Теория упорядоченного патча

Исходная задача T-3: тензорные сети MERA и причинный конус Проблема: OPT предлагает Информационный причинный конус, составленный из последовательного сжатия, но опирается на специально сконструированное геометрическое описание, а не на стандартные квантовые тензорные формализмы. Результат: Формальное отображение Информационного причинного конуса OPT на структуру тензорной сети MERA.

Статус закрытия: УСЛОВНЫЙ ИЗОМОРФИЗМ (структурный гомоморфизм подтверждён; строгий физический изоморфизм условно повышен до подтверждённого через P-2). В этом приложении представлено целевое структурное отображение, требуемое задачей T-3. Три теоремы устанавливают сильную топологическую аналогию: (T-3a) итеративное огрубление Фильтра стабильности в OPT структурно гомоморфно тензорной сети MERA; (T-3b) Информационный причинный конус из §3.3 соответствует по порядку величины причинному конусу MERA; и (T-3c) Прогностическое множество ветвей структурно отображается на негруппированные степеней свободы границы до ренормализации. Математическое повышение этого чисто стохастического структурного гомоморфизма до строгих изометрий гильбертова пространства, необходимых для подлинной дискретной границы Рю—Такаянаги, первоначально оставалось открытым, но теперь условно разрешено через явное вложение вычислительного базиса и мостовые постулаты идентификации изометрии, последовательно установленные в задаче P-2.

§1. Многослойная структура сжатия

В §3.3 препринта наблюдатель в рамках Теории упорядоченного патча (OPT) определяется через единственную оптимизацию узкого места (ур. 4): сжатое состояние Z_t \in \{1, \ldots, 2^B\} выбирается из полного граничного состояния X_t так, чтобы максимизировать предиктивную информацию при минимальной длине описания. Однако в §3.3 не проговаривается явно, что путь от X_{\partial A} к Z_t естественным образом разлагается в каскад слоёв сжатия, каждый из которых отбрасывает короткодействующие корреляции, несущественные для предсказания на следующем масштабе. Эта иерархическая структура составляет сторону OPT в соответствии с MERA.

1.1 Каскад узких мест из L слоёв

Пусть s \geq 2 — фиксированный коэффициент огрубления, а L — общее число слоёв сжатия. Определим каскад:

Z_t^{(0)} := X_{\partial_R A} \qquad \text{(слой 0: полная граница Маркова, } H = B_0 \text{ бит)}

На каждом последующем слое \tau = 0, \ldots, L-1:

Z_t^{(\tau+1)} = \operatorname*{arg\,min}_{q} \left[ I\!\left(Z_t^{(\tau)} \,;\, Z_t^{(\tau+1)}\right) - \beta_\tau\, I\!\left(Z_t^{(\tau+1)} \,;\, X_{t+1:\infty}\right) \right]

\text{при условии: } I\!\left(Z_t^{(\tau)} \,;\, Z_t^{(\tau+1)}\right) \leq B_\tau, \qquad B_\tau = B_0 \cdot s^{-\tau}

Итоговое состояние есть Z_t := Z_t^{(L)}, где B_L = B_0 \cdot s^{-L} бит. Каскад задаёт цепь Маркова:

X_{t+1:\infty} \;-\!\!-\; Z_t^{(0)} \;-\!\!-\; Z_t^{(1)} \;-\!\!-\; \cdots \;-\!\!-\; Z_t^{(L)} = Z_t

Согласно неравенству обработки данных, предиктивная информация монотонно не возрастает:

I\!\left(Z_t^{(\tau)} \,;\, X_{t+1:\infty}\right) \geq I\!\left(Z_t^{(\tau+1)} \,;\, X_{t+1:\infty}\right)

Каждый слой теряет контролируемую величину предиктивной информации — контролируемую бюджетом искажения D_\tau для узкого места данного слоя.

1.2 Разложение на «распутывание-с-последующим-огрублением»

Каждый переход между слоями Z^{(\tau)} \to Z^{(\tau+1)} раскладывается на два канонических шага:

• Распутывание: Применяется локальная обратимая перестановка, моделируемая как отображение-перестановка U_\tau \in S_{|\mathcal{Z}|} на Z^{(\tau)}, которое переводит взаимно нерелевантные ветви Прогностического множества ветвей — ветви, не разделяющие никакой предиктивной информации о будущем, — в соседние позиции. Этот классический шаг обратим; никакая информация не теряется.

