SPECIFIKÁCIÓ
### API — Spine Bridge v1
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ GET /v1/status Engine health & stats │
│ GET /v1/recall?q=...&k=10 Spatial recall (k=top-K) │
│ POST /v1/remember Új memória tárolása │
│ POST /v1/mobile/chat User-scoped mobile chat │
│ │
│ Port: 6060 (bridge) · 8080 (PWA chat) │
│ Transport: JSON-RPC 2.0 stdio / HTTP │
│ │
└─────────────────────────────────────────────────────────────────┘
```
### CLI parancsok
```
microscope-mem serve --port 8080 # PWA chat indítása
microscope-mem bridge --port 6060 # Bridge API indítása
microscope-mem recall "query" --k 10 # Visszakeresés
microscope-mem store "text" # Új memória
microscope-mem dream # Offline konszolidáció
microscope-mem morph --grow "api" # Architektúra növesztés
microscope-mem pattern-exchange # Föderációs csere
microscope-mem import-chat-gpt # ChatGPT import
```
### Feature flag-ek
```
default = []
wasm = ["wasm-bindgen", "web-sys"]
python = ["pyo3"]
gpu = ["wgpu", "bytemuck", "pollster"]
embeddings = ["candle-core", "candle-nn"]
compression = ["zstd"]
```
### Build
```bash
cargo build --release
cargo build --release --features embeddings
cargo build --release --features gpu
```
---
## ▣ 9. BENCHMARK — Miért más?
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ System Query Type Latency Index │
│ ───────────────────────────────────────────────────────────── │
│ Microscope Memory Exact spatial recall 87 µs 722 KB │
│ FAISS (flat IP) Approximate k-NN ~1–5 ms ~50 MB │
│ Pinecone Approximate vector ~5–20 ms hosted │
│ ChromaDB Approximate vector ~5–50 ms ~100 MB │
│ │
│ ┌──────────────────────────────────────────────────────────┐ │
│ │ │ │
│ │ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ Microscope (87µs) │ │
│ │ │ │
│ │ ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓ FAISS (~2ms) │ │
│ │ │ │
│ └──────────────────────────────────────────────────────────┘ │
│ │
│ Trade-off: NEM approximate vector search │
│ → determinisztikus, zero-error recall │
│ → sub-µs shallow depths (D0: 37ns) │
│ │
└─────────────────────────────────────────────────────────────────┘
```
Microscope **nem** vector search. Hierarchikus térbeli indexelést használ
(D0–D8), ami determinisztikus, nem approximált. A tradeoff: nem rugalmas
szemantikus hasonlóság — de cserébe garantált pontosság és sebesség.
---
## ▣ 10. VISUALIZÁCIÓ — Három.js viewer
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ viewer.html — Interaktív 3D kognitív térkép │
│ │
│ • 3D scatter plot: minden blokk a 3D térben │
│ • Szín: réteg szerinti színezés │
│ • Méret: activation energy │
│ • Rezonancia mező: heatmap overlay │
│ • Archetípus glow: kristályosodó minták │
│ • Animáció: időbeli drift可视化 │
│ │
│ Használat: │
│ 1. microscope-mem serve --port 8080 │
│ 2. Browser: http://localhost:8080/viewer.html │
│ 3. OK gomb → 3D kognitív térkép betöltése │
│ │
└─────────────────────────────────────────────────────────────────┘
```
---
## ▣ 11. KÉRDÉSEK ÉS VÁLASZOK
**Q: Mi a különbség a Microscope Memory és egy vektor adatbázis között?**
A: A Microscope **determinisztikus** — ugyanaz a query mindig ugyanazt az
eredményt adja, nincs random seed vagy approximáció. Minden recall
**módosítja** a memóriát (learning loop). Egy vektor DB csak olvas.
**Q: 37 nanoszekundum D0-n — hogyan?**
A: Single mmap'd blokk, nincs parsolás, nincs hash table lookup.
Az x,y,z,zoom 16 byte közvetlenül betöltődik SSE registerbe.
