Lección 5.1: Gen~ y el Paradigma JIT: Compilación en Tiempo Real, Bucles Muestra a Muestra y LLVM

“En MSP tradicional estás encadenando cajas negras que se comunican mediante vectores de 64 muestras: la retroalimentación de una sola muestra es físicamente imposible sin introducir un retraso de bloque entero. Con gen~, el lienzo visual se traduce directamente a código C++ de bajo nivel y se compila a instrucciones de máquina en nanosegundos mediante LLVM: la barrera entre el parcheo visual y la programación nativa ha desaparecido.”
— Graham Wakefield & Gregory Taylor, Generating Sound & Organizing Time

Objetivos Pedagógicos y de Ingeniería

Comprender la limitación fundamental del vector de señal en MSP: Explicar por qué [tapin~]/[tapout~] o bucles de señal en MSP imponen una latencia mínima de $N$ muestras (Signal Vector Size, típicamente 64) y por qué los filtros no lineales y modelos físicos IIR colapsan fuera de gen~.
Dominar el compilador JIT (Just-In-Time) y LLVM en Max: Analizar cómo Max toma el árbol de operadores de [gen~] o el código en GenExpr, genera C++ optimizado, invoca el backend LLVM y enlaza el código de máquina ejecutable en memoria RAM en caliente.
El Operador history y la Memoria de Muestra Única ( $z^{-1}$ ): Deducir la implementación de ecuaciones en diferencias continuas $y[n] = f(x[n], y[n-1])$ con retardo exacto de una muestra ( $\Delta t = \frac{1}{f_s} \approx 22.67\ \mu\text{s}$ a $44.1\text{ kHz}$ ).
Inspeccionar el código C++ generado: Exportar código fuente mediante el comando exportcode de gen~ y examinar la función perform() nativa para entender la vectorización SIMD, el desenrollado de bucles (loop unrolling) y la ausencia de overhead de llamadas de función.

1. El Dilema del Bloque Vectorial vs. Cálculo Muestra a Muestra

En el motor tradicional de MSP (como vimos en las Lecciones 3.1 y 3.6), el procesamiento ocurre en bloques vectoriales de tamaño $V$ (típicamente $64$ muestras):

FIG 5.0 · Procesamiento por Bloques Vectoriales en MSP vs. Cálculo Muestra a Muestra en gen~

Si intentás construir un filtro IIR analógico de saturación no lineal con diodos o un oscilador caótico de Lorenz en MSP normal, el retardo de 64 muestras en el lazo de feedback destruye la estabilidad matemática de la ecuación diferencial. En gen~, el retardo de feedback es de 1 sola muestra ( $z^{-1}$ ), permitiendo modelado físico y DSP analógico virtual (VA) con precisión matemática absoluta.

2. La Cadena de Compilación JIT (Just-In-Time)

Cuando cerrás la ventana de un objeto [gen~], no se interpreta nada:

FIG 5.1 · Pipeline JIT / LLVM y Retardo de Historial (z^-1) en gen~

3. El Operador `history` y la Memoria de Muestra Única ( $z^{-1}$ )

El operador más poderoso y diferenciador de gen~ frente al MSP tradicional es [history]: una celda de memoria que almacena exactamente una muestra del pasado y la expone en el instante siguiente.

La Ecuación en Diferencias Implementable

En el mundo analógico, un filtro de primer orden se describe con la ecuación diferencial:

$\tau \frac{dy}{dt} + y(t) = x(t)$

En el dominio digital discreto, discretizada por el método de Euler hacia atrás, se convierte en la ecuación en diferencias:

$y[n] = \alpha \cdot x[n] + (1 - \alpha) \cdot y[n-1]$

donde $y[n-1]$ es exactamente lo que almacena [history] — el valor de salida del tick anterior, con retardo de una sola muestra ( $\Delta t = 1/f_s \approx 22.67\ \mu\text{s}$ a $44.1\text{ kHz}$ ).

Por qué MSP no puede resolver esto correctamente

En MSP tradicional, [tapin~]/[tapout~] tiene una latencia mínima de $N$ muestras (el tamaño del Signal Vector, típicamente 64). Intentar construir el lazo $y[n] = f(x[n], y[n-1])$ en MSP introduce un retraso de 64 muestras en el feedback, destruyendo la estabilidad matemática del filtro IIR y cualquier modelo físico que requiera retroalimentación de muestra individual.

En gen~, la topología visual se compila a un bucle while(n--) donde el valor de [history] se actualiza al final de cada iteración — retroalimentación perfecta de 1 muestra con costo computacional cero.

Diagrama de Implementación

FIG 5.1C · Filtro Recursivo de Primer Orden en gen~

Este patrón es la piedra angular de todos los filtros, osciladores y modelos físicos implementados en gen~.

