一项研究引入了一种名为Ascension的确定性软件演化引擎。该引擎无需调用外部人工智能，旨在通过识别、评分和强化任意源代码中潜在的架构能力来改进软件。其工作原理是将上传的代码与一个由40个计算原语组成的固定矩阵进行碰撞。这些原语被组织在四个分类类别中。碰撞后产生的组合会通过一个专有指数进行评分，最终强化的成果会以自包含的密封运行时形式导出。 研究基于涵盖多种编程语言和行业领域的多个已验证案例进行了实证分析。分析对象包括多个知名科技公司和开源组织的代码。在一个自我指涉的审计案例中，该引擎分析了其自身的内部系统，并发现了生产代码中存在的若干问题，例如密码学随机性薄弱、未处理的异步拒绝以及错误处理缺失。 研究结果表明，这种确定性的原语碰撞方法能够可靠地揭示出传统静态分析、代码检查以及AI辅助代码审查所无法发现的结构性缺陷。研究者提出，该引擎可作为一种新学科的基础，即后创作时代的软件演化。在这一范式中，代码的改进是通过结构性方式而非生成性方式实现的。