Научные вычисления / R&D

Из математической теории в проверяемую библиотеку за 9 месяцев

Библиотека компенсированных вычислений: потеря точности видна и проверяема, алгебра модели доказана на Lean 4, каждое численное утверждение подкреплено бенчмарком.

Статус
Исследовательский проект
Срок
9 месяцев
Стек
  • Python
  • NumPy
  • PyTorch
  • Pydantic
  • Lean 4 + Mathlib
  • GitHub Actions

Задача

Арифметика с плавающей точкой молча теряет информацию. Сумма [1e16, 1, −1e16] даёт 0, значимые разности схлопываются в ложные нули, а деление на ноль бросает исключение вместо того, чтобы стать частью модели данных. В финансовых и научных расчётах исправления размазаны по частным заплаткам. Мы поставили задачу сделать арифметику, где потеря точности и особые случаи явны, структурированы и проверяемы, а заявленные свойства доказаны и измерены.

Что сделали

Результат

1,0 вместо 0,0
сохранён остаток суммы [1e16, 1, −1e16], который float теряет; воспроизводимый бенчмарк генерируется скриптом из репозитория
6 из 6
сценариев опубликованного бенчмарка, где точное ядро скалярного произведения совпало с точным эталоном; numpy.dot совпал в 0 из 6. Ядро на C на PyPI пока не выпущено, а сценарий, где слагаемые взаимно уничтожаются, построен специально
0 пропусков
в доказательствах алгебры модели на Lean 4 + Mathlib (0 sorry), используются только три стандартные аксиомы; поведение float64 не формализовано
9 месяцев
от первого коммита до первого стабильного релиза на PyPI, по истории тегов и коммитов репозитория (актуальная версия 1.1.0)

Услуги

Другие кейсы

Производство · Стройматериалы

MVP в эксплуатации

Спецификация сэндвич-панелей из чертежа за секунды вместо часов

Приложение читает DWG/DXF-раскладку и собирает спецификацию в Excel: 10–⁠30 секунд вместо 2–⁠15 часов вручную. 784 панели объекта сошлись с ручной спецификацией построчно.

784/784 и 189/189
панелей на одном объекте и стеновых панелей на втором совпали с ручной спецификацией построчно, с типоразмерами; расхождение площади 0,001 м²
2–15 ч → 10–30 с
подготовка спецификации объекта: вручную против обработки приложением, по замерам на реальных проектах

Недвижимость · PropTech-маркетплейс

MVP в эксплуатации

Маркетплейс земельных участков с планом освоения: MVP за 2 месяца

Из прототипа-картинки сделали платформу «участок → список работ → подрядчик → заявка»: движок рекомендаций на правилах, три кабинета, 152-ФЗ. MVP за 2 месяца.

2 месяца
от утверждённого ТЗ до предрелизного MVP на HTTPS-стенде: 9-я неделя при собственной оценке плана 10–13 недель
7 дней
от ТЗ до первой полной реализации платформы: 168 файлов, 21,5 тыс. строк; дальше два месяца доводки до предрелиза

Маркетплейсы · Ценообразование

Пилот

Репрайсинг по правилам: пилот, где условия договора проверяет код

Сервис следит за ценами конкурентов и по правилам считает цену в согласованном коридоре. Применяется она только после подтверждения. Пилот: 10 SKU, настройка до 14 дней.

10 SKU · 2 сценария
объём пилота; лимит SKU и оба сценария заданы в коде и проверяются контрактными тестами, превысить лимит нельзя
до 14 дней
срок настройки по договору от получения входных данных до запуска, затем месяц пилота; даты считает сервис и по окончании закрывает доступ

Посчитать окупаемость похожего процесса

В калькуляторе AVA можно посчитать экономику своего процесса на своих цифрах, без формы и без нашей цены. Он покажет, во что обходится ручная работа, какой денежный эффект даст автоматизация и какой бюджет на неё вернётся. Если эффект не покрывает даже эксплуатацию, калькулятор так и скажет.

Посчитать окупаемость

Разобрать похожую задачу

Опишите процесс и данные, которые у вас есть. До начала работ скажем, что из этого можно посчитать в деньгах, что нельзя и стоит ли браться.

В ответе напишем, что поняли, что нужно уточнить и стоит ли браться.

или напишите напрямую: hello@xteam.pro

Новые разборы в Telegram