3.1. Acumulación Temporal y Generación de Fase (Wakefield & Taylor)

En su tratado fundamental Generating Sound & Organizing Time: Thinking with gen~ (Cycling ‘74, 2022), Graham Wakefield y Gregory Taylor establecen que el concepto de “tiempo” en DSP no debe concebirse como una sucesión de eventos disparados por un reloj o metrónomo externo, sino como un acumulador continuo de fase normalizada:

$\phi[n] = (\phi[n-1] + \Delta \phi) \pmod 1$

donde el incremento diferencial de fase por muestra $\Delta \phi$ viene dictado por la frecuencia deseada $f$ y la tasa de muestreo $f_s$ :

$\Delta \phi = \frac{f}{f_s}$

FIG 5.1B · Acumulador de Fase Continuo con Operador [history] en gen~

Por qué este fasor en `gen~` supera al `[phasor~]` de MSP:

Modulación de Frecuencia Audio-Rate Pura: En MSP tradicional, modular la frecuencia de un [phasor~] con otra señal a frecuencias de audio introduce sutiles discontinuidades y jitter en los bordes de cada bloque vectorial de 64 muestras. En gen~, la fase se integra y evalúa muestra por muestra de forma continua y suave.
Sincronización Dura (Hard Sync) y Reseteo Instantáneo: La fase puede forzarse a cero o a cualquier valor arbitrario en el ciclo exacto de una muestra mediante una condición lógica (if o operador ?), permitiendo osciladores antialiasing tipo PolyBLEP y sincronización maestra/esclava sin dispersión de fase.
Aritmética de Plegado y Deformación Temporal: Aplicando funciones no lineales a la rampa de fase (como potencias, senos o funciones de conformación de onda waveshaping), el tiempo mismo se estira y contrae a nivel de nanosegundos antes de indexar tablas de ondas o secuencias de envolventes.

4. Bajo el Capó: Análisis del C++ Exportado (`gen_exported.cpp`)

Cuando usamos la función exportcode de gen~, Max genera código C++ puro compatible con cualquier entorno embebido (VST, AU, Daisy Seed, Bela o Teensy). Observemos la estructura del bucle de procesamiento:

// Fragmento real de código C++ generado por gen~
void perform(CommonState *state, double **ins, long numins,
             double **outs, long numouts, long n) {
    double *in1 = ins[0];
    double *out1 = outs[0];
    double history_1 = state->history_1;
    double param_cutoff = state->param_cutoff;

    // Bucle cerrado ultra-optimizado por el compilador LLVM
    while (n--) {
        double x = *in1++;
        // Filtro paso-bajo de 1 polo: y[n] = x[n]*b + y[n-1]*a
        double y = x * param_cutoff + history_1 * (1.0 - param_cutoff);
        history_1 = y; // Actualización z^-1 sin costo
        *out1++ = y;
    }

    state->history_1 = history_1;
}

Por qué esto pulveriza en rendimiento al MSP tradicional:

Localidad Espacial en Registro de CPU: La variable history_1 vive directamente en un registro de CPU (xmm0 / d0), no en memoria RAM principal.
Auto-Vectorización SIMD: LLVM desenrolla el bucle automáticamente (loop unrolling) y ejecuta hasta 4 u 8 operaciones por ciclo de reloj utilizando extensiones vectoriales de hardware.
Cero Ramificación Condicional: No hay sentencias switch evaluando qué objeto procesar a continuación.

5. Escenarios Reales de Producción

Filtro Ladder Moog No Lineal con Saturación por Diodos: Modelar las 4 etapas de un filtro analógico transistorizado con saturación tanh() en cada polo dentro de un lazo de realimentación unitario de 1 muestra.
Osciladores Caóticos (Lorenz / Chua / Rössler): Resolver ecuaciones diferenciales no lineales numéricas de 3 variables en tiempo real con paso de integración Runge-Kutta a la tasa de muestreo del audio ( $44.1\text{ kHz}$ o $96\text{ kHz}$ ).
Delays Fraccionarios con Interpolación Todo-Paso (Thiran Allpass): Ajustar la afinación de un modelo de cuerda con retardos exactos fraccionarios de $0.001$ muestras sin artefactos de fase.
Portabilidad a Hardware Autónomo (Eurorack / Daisy Seed): Desarrollar el algoritmo completo en Max visual con gen~ y exportarlo a C++ con un clic para grabarlo en la memoria flash de un módulo Eurorack de hardware.

6. Desafíos de Ingeniería

Desafío 1: El Integrador con Fuga (Leaky Integrator)

Diseñá dentro de gen~ un filtro paso-bajo de 1 polo utilizando únicamente un operador [+], un [*], un [param coef 0.1] y un [history]. Demostrá la respuesta en frecuencia alimentándolo con noise~.

Desafío 2: Resonador Senoidal de 2 Polos sin `cycle~`

Construí un oscilador senoidal puro autónomo que no lea tablas de onda en memoria, sino que resuelva la ecuación en diferencias de un oscilador armónico simple utilizando 2 operadores [history]:

$y[n] = 2\cos(\omega) y[n-1] - y[n-2]$

Desafío 3: El Detector de Transitorios de Muestra Única

Implementá en gen~ un detector de picos que compare el valor instantáneo $|x[n]|$ con el valor anterior $|x[n-1]|$ y emita un impulso $1.0$ si la derivada discreta $\Delta x = x[n] - x[n-1]$ supera un umbral de ataque en un lapso de exactamente 1 muestra.

7. Laboratorio Práctico: `laboratorio_18_gen_basics.maxpat`

Abrí el parche de laboratorio para explorar:

Objeto [gen~] interactivo con circuito de retardo de 1 muestra (history) y saturador no lineal polinómico.
Parámetros dinámicos param modulados en tiempo real desde la interfaz de Max.
Visualización de la forma de onda generada en osciloscopio y analizador de espectro de 64 bits.