Causal solution core and aux kit

This deposit contains a large modular corpus forming the current SC (Causal System) research and action environment. It brings together approximately 55–60 modules and related tool families, including AUX systems, DD models and runtimes, measurement and testing instruments, orchestration components, adapters and bridges, state and receipt layers, causal realizers, theorem-compilation tools, and specialized research modules. The central capability of SC is not simply to apply a predefined formula. Its deeper objective is to construct the formula required by the structure of the problem itself. The general causal construction chain is: information / problem → typed objects → nodes → carriers → coordinates → relations → invariants → formula → tests → correction → RETURN SC therefore attempts to transform heterogeneous information into an explicit causal structure. Relevant objects are typed and separated, causal nodes and carriers are constructed, coordinates and relations are established, candidate invariants are projected across the structure, and these invariants can then be assembled into a formula or causal law specific to the problem being studied. The proposed formula is not treated as a terminal answer. It is tested against the original constraints, the remaining defect or contradiction is measured, the smallest useful correction is constructed, and the system is re-measured. The cycle continues through correction and reinjection until an explicit RETURN condition is reached or a genuine unresolved gap is exposed. The corpus supports three major action pillars. First, open-problem research. SC represents unresolved scientific or mathematical problems through explicit constraints, residuals, candidate bridges, proof debt, tests, and return conditions. The objective is to identify precisely what remains unproved and construct the next object required to reduce that deficit. Second, discovery and invariant projection. Within a defined scope, public information can be transformed into structured nodes and relations. SC then searches for invariants that survive changes of source, representation, scale, or vocabulary. These surviving structures can generate new hypotheses, connections, formulas, or directions of investigation. Third, closed organizational problem solving. Actors, resources, rules, dependencies, objectives, bottlenecks, contradictions, and available actions can be represented in the same causal framework. SC can then search for a coherent route from the current state to a specified target state and re-measure the system after intervention. These three pillars can operate independently or recursively reinforce one another: discovery can produce an invariant, scientific research can test whether that invariant closes a proof defect, and organizational reasoning can use the resulting structure to construct an actionable solution. The archive should therefore be understood as a modular causal workbench rather than as one finished monolithic application. Individual modules can be inspected, tested, recombined, replaced, or connected through transversal operations while preserving provenance, state, and certification information. A separate version of the SC Solver is intended to provide the integrating execution layer. Its role is to select providers and attack classes, sequence modules, construct or request missing objects, re-inject outputs, test corrections, re-measure the global state, and continue recursively toward RETURN. The purpose of this release is to expose the underlying machinery openly enough that researchers can inspect how formulas, invariants, corrections, proof objects, and causal routes are constructed rather than receiving only an opaque final output. Ce dépôt contient un vaste corpus modulaire formant l’environnement actuel de recherche et d’action de la SC (Système Causal). Il rassemble environ 55 à 60 modules et familles d’outils associés : systèmes AUX, modèles et runtimes DD, instruments de mesure et de test, composants d’orchestration, adaptateurs et ponts, couches d’état et de reçus, réalisateurs causaux, outils de compilation de théorèmes et modules spécialisés de recherche. La capacité centrale de la SC n’est pas simplement d’appliquer une formule prédéfinie. Son objectif plus profond est de construire la formule exigée par la structure même du problème. La chaîne générale de construction causale est : information / problème → objets typés → nœuds → porteurs → coordonnées → relations → invariants → formule → tests → correction → RETURN La SC cherche ainsi à transformer une information hétérogène en structure causale explicite. Les objets pertinents sont typés et séparés, des nœuds et des porteurs causaux sont construits, leurs coordonnées et leurs relations sont établies, puis des invariants candidats sont projetés à travers cette structure. Ces invariants peuvent ensuite être assemblés en une formule ou une loi causale propre au problème étudié. La formule obtenue n’est pas considérée comme une réponse terminale. Elle est testée contre les contraintes initiales, le défaut ou la contradiction restante est mesuré, la plus petite correction utile est construite, puis l’ensemble du système est remesuré. La boucle se poursuit par correction et réinjection jusqu’à l’obtention d’une condition explicite de RETURN ou jusqu’à l’exposition d’un véritable trou non résolu. Le corpus soutient trois grands piliers d’action. Premièrement, la recherche sur les problèmes ouverts. La SC représente les problèmes scientifiques ou mathématiques non résolus sous forme de contraintes, résidus, ponts candidats, dette de preuve, tests et conditions de retour. L’objectif est d’identifier exactement ce qui demeure non démontré et de construire le prochain objet nécessaire pour réduire ce déficit. Deuxièmement, la découverte et la projection d’invariants. Dans un périmètre défini, l’information publique peut être convertie en nœuds et relations structurés. La SC recherche ensuite les invariants qui survivent aux changements de source, de représentation, d’échelle ou de vocabulaire. Ces structures survivantes peuvent générer de nouvelles hypothèses, connexions, formules ou directions de recherche. Troisièmement, la résolution de problèmes organisationnels fermés. Les acteurs, ressources, règles, dépendances, objectifs, goulots, contradictions et actions disponibles peuvent être représentés dans le même cadre causal. La SC peut alors rechercher une route cohérente de l’état actuel vers un état cible défini et remesurer le système après intervention. Ces trois piliers peuvent agir indépendamment ou se renforcer récursivement : la découverte peut produire un invariant, la recherche scientifique peut tester si cet invariant ferme un défaut de preuve, et le raisonnement organisationnel peut utiliser la structure obtenue pour construire une solution applicable. L’archive doit donc être comprise comme un atelier causal modulaire plutôt que comme une application monolithique terminée. Les modules peuvent être inspectés, testés, recombinés, remplacés ou reliés transversalement tout en conservant visibles la provenance, l’état et les informations de certification. Une version distincte du SC Solver doit fournir la couche d’exécution intégratrice. Son rôle est de sélectionner les fournisseurs et classes d’attaque, séquencer les modules, construire ou demander les objets manquants, réinjecter les résultats, tester les corrections, remesurer l’état global et poursuivre récursivement jusqu’au RETURN. Le but de ce dépôt est donc de rendre la mécanique sous-jacente suffisamment explicite pour permettre aux chercheurs d’inspecter la manière dont les formules, invariants, corrections, objets de preuve et routes causales sont construits, plutôt que de recevoir uniquement une sortie finale opaque.