• Огрубление (бутылочное отображение): Состояния разбиваются на группы по s, и к каждой группе применяется классическое стохастическое бутылочное отображение сжатия W_\tau: \mathcal{Z}^s \to \Delta(\mathcal{Z}). Размерность связи фиксируется как \chi = 2^{B_0/N}, где N — число граничных узлов. Чтобы формально функционировать как точная дискретная тензорная размерность гильбертова пространства, а не как эффективный непрерывный масштаб, фреймворк строго требует выполнения диофантова ограничения 2^{B_0/N} \in \mathbb{Z}^+. Это явно гарантирует, что точная целочисленная размерность \chi задаёт энтропию на узел \log \chi = B_0/N, геометрически согласованную с графиком ёмкости B_\tau = B_0 \cdot s^{-\tau}. Примечание: Квантовые целевые структуры, используемые в §2, — это изометрия MERA w_\tau: \mathbb{C}^\chi \to (\mathbb{C}^\chi)^{\otimes s} (чьё сопряжённое отображение w_\tau^\dagger реализует огрубление) и распутыватель u_\tau. Отображения §1, W_\tau: \mathcal{Z}^s \to \Delta(\mathcal{Z}) и U_\tau \in S_{|\mathcal{Z}|}, являются классическими объектами OPT. Вложение, которое их связывает, устанавливается в Приложении P-2.

Композиция W_\tau \circ U_\tau на каждом слое, последовательно составленная для \tau = 0, \ldots, L-1, образует полную тензорную сеть. Теперь мы покажем, что это в точности MERA.

§2. MERA — формальные определения

Мы излагаем релевантные определения из Vidal (2008) [43] в форме, подходящей для отображения в OPT.

2.1 Тензоры

MERA для одномерной цепочки из N граничных узлов с локальным гильбертовым пространством \mathbb{C}^\chi состоит из L слоёв. Каждый слой \tau содержит два класса тензоров:

• Дизентанглеры u_\tau: унитарные тензоры u_\tau: (\mathbb{C}^\chi)^{\otimes 2} \to (\mathbb{C}^\chi)^{\otimes 2}, действующие на соседние пары узлов. Они устраняют короткодействующую запутанность, не изменяя общей размерности гильбертова пространства. Унитарность: u^\dagger u = u u^\dagger = I.

• Изометрии w_\tau: тензоры w_\tau: \mathbb{C}^\chi \to (\mathbb{C}^\chi)^{\otimes s}, удовлетворяющие условию w_\tau^\dagger w_\tau = I_{\mathbb{C}^\chi} (изометричность: отображение является инъекцией из грубозернистого пространства в мелкозернистое пространство). Сопряжённое отображение w_\tau^\dagger: (\mathbb{C}^\chi)^{\otimes s} \to \mathbb{C}^\chi реализует огрубление, отображая s мелкозернистых узлов в 1 грубый узел.

Полная MERA отображает верхнее состояние |\psi_{\text{top}}\rangle \in \mathbb{C}^\chi (bulk) в граничное состояние |\psi_{\text{boundary}}\rangle \in (\mathbb{C}^\chi)^{\otimes N}, последовательно применяя слои от bulk к границе, причём каждый слой расширяет пространство состояний в s раз.

2.2 Причинный конус MERA

Причинный конус \mathcal{C}(x) граничного узла x \in \{1, \ldots, N\} — это минимальное множество тензоров в сети, значения которых могут влиять на редуцированную матрицу плотности \rho_x узла x. Он вычисляется снизу вверх (из объёма к границе).

На слое объёма (глубина \tau = L от границы): \mathcal{C}(x) содержит единственный верхний тензор. На каждом последующем слое по направлению к границе причинный конус расширяется в s раз на каждом слое изометрий и не более чем в 2 раза на каждом слое дизэнтанглеров. Ширина \mathcal{C}(x) на граничной глубине \tau от вершины равна:

w(\tau) = \mathcal{O}(s^\tau) \qquad \text{[экспоненциально растёт от объёма к границе]}

Для критической MERA (s = 2) ширина причинного конуса растёт как 2^\tau на глубине \tau и после L слоёв достигает полной ширины границы N = s^L.

