20
veröffentlichte Studien aktuell gelistet
8/8
Benchmarks gewonnen in der Active-Space-Validierung
7/7
IBM-Hardware-QEC-Läufe gewonnen
1.59×
BAWS-NR Speedup über 6 Domänen
Was diese Seite konkret behauptet
- Dies ist eine wissenschaftliche Discovery Engine mit bereits öffentlichen Validierungen über mehrere Problemklassen hinweg, nicht nur ein konzeptionelles Framework.
- Sie ist besonders relevant dort, wo Suchräume hart sind, Ziele implizit bleiben oder klassische Heuristiken fragil werden unter demselben Testprotokoll.
- Sie wird nicht als universell überlegen präsentiert; die Aussage ist, dass dieselbe evolutionäre Logik wiederholt nützliche Resultate in sehr unterschiedlichen Domänen liefert.
Aktuelle Flagship-Botschaft
inZOR-ND trägt heute die öffentliche wissenschaftliche Story: Active-Space-Selektion mit 8 Benchmark-Siegen, gestützt durch starke Resultate in IBM Quantum Hardware, universeller Newton-Raphson-Beschleunigung, Plasma-Disruption-Law-Discovery und Netzstabilitätsstudien.
1. Was das Projekt heute ist
inZORi ist die allgemeine evolutionäre Engine. inZOR-ND ist eine ihrer stärksten öffentlichen wissenschaftlichen Validierungen: automatische Active-Space-Selektion für CASSCF / SA-CASSCF, getestet auf Dissoziationskurven, Übergangsmetallchemie, angeregten Zuständen und großen kombinatorischen Räumen.
Darüber hinaus wurde dieselbe Engine bereits in veröffentlichten Studien genutzt für:
- Quantenchemie: Active-Space-Discovery inklusive 8/8 Benchmark-Validierung
- Quantum Hardware: hardware-native Quantum Error Correction auf IBM-Geräten
- Numerische Methoden: BAWS-NR Warm-Start-Beschleunigung in 6 unabhängigen Domänen
- Plasmaphysik: Discovery eines machine-agnostic Disruption-Proximity-Gesetzes
- Energiesysteme: Netzstabilität, N-1-Sicherheit und Kapazitätsgrenzen
2. Warum das wichtig ist
Harte Suchräume
Die stärksten öffentlichen Resultate sind keine Spielzeugbeispiele. Sie betreffen große kombinatorische Räume, Multi-Geometrie-Konsistenz, schwierige Konvergenzregime oder echte Hardware-Bedingungen.
Relevant dort, wo Heuristiken schwächer werden
Die Engine wird besonders dann interessant, wenn feste Heuristiken, manuelle Priors oder klassische Solver-Setups unter demselben Protokoll fragil werden.
Eine Engine, viele Domänen
Die öffentliche Evidenz ist nicht auf eine Nische begrenzt. Dieselbe Suchlogik erscheint in Chemie, Quantum Hardware, numerischen Methoden, Plasmaphysik und Energiesystemen.
3. Was bereits öffentlich demonstriert wurde
| Flagship-Studie | Veröffentlichte Evidenz | Warum das wichtig ist |
|---|
| inZOR-ND Active-Space-Validierung | 8/8 Benchmarks, 6 molekulare Systeme, bis zu 430 kcal/mol Vorteil, einzige Methode mit Konvergenz auf allen getesteten Systemen im verwendeten Workflow | Zeigt, dass die Engine ein schweres wissenschaftliches Selektionsproblem lösen kann, bei dem die Orbitalwahl normalerweise fragil und manuell abgestimmt ist |
| IBM hardware-native QEC | 7/7 IBM-Hardware-Läufe gewonnen, flachere Schaltungen als Steane auf Heron | Zeigt hardware-adaptierte Discovery statt bloßem Simulationserfolg |
| BAWS-NR universal | 1.59× mittlerer Speedup in 6 Domänen, 142,056 konvergente Lösungen, Konvergenz erhalten | Zeigt, dass dieselbe Engine auch nichtlineare numerische Workflows verbessern kann |
| Fusion-Disruption-Law | Cross-Machine-Gesetz aus Plasmastromdynamik, validiert auf MAST, C-Mod und HL-2A | Deutet auf interpretierbare wissenschaftliche Law-Discovery hin, nicht nur auf Black-Box-Vorhersage |
| PFΔ Netzstudien | Kritisches Resultat 99.9% vs 0% auf dem 1354-Bus-Pan-European-Benchmark | Zeigt Relevanz genau im operativ kritischen Regime, nicht nur unter einfachen Bedingungen |
4. Wie es auf Broschürenniveau funktioniert
Die öffentliche Erklärung bleibt bewusst einfach:
- Eine Domäne definiert Umgebung und Evaluator. Das Problem kann ein Molekül, eine Schaltungsfamilie, ein nichtlinearer Solver, ein Plasmaindikator oder ein Netzszenario sein.
