Lisa E-11: Määra-moonutuse elutsükli arvutuslik simulatsioon

Käesolev lisa dokumenteerib Korrastatud patch’i teooria (OPT) koodeki elutsükli in-silico modelleerimist. Kuna aluseks olev universaalne substraat (Solomonoffi universaalne poolmõõt) on struktuurselt mittearvutatav, piirduvad OPT-raamistiku sisesed simulatsioonid üksnes koodeki elutsükli enda modelleerimisega: piiri väravaparameeter C_{\max}, aktiivse järeldamise dünaamika, kolmekäiguline hooldustsükkel \mathcal{M}_\tau ning narratiivi lagunemine entroopse stressi all.

On välja kujunenud kaks eristuvat simulatsiooniparadigmat: analoogial põhinev süvaõpe (toy_model.py) ja range matemaatiline määra-moonutuse modelleerimine (opt_simulator.py).

1. Analoogiline simulatsioon: sügavad variatsioonilised pudelikaelad

Esialgne simulatsiooniparadigma (toy_model.py) valideerib koodeki murru keskse eelduse otsese struktuurse analoogia kaudu.

Substraat: 1D perioodiline võre, mis on realiseeritud diskreetsete täisarvudena. Püsivad struktuursed tunnused süstitakse termodünaamilise müra taustale ning toimivad vaadeldavate „korrastatud patch’idena”.

Arhitektuur: vaatlejat modelleeritakse variatsioonilise informatsioonilise pudelikaelana (VIB), mis on ehitatud sügava närvivõrgu (TensorFlow) peale. Võrk vaatleb ruumilise ajaloo vektorit X_{t-k \dots t} ja teostab edasisuunalise gradientlaskumise, et suruda see kokku pudelikaelaks, mis suudab ennustada edasist ajalist harunemist X_{t+1 \dots t+h}.

Kokkuvarisemise mehaanika: Piirangud C_{\max} (määr) ja D_{\min} (aktsepteeritav moonutus) jõustatakse dünaamiliselt PID-kontrolleri kaudu, mis moduleerib Lagrange’i kordajat \beta. Massiivse substraadientroopia korral (nt kui väga volatiilne müra domineerib püsivate mustrite üle) vahetab võrk füüsiliselt prediktiivse eraldusvõime ribalaiuse vastu. Kui nõutav algoritmiline keerukus R_{\text{req}} ületab C_{\max} hoolimata \beta maksimaalsest häälestusest, jõuab võrk formaalselt algoritmilise singulaarsuseni ja variseb kokku, kinnitades OPT ennustust, et kõrge entroopiaga müra sisestamine hävitab prediktiivse koherentsuse, mitte ei „laienda” teadvust.

2. Matemaatiline formalism: range määra-moonutuse modelleerimine

Kuigi neuraalne VIB annab visuaalse kinnituse koodeki murdumisele, varjab masinõppe arhitektuuride lisakoormus puhtaid infoteoreetilisi seoseid, mis vaatlejat juhivad. Teine paradigma (opt_simulator.py) eemaldab struktuurse geomeetria, et modelleerida pudelikaela dünaamikat rangelt teooria enda skalaaride abil.

2.1 Arhitektuur

Simulaator eristab kolme struktuurset kihti, peegeldades OPT formalismi:

Peamine disainiprintsiip on, et ennustatavus on endogeenne: koodeki võime keskkonda ennustada tuletatakse C_{\text{state}}-st astmeseadusliku seose \text{error} \propto C_{\text{state}}^{-0.6} kaudu, mitte ei ole kõvakodeeritud parameeter. See tähendab, et murdumiskaskaadid ja taastumistrajektoorid kerkivad esile süsteemi enda dünaamikast, mitte ei ole käsitsi peale surutud.

2.2 Prediktsioonivea kanal

Prediktiivse määra-moonutuse teooria järgi läbib ava C_{\max} prediktsiooniviga — üksnes see jääk, mis jääb järele pärast generatiivse mudeli ennustuse lahutamist:

\varepsilon_t = S_{\text{raw}} \cdot (1 - \text{predictability})

kus S_{\text{raw}} = 10^9 \cdot \Delta t bitti uuendusakna kohta. Baastasemel (C_{\text{state}} \approx 10^{14}, statsionaarsus = 1.0) annab see tulemuseks \varepsilon_t \approx 0.16 bitti sammu kohta — mugavalt allpool läbilaskevõime ülempiiri C_{\max} \cdot \Delta t = 0.5 bitti sammu kohta.

Kui keskkonna statsionaarsus langeb (nt ketamiinišokk, statsionaarsus \to 0.1), võimendub efektiivne prediktsiooniviga teguriga 1/\text{stationarity}, mis viib \varepsilon_t üle läbilaskevõime ülempiiri ja vallandab murrangu.

2.3 Kolme läbimisega Hooldustsükkel (\mathcal{M}_\tau)

Hooldustsükkel realiseerib kolm offline-läbimist, mis on määratletud preprindi §3.6-s:

Netokadu ühe hooldustsükli kohta: \sim 6\% väärtusest C_{\text{state}}. Hooldus on stabiilsusega väravdatud — see käivitub ainult siis, kui koodek ei ole fragmenteerunud, kooskõlas Korrastatud patch’i teooria (OPT) ennustusega, et \mathcal{M}_\tau töötab madala sensoorse aktiivsuse seisundites (paradigmaatiliselt: uni).