2.3 Энтропия запутанности и минимальный разрез

Для связной граничной области A длины |A| = l энтропия запутанности S(A) в состоянии MERA ограничена числом связей, пересекаемых минимальной поверхностью \gamma_A, проходящей через объём тензорной сети:

S(A) \leq |\gamma_A| \cdot \log \chi

где |\gamma_A| — число связей в минимальном разрезе, а \chi — размерность связи. Для масштабно-инвариантной MERA выполняется |\gamma_A| \sim \frac{c}{3} \log l, что воспроизводит энтропию запутанности CFT, S(A) \sim \frac{c}{3} \log l, при c/3 = \log \chi. Это дискретный аналог формулы Рю — Такаянги в AdS/CFT.

§3. Теорема T-3a — Структурный гомоморфизм

Теорема T-3a (гомоморфизм MERA–OPT). Каскад Information Bottleneck из L слоёв в OPT \{Z_t^{(\tau)},\, \tau = 0, \ldots, L\} с граничным состоянием Z_t^{(0)} = X_{\partial_R A}, объёмным состоянием Z_t^{(L)} = Z_t, ёмкостью слоя B_\tau = B_0 \cdot s^{-\tau} и размерностью связи \chi = 2^{B_0/N} структурно гомоморфен топологии слоёв MERA с L слоями, масштабным коэффициентом s и размерностью связи \chi при следующем формальном классическом отображении: - (i) огрубление в OPT W_\tau \;\leftrightarrow\; сопряжённая к изометрии MERA w_\tau^\dagger - (ii) disentangler в OPT U_\tau \;\leftrightarrow\; disentangler MERA u_\tau

3.1 Доказательство — Идентификация изометрии

Тензор грубого зернения OPT на слое \tau вычисляется через условное распределение q^*(z^{(\tau+1)} \mid z^{(\tau)}), порождённое оптимизацией узкого места. Хотя общий информационный бюджет задаёт среднее макроскопическое отношение ёмкостей B_\tau / B_{\tau+1} = s, классическое стохастическое узкое место само по себе не навязывает точную равномерную кардинальность слоёв прообраза (то есть строгий дискретный прообраз размера s для каждого выхода z^{(\tau+1)}). Поэтому формализация этого явного шага ограничивает архитектуру идеализированным пределом плотного отображения (D \to 0), при условном допущении, что параметры идеально выделяют равномерные информационные структуры.

Однако q^* представляет собой классическую стохастическую вероятностную матрицу, а не комплексную квантовую унитарную матрицу. Утверждение о выполнении подлинного условия изометрии в гильбертовом пространстве (W_\tau W_\tau^\dagger = I_{\mathbb{C}^\chi}) было бы категориальной ошибкой. Истинная частичная изометрия требует явного вложения этих дискретных состояний в вычислительный базис на \mathbb{C}^\chi. Приложение P-2 (Условное квантовое соответствие) устанавливает это вложение: теорема P-2.0 задаёт идентификацию вычислительного базиса, а теорема P-2c доказывает, что оптимальное отображение узкого места в плотном пределе действует как частичная изометрия внутри подпространства, защищённого QECC. При условии локальной модели шума из P-2 структурный гомоморфизм повышается до подлинного изоморфизма тензорной сети внутри кодового пространства. \blacksquare

3.2 Доказательство — Идентификация дизентанглера

Чисто классический дизентанглер U_\tau устанавливается как локальная биекция (перестановка алфавита состояний из симметрической группы S_{|\mathcal{Z}|}), которая переупорядочивает Z^{(\tau)} так, чтобы минимизировать межгрупповые избыточности (то есть взаимную информацию) до их огрубления.

