chartxpert.ai — engineering core v1.0
ChartXpert AI نواة عرض وتحليل تعمل بالكامل داخل المتصفح: تخزين عمودي في ذاكرة مشتركة، هرم تفاصيل تكيفي لا يفقد القمم والقيعان، استنتاج عصبي بلا أي رحلة إلى الخادم، ودعم أصلي متكافئ للعربية والإنجليزية دون إعادة بناء أي مخزن.
patentable innovations
القرار المعماري الحاكم: البيانات لا تُنسخ، بل تُسجَّل مرة واحدة في ذاكرة خطية مشتركة، ثم تُشير إليها كل الطبقات بمُعامِلات.
WebGL Frame Core · WebGPU-ready / WASM
كل شمعة وذيل وشريط حجم يصبح مستطيلاً واحداً في دفعة instanced واحدة، فيستقبل كرت الرسوميات نداء رسم واحداً فقط لكل إطار مهما بلغ عدد الشموع الظاهرة. المسار الحالي WebGL2 بمسار احتياطي على Canvas، والواجهة نفسها تنتقل إلى WebGPU وحسابات Rust/WASM دون تغيير في الطبقات الأعلى.
1,000,000+
نقاط بيانات
120 FPS
معدل الإطارات
< 60 MB
ذاكرة السلسلة
Adaptive LOD System
هرم مستويات تفصيل تحفظ كل عقدة فيه فهرس الشمعة صاحبة القمة وصاحبة القاع، فلا تُفقد القيم القصوى والدنيا عند التصغير، ويبقى ترتيبها الزمني صحيحاً داخل البكسل الواحد.
O(log N)
تحديث تزايدي
صفر
فقدان القمم
compute shader
إعادة البناء
In-Engine Neural Layer
استنتاج على شريحة المستخدم عبر WebNN / ONNX Runtime، يقرأ الذاكرة المشتركة نفسها التي يرسم منها المحرك، ويكتب نتائجه في مخزن تعليقات مزدوج ذري — فصل تام بين زمن التحليل وزمن العرض.
0
رحلات للخادم
≤ 40 ms
زمن الاستنتاج
لا يوجد
أثر على FPS
Zero-Copy Streaming
ترميز ثنائي ثابت الطول عبر WebTransport، يُفكّ داخل عامل منفصل مباشرةً إلى أعمدة في ذاكرة مشتركة، ثم يُرفع إلى ذاكرة الرسوميات كنطاقات متغيرة فقط، مع دمج التِكات داخل الشمعة.
< 5 µs
فك الترميز
< 150 µs
رفع إلى GPU
ثابت
استهلاك الذاكرة
high-level architecture
ست طبقات: النقل، نواة البيانات، الطبقة العصبية، محرك العرض، نواة التنسيق، ثم الواجهة البرمجية المفتوحة.
┌──────────────────────────────────────────────────────────────────────────┐
│ L6 — ChartXpert SDK / Public API (TypeScript, main thread) │
│ Chart · Series · Indicator DSL · Tools · LocaleDirector │
└───────────────▲───────────────────────────────────┬──────────────────────┘
│ commands │ typed event bus
┌───────────────┴───────────────────────────────────▼──────────────────────┐
│ L5 — Orchestration Kernel (< 1 ms per frame) │
│ Viewport State · Input Router · RTL/LTR Director · Frame Scheduler │
└───────┬───────────────────┬───────────────────────────┬──────────────────┘
│ atomics │ atomics │ GPU queue
┌───────▼─────────┐ ┌───────▼───────────────┐ ┌─────────▼────────────────┐
│ L1 Transport │ │ L3 Neural Layer │ │ L4 Render Engine │
│ WebTransport / │ │ WebNN / ONNX Runtime │ │ WebGPU pipelines │
│ gRPC · binary │ │ Pattern · Liquidity │ │ Candles · Overlays │
│ decode (SIMD) │ │ Regime heads │ │ BiDi SDF text atlas │
└───────┬─────────┘ └───────▲───────────────┘ └─────────▲────────────────┘
│ write │ read-only │ read
┌───────▼───────────────────┴───────────────────────────┴──────────────────┐