Az egész query: egyetlen `movaps` + `sqrtps` + `minps`.
**Q: Mi történik a dream konszolidáció alatt?**
A: Offline ciklus: replay (24h aktivációk 0.3 energiával),
strengthen (gyakori co-activation párok ×1.5),
prune (halott kapcsolatok törlése),
field decay (0.8×). CPU: minimális, I/O: append bináris log.
**Q: Hány sor Rust a projekt?**
A: Core engine: ~8 000 sor. Teljes workspace: 39 760 sor (src/*.rs).
---
## ▣ 12. MODUL-TELEJSÍTményÉRTÉK-TÁBLÁZAT
```
┌─────────────────────────────────────────┬────────┬────────────────────────────────┐
│ Modul │ Sor │ Funkció │
├─────────────────────────────────────────┼────────┼────────────────────────────────┤
│ morphogenesis │ 3 967 │ Bio-pattern arch. generator │
│ main.rs │ 4 394 │ CLI + server entry │
│ reader.rs │ 1 134 │ mmap binary reader │
│ bridge.rs │ 1 129 │ HTTP/WebSocket API │
│ mcp.rs │ 1 118 │ MCP server (33 tools) │
│ pattern_recognition.rs │ 1 014 │ Multi-domain pattern detection │
│ thought_graph.rs │ 980 │ Recall path tracking │
│ resonance.rs │ 845 │ Spatial pulse propagation │
│ build.rs │ 815 │ Index construction │
│ vagus.rs │ 794 │ Neural pathway regulation │
│ multimodal.rs │ 793 │ Image/audio/structured data │
│ architecture_generator.rs │ 769 │ Arch pattern synthesis │
│ cli.rs │ 759 │ Command-line interface │
│ knowledge_base.rs │ 712 │ Structured knowledge store │
│ heuristic_decision.rs │ 712 │ Fast decision heuristics │
│ predictive_cache.rs │ 692 │ Predictive pre-fetch │
│ emotional_contagion.rs │ 678 │ Cross-instance emotion │
│ hebbian.rs │ 675 │ Co-activation learning │
│ architecture_simulator.rs │ 650 │ Architecture simulation │
│ neuroplasticity.rs │ 345 │ Synaptic weight adaptation │
│ structural_plasticity.rs │ 309 │ Physical network reorganiz. │
│ explicit_memory.rs │ 326 │ Declarative memory │
│ implicit_memory.rs │ 321 │ Procedural memory │
│ hippocampus.rs │ 365 │ Episodic binding/consolid. │
│ functional_plasticity.rs │ 356 │ Functional adaptation │
│ temporal_archetype.rs │ 238 │ Circadian pattern learning │
│ embedding_index.rs │ 238 │ Vector index (opt.) │
│ autopoiesis.rs │ 232 │ Self-modifying code │
│ meta_supervision.rs │ 231 │ Performance monitoring │
│ executive.rs │ 216 │ Cognitive orchestration │
│ emotional.rs │ 205 │ Emotional bias in search │
│ daydream.rs │ 210 │ Open association mode │
│ viz.rs │ 148 │ 3D viewer │
│ impulse_control.rs │ 157 │ Impulse filtering │
│ mental_sandbox.rs │ 109 │ Pre-action simulation │
│ sequential_thinking.rs │ 121 │ Chain-of-thought reasoning │
├─────────────────────────────────────────┼────────┼────────────────────────────────┤
│ ÖSSZESEN │ 39 760 │ 90 fájl │
└─────────────────────────────────────────┴────────┴────────────────────────────────┘
```
---
```
╔══════════════════════════════════════════════════════════════════════════════╗
║ ║
║ ◇ ◇ ║
║ ◇ a semmiből ◇ ║
║ ◇ teremtődik ◇ ║
║ ◇ a mindenség ◇ ║
║ ◇ ◇ ║
║ ║
║ Microscope Memory v0.8.0 · Rust · MIT · 2026 ║
║ Designed by Máté Róbert · The Silent Noise Research Series ║
║ ║
╚══════════════════════════════════════════════════════════════════════════════╝
```