Physbound

🚀 PhysBound

物理層のリンターであり、MCPサーバーを利用して、RFと物理計算を物理的な制限に照らし合わせて検証します。エンジニアリングワークフローにおけるAIの幻覚を捉えます。

🚀 クイックスタート

インストール

pip install physbound

MCPクライアントの設定

PhysBoundをMCP互換のクライアントに追加します。例えば、Claude Desktop (claude_desktop_config.json)、Cursor、またはWindsurfでは以下のように設定します。

{
  "mcpServers": {
    "physbound": {
      "command": "uvx",
      "args": ["physbound"]
    }
  }
}

⚠️ 重要提示

初回実行時には、uvx は初回起動時に約60MBの依存関係（scipy、numpy）をダウンロードします。ターミナルで一度 uvx physbound を実行してキャッシュを事前に作成すると、その後の起動は即座に行われます。

これで、AIアシスタントが物理的に検証されたRF計算にアクセスできるようになります。

✨ 主な機能

rf_link_budget

Friis伝送方程式を使用して完全なRFリンクバジェットを計算します。アンテナ利得を開口限界に照らし合わせて検証します。

例: "20 dBmの送信電力、10 dBiの送信アンテナ利得、3 dBiの受信アンテナ利得で、2.4 GHzのリンクが100 mでの受信電力はどれくらいですか？"

戻り値: FSPL、受信電力、波長、およびオプションの開口限界チェック。G_max = eta * (pi * D / lambda)^2 を超えるアンテナ利得は拒否されます。

shannon_hartley

Shannon-Hartleyのチャネル容量 C = B * log2(1 + SNR) を計算し、スループットの主張を検証します。

例: "20 MHzのチャネルで15 dBのSNRで500 Mbpsをサポートできますか？"

戻り値: 理論上の容量、スペクトル効率、および主張が物理的に可能かどうか。主張がShannon限界を超える正確な割合で違反をフラグ付けします。

noise_floor

熱雑音電力 N = k_B * T * B を計算し、Friis雑音公式を使用して多段受信機の雑音指数をカスケードし、受信機の感度を計算します。

例: "290Kで2段のLNAチェーンを持つ1 MHzの受信機の雑音フロアはどれくらいですか？"

戻り値: dBmおよびワットでの熱雑音、カスケードされた雑音指数、システム雑音温度、および受信機の感度。

radar_range

単基地レーダーの範囲方程式 R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min L)]^(1/4) を計算し、検出範囲の主張を検証します。

例: "1 kWのXバンドレーダーで30 dBiの利得で、0.01 m^2のドローンを200 kmで検出できますか？"

戻り値: 最大検出範囲、最小検出可能信号、波長、および中間値。電力を2倍にすると範囲も2倍になるという一般的な4乗根の誤解を捉えます。

🔍 LLMsが誤る点

LLMsは日常的に物理に関する幻覚を生み出します。PhysBoundはそれを捉えます。

pytest tests/test_marketing.py -s によって自動生成されました

🔧 物理的な保証

すべての計算は物理的な制限に照らし合わせて検証されます。

• 光の速度: c = 299,792,458 m/s — 例外はありません
• 熱雑音フロア: 290Kで N = -174 dBm/Hz — IEEE標準の基準
• Shannon限界: C = B * log2(1 + SNR) — スループットの主張はこれを超えません
• 開口限界: G_max = eta * (pi * D / lambda)^2 — アンテナ利得は物理的に制限されています
• レーダー範囲方程式: R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min)]^(1/4) — 範囲は4乗根の法則に従います

違反がある場合は、LaTeXで説明付きの構造化された PhysicalViolationError 応答が返され、サイレントな失敗にはなりません。

💻 使用例

基本的な使用法

PhysBoundがリアルタイムで幻覚を捉える様子を見てみましょう。

• 幻覚の検出 — 4つの実際のLLMの失敗モードを完全なJSON応答で解説
• インタラクティブなデモノートブック — 物理エンジンを直接呼び出す実践的なJupyterノートブック

🛠️ 開発

# クローンしてインストール
git clone https://github.com/JonesRobM/physbound.git
cd physbound
uv sync --all-extras

# テストを実行
uv run pytest tests/ -v

# 幻覚の差分テーブルを表示
uv run pytest tests/test_marketing.py -s

# ローカルでMCPサーバーを起動
uv run physbound

🌟 PhysBoundの魅力

AIコーディングアシスタントは、RFエンジニアリング、通信、および信号処理のワークフローでますます使用されるようになっています。しかし、LLMsは物理に関する本質的な理解を持っていません。彼らは、Shannon-Hartley、熱力学的雑音限界、およびアンテナ開口限界などの基本法則に違反する可能性のある妥当に聞こえる数字を生成します。

PhysBoundは、MCP互換のAIアシスタントに対する物理的なガードレールとして機能します。すべての計算は、SciPyを介してCODATAの物理定数と照らし合わせてチェックされ、Pintを介して次元解析が強制されます。違反がある場合は、LaTeXで説明付きの構造化されたエラーが返され、サイレントな失敗にはなりません。

ユースケース

• RFシステム設計レビュー — リンクバジェット、受信機感度、および雑音カスケードを検証する
• 通信提案の審査 — 顧客に届く前に不可能なスループットの主張を捉える
• 教育ツール — 検証済みの計算でShannon-Hartley、Friis伝送、および熱雑音を教える
• 物理のCI/CD — エンジニアリングパイプラインの検証ステップとして統合する

サポート

もしPhysBoundがあなたの仕事に役立ったら、コーヒーを買ってくれることを検討してください。

📄 ライセンス

MITライセンスです。詳細は LICENSE を参照してください。

関連リンク

• Model Context Protocol — AIツール統合のオープン標準
• MCP Server Registry — MCPサーバーの公式ディレクトリ
• FastMCP — MCPサーバーを構築するためのPythonフレームワーク