Apêndice E-11: Simulação Computacional do Ciclo de Vida Taxa-Distorção

Este apêndice documenta a modelação in silico do ciclo de vida do codec da Teoria do Patch Ordenado (OPT). Como o substrato universal subjacente (a Semimedida Universal de Solomonoff) é estruturalmente incomputável, as simulações no âmbito da OPT restringem-se à modelação do próprio ciclo de vida do codec: o parâmetro de limiar de fronteira C_{\max}, a dinâmica de Inferência Ativa, o ciclo de manutenção de três passagens \mathcal{M}_\tau e o decaimento narrativo sob stress entrópico.

Foram estabelecidos dois paradigmas de simulação distintos: aprendizagem profunda analógica (toy_model.py) e modelação matemática estrita de taxa-distorção (opt_simulator.py).

1. Simulação Analógica: Gargalos Variacionais Profundos

O paradigma inicial de simulação (toy_model.py) valida a premissa central da Fratura do Codec por meio de uma analogia estrutural literal.

Substrato: Uma rede periódica unidimensional instanciada com inteiros discretos. Características estruturais persistentes são injetadas sobre uma linha de base de ruído termodinâmico, funcionando como os “Patches Ordenados” observáveis.

Arquitetura: O observador é modelado como um Gargalo Variacional de Informação (VIB) construído sobre uma rede neuronal profunda (TensorFlow). A rede observa um vetor de histórico espacial X_{t-k \dots t} e executa uma descida de gradiente progressiva para o comprimir num gargalo capaz de prever o leque temporal futuro X_{t+1 \dots t+h}.

Mecânica do Colapso: As restrições de C_{\max} (taxa) e D_{\min} (distorção aceitável) são impostas dinamicamente por meio de um controlador PID que modula o multiplicador lagrangiano \beta. Sob entropia massiva do substrato (por exemplo, ruído altamente volátil a dominar os padrões persistentes), a rede troca fisicamente resolução preditiva por largura de banda. Quando a complexidade algorítmica requerida R_{\text{req}} excede C_{\max} apesar do ajuste máximo de \beta, a rede atinge formalmente uma singularidade algorítmica e colapsa, confirmando a previsão da OPT de que a injeção de ruído de alta entropia destrói a coerência preditiva em vez de “expandir” a consciência.

2. Formalismo Matemático: Modelação Estrita de Taxa-Distorção

Embora o VIB neural forneça confirmação visual da fratura do codec, a sobrecarga das arquiteturas de aprendizagem automática obscurece as relações puramente teórico-informacionais que governam o observador. O segundo paradigma (opt_simulator.py) elimina a geometria estrutural para modelar estritamente a dinâmica do gargalo usando os próprios escalares da teoria.

2.1 Arquitetura

O simulador separa três camadas estruturais, espelhando o formalismo da OPT:

O princípio central de conceção é que a predizibilidade é endógena: a capacidade do codec para prever o ambiente deriva de C_{\text{state}} por meio de uma relação de lei de potência \text{error} \propto C_{\text{state}}^{-0.6}, em vez de ser um parâmetro codificado de forma rígida. Isto significa que as cascatas de fratura e as trajetórias de recuperação emergem da dinâmica do próprio sistema, em vez de serem impostas manualmente.

2.2 O Canal de Erro de Predição

Na teoria preditiva de taxa-distorção, o que atravessa a abertura C_{\max} é o erro de predição — apenas o resíduo que resta depois de subtraída a predição do modelo generativo:

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

onde S_{\text{raw}} = 10^9 \cdot \Delta t bits por janela de atualização. Na linha de base (C_{\text{state}} \approx 10^{14}, estacionariedade = 1.0), isto produz \varepsilon_t \approx 0.16 bits/passo — confortavelmente abaixo do limite de capacidade de C_{\max} \cdot \Delta t = 0.5 bits/passo.

Quando a estacionariedade ambiental diminui (por exemplo, choque de cetamina, estacionariedade \to 0.1), o erro de predição efetivo é amplificado por um fator de 1/\text{stationarity}, elevando \varepsilon_t acima do limite de capacidade e desencadeando fratura.