U_\tau = \operatorname*{arg\,min}_{U \in S_{|\mathcal{Z}|}} \sum_{j \neq k} I\!\left( U(Z^{(\tau)})_{\text{group}\, j} \,;\, U(Z^{(\tau)})_{\text{group}\, k} \right)

Это соответствует структурной цели дизентанглера MERA: устранять короткодействующую запутанность (корреляции между соседними группами) перед огрублением. Подлинная комплексная унитарность (U^\dagger U = I) устанавливается Теоремой P-2.0 (Приложение P-2): при вложении в вычислительный базис перестановка U_\tau \in S_{|\mathcal{Z}|} единственным образом поднимается до унитарной матрицы в U(\mathbb{C}^\chi) через представление перестановок.

Оговорка (Перестановка vs. Общая унитарность). Теорема P-2.0 поднимает дизентанглеры OPT в подгруппу перестановок группы U(\mathbb{C}^\chi), а не во всю унитарную группу. Стандартные дизентанглеры MERA — это общие унитарные операторы u_\tau \in U(\mathbb{C}^\chi \otimes \mathbb{C}^\chi); подгруппа перестановок является строгим подмножеством (|S_\chi| = \chi! против \dim U(\chi) = \chi^2 непрерывных параметров). Следовательно, изоморфизм, устанавливаемый P-2.0+P-2c, относится к перестановочной MERA — ограниченному подклассу. Расширение до полной MERA потребовало бы выявления внутренне присущего OPT механизма, который порождает общие унитарные операторы, а не перестановки. Этот разрыв не влияет на RT-границу энтропии (P-2d), которая зависит только от условия изометрии P-2c, а не от класса дизентанглеров. \blacksquare

Словарь изоморфизма MERA–OPT

§4. Теорема T-3b — тождество причинного конуса

Теорема T-3b (соответствие причинных конусов). При гомоморфизме из T-3a Информационный причинный конус OPT (препринт, §3.3) структурно соответствует (по масштабированию порядка величины) причинному конусу MERA. Настоящая апертура Z_t отображается в верхний тензор bulk; установившаяся Каузальная запись \mathcal{R}_t соответствует прошлым состояниям bulk; Прогностическое множество ветвей \mathcal{F}_h(z_t) соответствует неренормализованным степеням свободы на границе MERA, отстоящей на h слоёв от настоящего.

4.1 Направление соответствия

Здесь есть тонкость, связанная с ориентацией, и её необходимо сформулировать точно. В MERA сеть идёт от границы (UV, мелкозернистой) к объёму (IR, крупнозернистому). В OPT Информационный причинный конус идёт из прошлого (установившегося, сжатого) через апертуру настоящего в будущее (Прогностическое множество ветвей, неразрешённое). Соответствие таково:

4.2 Доказательство — ширина причинного конуса = ёмкости Прогностического множества ветвей

В MERA причинный конус объёмного состояния Z_t (на глубине L от границы) расширяется по мере движения к границе: на глубине \tau слоёв от вершины конус имеет ширину s^\tau. Это задаёт число граничных узлов, которые могут независимо влиять на Z_t.

В OPT Прогностическое множество ветвей \mathcal{F}_h(z_t) на глубине h временных шагов от настоящей апертуры содержит не более 2^{B \cdot h} различимых будущих состояний (препринт, уравнение 5: \log|\mathcal{F}_h| \leq Bh). Глубина слоя в MERA соответствует \tau = h. Мы наблюдаем несоответствие между экспоненциальной и линейной оценками сверху (s^\tau \cdot B/L бит в MERA через масштабное расширение против B \tau в Прогностическом множестве ветвей через хронологическую аккрецию). Ширина причинного конуса и ёмкость Прогностического множества ветвей в OPT надёжно согласуются по порядку величины, но строгое точное совпадение достигается лишь в пределе однослойного кодека (L=1). Кроме того, отождествление пассивной топологии MERA с зависящим от действия Прогностическим множеством ветвей подразумевает, что мы работаем исключительно в пределе пассивного наблюдателя (a \equiv \text{const}). \blacksquare

4.3 Доказательство — Каузальная запись = прошлый bulk

Установившаяся Каузальная запись \mathcal{R}_t = (Z_0, Z_1, \ldots, Z_t) (препринт, §3.3) состоит из всех прошлых сжатых состояний — bulk-состояний, которые уже были отрендерены в установившееся прошлое. В MERA им соответствует последовательность прошлых bulk-состояний, связанных временной динамикой кодека K_\theta (препринт, уравнение 6). Установившийся, низкоэнтропийный характер \mathcal{R}_t соответствует тому факту, что bulk-состояния в MERA по построению обладают низкой энтропией запутанности — они являются результатом процедуры распутывания с грубым зернением. \blacksquare

§5. Теорема T-3c — Прогностическое множество ветвей как граничный UV и дискретная формула Рю—Такаянаги

Теорема T-3c (Прогностическое множество ветвей = граничный UV; дискретная RT).