- Eine populationsbasierte evolutionäre Suche erkundet Kandidaten. Kandidaten werden unter dem domänenspezifischen Protokoll bewertet, nicht durch eine universelle Reward-Funktion.
- Selektionsdruck behält, was tragfähig bleibt. Bessere Kandidaten überleben, rekombinieren und setzen die Exploration fort.
- Dieselbe Engine kann domänenübergreifend wiederverwendet werden. Was sich ändert, ist der Evaluator und die Problemformulierung, nicht die Kernidee der Suche.
Diese Seite bleibt absichtlich auf Broschürenniveau. Sie erklärt genug, um glaubwürdig zu sein, ohne interne Mechanik offenzulegen, die in den dedizierten Studien beschrieben ist.
5. Wo die Engine am stärksten ist
✓ Stark bei
- Kombinatorischen Discovery-Problemen, bei denen nützliche Struktur nicht im Voraus niedergeschrieben werden kann
- Impliziten oder evaluator-definierten Zielen, bei denen Erfolg besser durch Simulation, Konvergenz oder physikalische Gültigkeit gemessen wird
- Cross-Domain-Wiederverwendung derselben Engine mit unterschiedlichen Evaluatoren
- Wissenschaftlichen Problemen, bei denen feste Heuristiken degradieren genau am harten Rand des Workflows
✗ Nicht die richtige Wahl für
- Einfache One-Shot-Inferenzaufgaben, bei denen ein direkter Lookup genügt
- Probleme mit trivialem, bekanntem Optimum, bei denen evolutionäre Suche keinen Mehrwert bringt
- Ultra-Low-Latency-Szenarien, in denen keine Zeit für iterative Suche bleibt
- Behauptungen universeller Überlegenheit auf jedem Benchmark; das ist nicht die Projektbotschaft
Forschungstests & Empirische Validierung
Das Projekt listet aktuell 20 veröffentlichte Studien. Die stärkste öffentliche Evidenz liegt in Flagship-Resultaten, die die wichtigsten externen Fragen bereits beantworten: funktioniert es, auf welchen Problemtypen und wo wird es stärker als konventionelle Baselines?
Alle Forschungstests ansehen →
inZOR-ND Active Space8/8 Benchmarks · 6 molekulare Systeme · einzige Methode mit Konvergenz auf allen getesteten Systemen
IBM Hardware QEC7/7 Hardware-Läufe gewonnen · native Schaltungen auf Heron
BAWS-NR Universal1.59× Speedup · 6 Domänen · 142,056 konvergente Lösungen
Disruption-LawCross-Machine-Discovery allein aus Plasmastromdynamik
PFΔ Phase 699.9% vs 0% am kritischen Schwellenwert auf einem 1354-Bus-Netz
ENTSO-E Real LoadValidierung auf realen Lastprofilen aus Rumänien, Deutschland und Frankreich
6. Aktueller Stand
- Status: aktives Forschungsprogramm mit wachsender öffentlicher Evidenz in Quantenchemie, Quantum Hardware, numerischen Methoden, Plasmaphysik und Energiesystemen.
- Was existiert: ein einheitlicher Solver (
zor_task_solver), domänenspezifische Evaluatoren, Rohresultate, HTML-Berichte und DOI-gestützte Studien.
- Öffentliche Positionierung heute: inZOR-ND ist der stärkste wissenschaftliche Einstiegspunkt, während inZORi die breitere Engine hinter dem Cross-Domain-Programm bleibt.
- Dokumentationsmodell: Diese Seite ist der Überblick; die detaillierte Evidenz lebt in den veröffentlichten Testseiten.
„inZORi simuliert keine Evolution – es implementiert sie. Und inZOR-ND zeigt, was das bereits auf harten wissenschaftlichen Problemen leisten kann.“