2.3 O Ciclo de Manutenção em Três Passagens (\mathcal{M}_\tau)

O ciclo de manutenção implementa as três passagens offline especificadas na §3.6 do preprint:

Drenagem líquida por execução de manutenção: \sim 6\% de C_{\text{state}}. A manutenção é condicionada pela estabilidade — só é ativada quando o codec não está fraturado, em consonância com a previsão da OPT de que \mathcal{M}_\tau opera durante estados de baixo sensorium (paradigmaticamente: sono).

A taxa de acumulação da aprendizagem é calibrada de modo que o ganho de integração de erro ao longo de 100 passos entre manutenções iguale aproximadamente a drenagem de manutenção de 6%, produzindo equilíbrio dinâmico na linha de base.

2.4 Dinâmica de Fratura

O decaimento narrativo é modelado como uma degradação multiplicativa suave com um piso rígido:

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

Ao longo de 400 passos sustentados de fratura (um choque de 20 segundos), isto compõe-se em 0.9999^{400} \approx 0.961 — aproximadamente 4% de perda. Isto modela o apagamento fenomenológico gradual (como na titulação anestésica, Protocolo E-9) em vez de um colapso catastrófico de tudo ou nada.

2.5 Resultados da Simulação

O simulador executa 2000 ciclos com resolução de \Delta t = 50\text{ms} (100 segundos de tempo de observador simulado). Um choque entrópico (estacionariedade \to 0.1) é aplicado de t=40\text{s} até t=60\text{s}.

Estas três fases demonstram a previsão central da OPT: um observador limitado pode manter uma homeostase estável, degradar-se de forma gradual sob choque entrópico e recuperar quando a estacionariedade ambiental é restaurada — desde que o choque não faça C_{\text{state}} descer abaixo de C_{\text{floor}}.

2.6 Observações-Chave

1. O dente de serra de base: Entre execuções de manutenção, C_{\text{state}} acumula-se por integração de erro (\sim +5\% por janela de 100 passos), e depois cai abruptamente quando \mathcal{M}_\tau é acionado (\sim -6\%). Esta oscilação é a assinatura computacional do ciclo sono-vigília — o sistema tem de efetuar podas periódicas para evitar atingir C_{\text{ceil}}.

2. O início do choque é instantâneo: Quando a estacionariedade desce para 0.1, cada ciclo fratura imediatamente. Não há transição gradual — o erro de previsão salta de \sim 0.16 para \sim 1.6 bits/passo, excedendo a capacidade de 0.5 bit por um fator de três.

3. A recuperação é assimétrica: Após o choque, C_{\text{state}} cresce cerca de \sim +1\% ao longo de 40 segundos, em comparação com a perda de \sim -4\% durante o choque de 20 segundos. A recuperação é mais lenta do que a degradação. Esta assimetria é uma previsão estrutural da OPT: reconstruir um modelo generativo é mais difícil do que danificá-lo.

4. A porta de fratura da manutenção importa: Se a manutenção ocorrer durante uma fratura ativa (como nas primeiras versões do simulador), o sistema entra num ciclo de retroação positiva e colapsa para C_{\text{floor}}. A regra de gating não é uma conveniência — é estruturalmente necessária para a viabilidade do codec.

3. Vias de Simulação Futura

1. Relógios Talamocorticais (E-12): Codificar rigidamente atualizações de \Delta t para corresponder aos ciclos de gating talâmico de 20–40\text{Hz}, gerando previsões testáveis com resolução de milissegundos face a medições de informação integrada cortical (\Phi).

2. Integração de POMDP de Energia Livre: Substituir o escalar abstrato de previsibilidade por um modelo discreto de espaço de estados de Inferência Ativa (por exemplo, pymdp), permitindo mapear os limites precisos que separam termóstatos termodinâmicos do K_{\text{threshold}} fenomenal (P-5).

3. Extensão Multiobservador: Simular múltiplos codecs em interação com regiões partilhadas do substrato para testar as previsões de Vinculação de Enxame do Apêndice E-6 — isto é, se agentes distribuídos alcançam vinculação fenomenal apenas quando são forçados a passar por uma abertura global de C_{\max}.

4. Calibração Empírica: Ajustar a trajetória de fratura-recuperação do simulador a dados de séries temporais de neuroimagem (por exemplo, complexidade de Lempel-Ziv sob propofol ou cetamina) para determinar se a constante de decaimento 0.9999 e a curva de previsibilidade C_{\text{state}}^{-0.6} correspondem à dinâmica fenomenológica observada.