Технический обзор

NextStat это высокопроизводительный инструментарий статистического вывода на Rust с Python-привязками и CLI. Он покрывает два основных сценария: биновый вывод по правдоподобию на основе workspace-формата HistFactory (ФВЭ и смежные области) и общий стек статистических моделей (регрессии, иерархические модели, временные ряды, эконометрика, фармакометрика).

Область охвата

Биновый вывод по правдоподобию

• Биновые правдоподобия в стиле HistFactory через pyhf JSON и workspace-формат HS3 v0.2
• Детерминированные тесты паритета с pyhf (7-уровневый контракт допусков)
• MLE-фит, скан профильного правдоподобия, проверка гипотезы, верхние пределы CLs
• Ранжирование систематик через автодифференцирование (reverse-mode AD)
• Батч-фиттинг тоев: CPU (Rayon) и GPU (CUDA/Metal)

Общая статистика

• GLM: линейная, логистическая, пуассоновская и отрицательно-биномиальная регрессия с робастными SE и кросс-валидацией
• Многоуровневые (иерархические) модели: случайные интерсепты и наклоны, partial pooling
• Временные ряды: фильтр Калмана, сглаживатель RTS, EM-оценивание, прогнозирование
• Анализ выживаемости: Cox PH, Weibull, экспоненциальная и log-logistic модели, остатки Шоенфельда
• Эконометрика: panel FE, DiD/TWFE, IV/2SLS, doubly-robust AIPW
• Фармакометрика: 1-компартментная пероральная PK, NLME с логнормальными случайными эффектами

Байесовское семплирование

• NUTS-семплер с dual averaging (одна цепь и несколько цепей)
• Диагностика HMC: R-hat, ESS, divergences
• Универсальный контракт LogDensityModel: любая модель, которая предоставляет log_prob и градиент

Архитектура

┌──────────────────────────────────────────────────────────┐
│  Python API (PyO3)        CLI (clap)        WASM        │
├──────────────────────────────────────────────────────────┤
│  ns-inference: MLE, NUTS, профильный скан, CLs, ranking     │
├──────────────────────────────────────────────────────────┤
│  ns-compute: NLL, градиент, гессиан (SIMD / Accelerate)   │
│  ns-ad: reverse-mode автодифференцирование                │
├──────────────────────────────────────────────────────────┤
│  ns-translate: pyhf JSON, HS3 v0.2, TREx config, Arrow   │
│  ns-root: нативный ридер ROOT + распаковка zstd           │
├──────────────────────────────────────────────────────────┤
│  ns-core: HistFactoryModel, parameters, interpolation     │
└──────────────────────────────────────────────────────────┘

Целевая совместимость: pyhf JSON / HistFactory

Основная цель по совместимости это схема pyhf JSON. NextStat стремится к следующему:

• Парсить pyhf JSON и строить внутреннее представление модели
• В детерминированном режиме совпадать с канонической целью pyhf (logpdf и twice_nll)
• Согласовывать результаты фита (best-fit параметры, неопределенности, профильные сканы) в пределах документированных допусков
• Давать быстрый production-режим (SIMD, Accelerate, CUDA), не нарушая контракт корректности

Методология валидации

NextStat использует двухрежимную стратегию валидации:

• Режим паритета: суммирование Кэхена, один поток, Accelerate отключен; результаты детерминированы для CI
• Быстрый режим: обычное суммирование, параллелизм Rayon, SIMD/GPU; режим для продакшн-вывода
• 7-уровневая иерархия допусков: от ожидаемых данных по бинам (1e-12) до статистик toy-ансамбля (0.05)
• 3-сторонняя кросс-валидация: pyhf + ROOT/RooFit на канонических HistFactory-фикстурах
• CI: паритет с pyhf является блокирующим гейтом; сравнение с ROOT носит информационный характер

Ключевые показатели производительности

Что не является целью (в ближайшей перспективе)

• Точная копия каждого бэкенда и каждой возможности pyhf
• Полная численная идентичность на всех параллельных бэкендах и аппаратуре (GPU/потоки)
• Замена анализных фреймворков или пользовательских инструментов моделирования
• Полная drop-in замена всей поверхности statsmodels

Лицензия

AGPL-3.0-or-later с опцией коммерческой лицензии. См. LICENSE и LICENSE-COMMERCIAL в корне репозитория.