MathKernel ist eine evidenzbewusste, multi-engine Mathematikumgebung und ein Model-Context-Protocol-Server (MCP), der die mathematische Arbeitsteilung zwischen LLMs und exakten Rechenkernkomponenten umkehrt. Während Sprachmodelle die logische Absicht und Strukturierung übernehmen, führt MathKernel Operationen über spezialisierte Solver aus und erfasst vollständige Ableitungsspuren sowie verifizierbare Vertrauensstufen. Das System erzwingt eine strenge Evidenzhierarchie, bei der das schwächste Nachweisglied der Berechnungskette das finale Vertrauensniveau bestimmt. Neben symbolischer und exakter Arithmetik unterstützt MathKernel adaptive FEM, Stochastik, Differenzialgeometrie sowie portable, evidenzerhaltende visuelle und akustische Artefakte.
Wichtigste Punkte
Architektur und Funktionsteilungs-Prinzip: MathKernel fungiert als typisierte Orchestrierungsschicht über Python (mathkernel) und MCP (mathkernel-mcp mit 167 math_-Werkzeugen auf FastMCP-3-Basis); LLMs verarbeiten die Absicht, während abgetrennte Domain-Adapter (SymPy, Z3, Lean 4, mpmath, SciPy) Berechnungen und Beweise durchführen.
Grenz-Evidenz-Vertrauensmodell: Ergebnisse tragen explizite Vertrauens-Labels (formal, exact, symbolic, interval_certified, numeric_high_precision, numeric, empirical/heuristic); der Gesamtwert richtet sich nach dem schwächsten Nachweisglied, und Dezimalliterale begrenzen das Vertrauen unumkehrbar auf numeric.
Breites Domänen-Spektrum: Abdeckung exakter Arithmetik, symbolischer Analysis, finiter Dynamik/PRNG-Analyse, Differenzial- und Rechengeometrie, algebraischer Topologie, stochastischer SDEs sowie partieller Differenzialgleichungen (PDEs) mit adaptiven P1-Finite-Elemente-Methoden (FEM).
Leistung und Beschleunigung: Verwendung von Numba-JIT, CuPy für CUDA-GPU-Beschleunigung mit automatischem CPU-Fallback bei fehlgeschlagenem MatMul-Laufzeitproben-Test und isolierten Prozess-Pools für langwierige Sweeps; exakte Typen (Fraction, CyclotomicNumber) verbleiben für Beweisgarantien in reinem Python.
Multimodale Artefakte: Export deterministischer, eigenständiger HTML-Dateien mit eingebettetem SVG/Three.js-Visualisierer, Audiosonifizierung (WAV/WebAudio) und SHA-256-Integritätsprüfungen ohne externe CDN-Abhängigkeiten.
Sicherheits- und Ausführungsgrenzen: Verzicht auf unsicheres sympify() zugunsten eingeschränkter Grammatiken, hart unterbrechbare Subprozesse für externe Solver und opt-in Sandboxing (MATHKERNEL_ENABLE_EXECUTION=1).
Diskussions-Highlights
Namenskollision: Hinweisführung auf den bestehenden Namenskonflikt mit Mathematica’s nativem Kernel-Executable namens MathKernel.
Lösungsansatz für LLM-Arithmetikschwächen: Betonung, dass das System das fundamentale Problem unzuverlässiger LLM-Mathematik löst, indem Berechnungen an verifizierbare externe Engines (Lean, Z3, SymPy) via MCP ("Math as a Service") ausgelagert werden.
Vergleichbare und ergänzende Projekte: Verweise auf alternative Ansätze wie Alkahest (Rust-basiertes Computer-Algebra-System mit Lean-Zertifikat-Generierung) und Woxi für performantere symbolische Mathematik abseits klassischer Python-Wrapper.
Kritik bezüglich AI-Generierung und Anwendungsfällen: Anmerkungen, dass Repository und Code Merkmale KI-generierten Inhalts aufweisen und es aktuell wie eine "Game Engine ohne Spiel" ohne konkrete Anwendungsbeispiele wirkt.
Glossar
MCP (Model Context Protocol): Ein offener Standard zur strukturierten Anbindung von Kontexten, Werkzeugen und Datenquellen an KI-Sprachmodelle.
Lean 4: Ein interaktiver Theorembeweiser und eine funktionale Programmiersprache zur formalen Verifizierung mathematischer Beweise.
Z3: Ein hochleistungsfähiger SMT-Solver (Satisfiability Modulo Theories) zur Lösung logischer und mathematischer Erfüllbarkeitsprobleme.
SymPy / mpmath: Python-Bibliotheken für symbolische Mathematik (SymPy) und beliebig genaue Intervall- und Gleitkommarithmetik (mpmath).
MathIR: Eine intern genutzte, typisierte mathematische Zwischendarstellung (Intermediate Representation) zur sicheren Übertragung von Ausdrücken.
CuPy / Numba: Bibliotheken zur Code-Beschleunigung; Numba kompiliert Python-Code per JIT via LLVM, CuPy verlagert Array-Berechnungen auf NVIDIA-GPUs mittels CUDA.
PRNG (Pseudorandom Number Generator): Pseudozufallszahlengenerator, dessen mathematische Struktur und Periodizität im Kernel exakt analysiert werden kann.
FEM (Finite-Elemente-Methode): Numerisches Verfahren zur Lösung partieller Differenzialgleichungen durch Diskretisierung des Raumes in einfache geometrische Elemente.