1. Прогностическое множество ветвей \mathcal{F}_h(z_t) вероятностно отображается на множество неренормализованных степеней свободы на границе MERA — граничный UV-слой MERA, применённой к кодеку на временном шаге t + h.

2. Классический предел обработки данных (граница bulk-сечения): энтропия предиктивного сечения, корректно вычисленная на внутреннем слое минимального bulk-сечения, явно удовлетворяет: S_{\text{cut}}^{(\tau^*)}(A) \leq |\gamma_A| \log \chi

3. Дискретное квантовое RT-расширение (при условии вложения P-2d):

\boxed{S_{\text{vN}}(\rho_A) \leq |\gamma_A| \log \chi}

где \gamma_A — поверхность минимального сечения в bulk MERA, а \chi = 2^{B_0/N} — размерность связи. Эта граница выполняется при условии изометрии P-2d; при отсутствии квантовой структуры она сводится к классической границе bulk-сечения из пункта (b).

5.1 Доказательство — Прогностическое множество ветвей как граничный UV

Граничный UV-слой MERA в момент времени t+h состоит из всех возможных входных состояний X_{\partial_R A}^{(t+h)} — тонкозернистых, не подвергнутых огрублению граничных состояний, которые будут обрабатываться кодеком на протяжении следующих h временных шагов. В силу каскадной структуры это в точности те состояния, которые достижимы из текущей апертуры Z_t = Z_t^{(L)} при обратном прогоне MERA (от объёма к границе) на протяжении h слоёв — то есть путём расширения причинного конуса Z_t на h шагов.

Прогностическое множество ветвей \mathcal{F}_h(z_t) определяется в препринте (§3.3) следующим образом:

\mathcal{F}_h(z_t) := \left\{ z_{t+1:t+h} : p(z_{t+1:t+h} \mid z_t,\, a_{t:t+h-1}) > 0 \right\}

Это в точности те последовательности состояний объёма, которые достижимы из Z_t в пределах h слоёв MERA при вероятностном действии каскада в направлении развёртывания. Эта идентификация требует, чтобы MERA вычислялась в обоих направлениях — граница \to объём (сжатие прошлого) и объём \to граница (развёртывание будущего). Прогностическое множество ветвей явно соответствует второму направлению, которое представляет собой точное множество носителя расширения причинного конуса состояния объёма к граничному UV при отождествлении с обращением времени, должным образом отмеченном в §4.1. \blacksquare

5.2 Доказательство — отображённая граница дискретного Рю—Такаянаги

Пусть A и \bar{A} = V \setminus A образуют бипартицию границы. Пусть \tau^* — минимальный слой, на котором граница раздела A/\bar{A} в тензорной сети полностью пересекается (слой минимального разреза). На этом слое локальная пропускная способность узкого места взаимной информации жёстко ограничена пропускной способностью тех связей, которые пересекаются:

S_{\text{cut}}^{(\tau^*)}(A) \leq |\gamma_A| \cdot \log \chi \qquad (\text{Межгрупповая граница bulk})

Хотя это действительно точно устанавливает дискретную границу пропускной способности Рю—Такаянаги на уровне минимального разреза в bulk, формально перенести эту границу вверх, чтобы ограничить энтропию предиктивного разреза внешней границы S_{\text{cut}}(A) = S_{\text{cut}}^{(0)}(A), с помощью неравенства обработки данных невозможно (поскольку DPI требует, чтобы энтропия при сжатии вниз монотонно уменьшалась, а не возрастала: S_{\text{cut}}^{(0)} \geq S_{\text{cut}}^{(\tau^*)}).