│ L2 — ChartXpert Data Core (Rust → WASM over SharedArrayBuffer) │
│ TimeRing (columnar OHLCV) · LOD Pyramid · Index Map · Arena Allocator │
└──────────────────────────────────────────────────────────────────────────┘zero-copy data path
WebTransport (QUIC)
│ ArrayBuffer
▼
Transport Worker ── decode (Rust/WASM SIMD) ──┐
▼
SharedArrayBuffer (TimeRing columns)
│ Atomics.store(head) + notify
┌───────────────────────────────────────┴─────────────────┐
▼ ▼
Neural Worker (read-only slice) writeBuffer(dirty sub-range) → GPUframe budget @ 120 fps
| الإدخال وتحديث النافذة | 0.4 ms | الخيط الرئيسي |
| اختيار مستوى التفصيل (WASM) | 0.6 ms | بحث ثنائي على الهرم |
| تجهيز الرؤوس والنسخ | 1.2 ms | حلقة مخزنات مثلثة |
| ترميز ورسم على GPU | 3.5 ms | instanced + indirect |
| النصوص والطبقات | 1.0 ms | أطلس محارف مسبق |
| احتياطي | 1.6 ms | لمنع التقطيع |
proprietary data structure
تخزين Struct-of-Arrays في كتلة ذاكرة مشتركة واحدة: الإدراج والتحديث O(1) حسابي بحت، والبحث عن نطاق O(1) لتحديد الطرفين ثم قراءة متجاورة.
#[repr(C)]
pub struct TimeRing {
time: *mut i64, open: *mut f32, high: *mut f32,
low: *mut f32, close: *mut f32, volume: *mut f32,
capacity: usize, // power of two => mask = capacity - 1
head: AtomicUsize, // single writer, many readers
base_ts: i64, step_ms: i64,
}
impl TimeRing {
#[inline(always)]
pub fn slot(&self, ts: i64) -> usize {
// O(1): pure arithmetic addressing, no search, no hashing
(((ts - self.base_ts) / self.step_ms) as usize) & (self.capacity - 1)
}
}L0: كل شمعة (N) L1: كل 2 شموع (N/2) open = first.open L2: كل 4 شموع (N/4) close = last.close ... high = max(high) + hi_idx Lk: حتى N/2^k ≈ عرض الشاشة low = min(low) + lo_idx
embedded ai logic
ثلاثة رؤوس تعمل على تمثيل قانوني مُطبَّع بمقياس التقلب: رأس النماذج، رأس السيولة، ورأس النظام السوقي الذي يعدّل حساسية الرأسين الآخرين.
const win = new SlidingWindow({ size: 256, stride: 1 });
const guard = new InferenceGuard({ maxHz: 8, minBarDelta: 0.25 }); // ATR units
onSharedBufferSignal(async (head) => {
win.pushFromRing(ring, head); // zero-copy read, no allocation
if (!guard.shouldRun(win)) return; // skip when nothing meaningful moved
const x = canonicalize(win); // (close - EMA) / ATR => scale-free
const [pat, liq] = await engine.runBatch([x, x]);
annotations.writeAtomic({ // double buffer: rendering never waits
patterns: decodePatterns(pat, { minConfidence: 0.72, nms: true, hysteresis: 3 }),
liquidityHeatmap: quantize(liq, 8),
generatedAtBar: head,
});
});scale-invariant canonicalization
z[i] = (close[i] - EMA_w) / (ATR_w + eps) r[i] = log(close[i] / close[i-1]) / sigma_w shape[i] = (high[i] - low[i]) / ATR_w body[i] = (close[i] - open[i]) / ATR_w
لأن المسافات تُقاس بوحدات التقلب، يعمل نموذج واحد على الذهب والعملات والأسهم وعلى أطر زمنية مختلفة دون إعادة تدريب. ويُكبَح الاستنتاج ما لم تتجاوز الحركة عتبة معتبرة، فلا يُستهلك المعالج بلا داعٍ.