Õppimise akumulatsioonimäär on kalibreeritud nii, et vea integratsioonist saadav võimendus 100 hooldustevahelise sammu jooksul on ligikaudu võrdne 6% hoolduskaoga, tekitades baastasemel dünaamilise tasakaalu.

2.4 Murrudünaamika

Narratiivi lagunemist modelleeritakse õrna multiplikatiivse degradeerumisena koos range alampiiriga:

C_{\text{state}}(t+1) = \max\bigl(C_{\text{state}}(t) \cdot 0.9999,\; C_{\text{floor}}\bigr)

400 püsiva murdusammu jooksul (20-sekundiline šokk) kumuleerub see väärtuseni 0.9999^{400} \approx 0.961 — ligikaudu 4% kadu. See modelleerib astmelist fenomenoloogilist hääbumist (nagu anesteesia tiitrimisel, protokoll E-9), mitte katastroofilist kõik-või-mitte-midagi kokkuvarisemist.

2.5 Simulatsioonitulemused

Simulaator töötab 2000 tsüklit eraldusvõimega \Delta t = 50\text{ms} (100 sekundit simuleeritud vaatleja-aega). Entroopiašokk (statsionaarsus \to 0.1) rakendatakse ajavahemikus t=40\text{s} kuni t=60\text{s}.

Need kolm faasi demonstreerivad OPT keskset ennustust: piiratud vaatleja suudab säilitada stabiilse homöostaasi, degradeeruda entroopiašoki all sujuvalt ning taastuda, kui keskkonna statsionaarsus taastub — eeldusel, et šokk ei vii C_{\text{state}} väärtust allapoole C_{\text{floor}}.

2.6 Põhivaatlused

1. Baastaseme saehammaskõver: Hoolduskordade vahel akumuleerub C_{\text{state}} vea integratsiooni kaudu (\sim +5\% iga 100-sammulise akna kohta), seejärel langeb järsult, kui \mathcal{M}_\tau käivitub (\sim -6\%). See võnkumine on une-ärkveloleku tsükli arvutuslik signatuur — süsteem peab perioodiliselt kärpima, et vältida C_{\text{ceil}} saavutamist.

2. Šoki algus on hetkeline: Kui statsionaarsus langeb väärtuseni 0.1, murdub iga tsükkel kohe. Järkjärgulist üleminekut ei ole — prediktsiooniviga hüppab väärtuselt \sim 0.16 väärtuseni \sim 1.6 bitti/samm, ületades 0.5 biti mahupiiri kolmekordselt.

3. Taastumine on asümmeetriline: Pärast šokki kasvab C_{\text{state}} 40 sekundi jooksul \sim +1\%, võrreldes \sim -4\% kaoga 20-sekundilise šoki ajal. Taastumine on aeglasem kui degradeerumine. See asümmeetria on OPT struktuurne ennustus: generatiivse mudeli ülesehitamine on raskem kui selle kahjustamine.

4. Hoolduse-murru värav on oluline: Kui hooldus toimub aktiivse murru ajal (nagu simulaatori varastes versioonides), satub süsteem positiivse tagasiside tsüklisse ja variseb kokku tasemele C_{\text{floor}}. Väravareegel ei ole mugavuslahendus — see on koodeki elujõulisuse jaoks struktuurselt vajalik.

3. Tuleviku simulatsioonirajad

1. Talamokortikaalsed kellad (E-12): \Delta t uuenduste jäigalt kodeerimine nii, et need vastaksid talamuse väratsemistsüklitele sagedusel 20–40\text{Hz}, luues testitavaid millisekundilise lahutusvõimega ennustusi võrreldes kortikaalse integreeritud informatsiooni (\Phi) mõõtmistega.

2. Vaba energia POMDP-integratsioon: Abstraktse prediktiivsuse skalaari asendamine diskreetse aktiivse järeldamise olekuruumi mudeliga (nt pymdp), mis võimaldab kaardistada täpsed piirid, mis eraldavad termodünaamilisi termostaate fenomenaalsest K_{\text{threshold}}-ist (P-5).

3. Mitme vaatleja laiendus: Mitme vastastikku toimiva koodeki simuleerimine ühiste substraadipiirkondadega, et testida lisa E-6 Swarm Binding’u ennustusi — kas jaotatud agendid saavutavad fenomenaalse sidususe üksnes siis, kui nad sunnitakse läbi globaalse C_{\max} apertuuri.

4. Empiiriline kalibreerimine: Simulaatori murdumisest-taastumiseni kulgeva trajektoori sobitamine neurokuvamise aegridade andmetega (nt Lempel-Zivi keerukus propofooli või ketamiini toimel), et määrata, kas lagunemiskonstant 0.9999 ja prediktiivsuskõver C_{\text{state}}^{-0.6} vastavad vaadeldud fenomenoloogilisele dünaamikale.