CNN 1D
رأس النماذج
Segmentation
رأس السيولة
GRU
رأس النظام
sdk & localization
الاتجاه معامل رياضي يُمرَّر في بيانات الرؤوس، لا إعادة تخطيط: تكلفة التبديل بين العربية والإنجليزية كتابة 32 بايت، دون إسقاط إطار واحد.
import { createChart } from "@chartxpert/core";
const chart = await createChart("#host", {
renderer: "auto", // webgpu | webgl2 | auto
locale: { lang: "ar", dir: "rtl" }, // direction is a uniform, not a relayout
memory: { maxBarsPerSeries: 1_000_000 },
ai: { onDevice: true, heads: ["pattern", "liquidity"] },
});
const price = chart.addSeries("candles", { id: "xauusd-1m", stepMs: 60_000 });
price.attachStream({ url: "https://stream.chartxpert.ai/v1", transport: "webtransport" });
chart.on("pattern", (e) => console.log(e.kind, e.confidence, e.range));export const Squeeze = defineIndicator({
name: "cxp.squeeze",
inputs: { len: 20, mult: 2 },
outputs: [{ id: "on", kind: "band" }],
step(ctx, bar) { // incremental & pure => O(1) per bar
const basis = ctx.state(ema, "b", ctx.p.len).next(bar.close);
const range = ctx.state(atr, "a", ctx.p.len).next(bar);
ctx.emit("on", { upper: basis + ctx.p.mult * range,
lower: basis - ctx.p.mult * range });
},
gpu: true, // fusable ops are compiled to WGSL
});bi-directional rules
| العنصر | LTR | RTL | آلية التنفيذ |
|---|---|---|---|
| محور الزمن | الأقدم يساراً | الأقدم يميناً | dir uniform |
| محور السعر | يمين اللوحة | يسار اللوحة | axisSide = dir |
| تسمية الأرقام | 1,234.50 | ١٢٣٤٫٥٠ | Intl.NumberFormat |
| التلميح والصليب | يفتح يميناً | يفتح يساراً | flipInline() |
| النص المختلط | — | تشكيل + BiDi | HarfBuzz WASM + UAX #9 |
patent claims strategy
تُثبَّت الأولوية بطلب مؤقت أولاً، ثم PCT خلال اثني عشر شهراً، مع بقاء الأوزان ومعايرة الكبح كسرّ تجاري غير منشور.
المطالبة 1
هرم مستويات تفصيل تحفظ فيه كل عقدة فهرسي العنصر صاحب القيمة العظمى والصغرى، ويُستخدم ترتيبهما لتحديد الترتيب الزمني للرسم داخل بكسل واحد.
المطالبة 2
حساب موضع التخزين بتحويل حسابي مباشر من الطابع الزمني على أعمدة منفصلة في ذاكرة مشتركة تقرأ منها طبقات النقل والرسم والاستنتاج بلا نسخ.
المطالبة 3
فك ترميز الحزم المالية في عامل منفصل إلى ذاكرة خطية مشتركة، ثم رفع النطاقات المتغيرة فقط، مع دمج حسابي للتِكات يحقق استهلاك ذاكرة ثابتاً.
المطالبة 4
تعرّف على النماذج السعرية على جهاز المستخدم يكتب في مخزن تعليقات مزدوج، بحيث لا يعتمد معدل الإطارات على زمن الاستنتاج.
المطالبة 5
تحويل السلسلة السعرية إلى تمثيل مُطبَّع بمقياس التقلب قبل الاستنتاج، فيعمل نموذج واحد على أدوات وأطر زمنية مختلفة دون إعادة تدريب.
المطالبة 6
دعم RTL/LTR عبر تمرير معامل اتجاه ضمن بيانات الرؤوس وقلب مبدأ الإحداثيات، دون إعادة بناء المخزنات أو هرم التفصيل، مع قياس نص مُشكَّل مسبقاً.
لوحة الشارت تعمل ببثّ مباشر، وتطبّق نظام التفاصيل التكيفي وكشف النماذج ومناطق السيولة، مع تبديل لحظي بين العربية والإنجليزية.
ChartXpert AI · chartxpert.ai · architecture v1.0