Корректный путь к полной целевой дискретной граничной оценке RT (S_{\text{vN}}(\rho_A) \leq |\gamma_A| \log \chi) требует ограничить ранг Шмидта относительно бипартиции — стратегия, которая требует рассматривать сеть как конструирующую граничное состояние посредством подлинных линейных изометрий. Теперь это установлено в Приложении P-2: теорема P-2d доказывает дискретную квантовую формулу Рю—Такаянаги через разложение Шмидта состояния MERA по минимальному разрезу при условии выполнения условия изометрии из P-2c. \blacksquare (при условии изометрии P-2d).

§6. Эпистемическая лестница — от классического к квантовому RT

Три приведённые выше теоремы устанавливают структуру MERA на классическом информационно-теоретическом уровне. Эпистемическая лестница из §3.4 препринта описывает условия, при которых можно подняться на каждую её ступень.

Квантовая формула RT требует заменить классическую энтропию предиктивного среза I(X_A;\, X_{V \setminus A}) на энтропию запутанности фон Неймана S_{\text{vN}}(\rho_A) матрицы плотности \rho_A. Это предполагает гильбертову структуру пространства состояний для Z_t. Выведение этой структуры — через аргумент квантовой коррекции ошибок ADH (препринт P-2) — остаётся следующим формальным шагом. Как только P-2 будет замкнут, размерность связи \chi = 2^{B_0/N} станет квантовой размерностью связи, а классическая взаимная информация в доказательстве T-3c будет заменена квантовой взаимной информацией, что восстановит полную квантовую формулу RT с поправочным bulk-членом S_{\text{bulk}}.

§7. Эмерджентная объёмная геометрия из кодового расстояния

Объёмная геометрия MERA не является заранее существующим контейнером. В соответствии с изоморфизмом T-3a это информационное метрическое пространство кодека: геометрия расстояний сжатия.

7.1 Кодовое расстояние как метрика балка

Определим дискретное целочисленное кодовое расстояние d(z^{(\tau)}, z'^{(\tau)}) между двумя состояниями на слое \tau каскада как минимальное число перестановок disentangler-swaps, необходимых для их соединения внутри тензорной сети.

При корректном термодинамическом или континуальном пределе (N \to \infty, a \to 0) можно аппроксимировать метрику балка g_{ij}^{\text{bulk}}(\tau) на непрерывной пространственной шкале слоя \tau как:

g_{ij}^{\text{bulk}}(\tau) \propto \lim_{a \to 0} \frac{d\!\left(z_i^{(\tau)},\, z_j^{(\tau)}\right)^2}{d\!\left(z_i^{(0)},\, z_j^{(0)}\right)^2}

Это структурное ожидание, обусловленное масштабной инвариантностью каскада и предположением, что Permutation MERA допускает непрерывную аппроксимацию общей MERA в континуальном пределе, — в соответствии с известными результатами Свингла (2012) и Нодзаки–Рю–Такаянаги (2012), но не гарантированное для дискретного каскада с конечным числом слоёв. Следовательно, при этих гипотезах о континуальном пределе мы ожидаем, что геометрия пространства-времени будет искривляться именно там, где кодовое расстояние расходится, — то есть там, где требуемая предиктивная скорость R_\text{req} приближается к C_\text{max}, что стратегически согласуется с отождествлением переполнения rate-distortion в T-2.

7.2 Связь с T-2

В T-2 было установлено, что гравитационная кривизна G_{\mu\nu} является метрической производной энтропии рендера S_{\text{render}}. Структура MERA теперь уточняет микроскопическое происхождение S_{\text{render}}: это энтропия минимального сечения |\gamma_A| \log \chi, а тензор Эйнштейна G_{\mu\nu} представляет собой отклик этой энтропии сечения на метрические возмущения в геометрии объёма, индуцированные кодовым расстоянием. Следовательно, оба приложения согласованы: T-2 задаёт макроскопические полевые уравнения; T-3 раскрывает микроскопическое тензорно-сетевое происхождение энтропийного функционала, экстремум которого они определяют.

§8. Итог замыкания и открытые направления

Результаты T-3 — частично разрешены → условно повышены (с P-2)

1. T-3a (изоморфизм MERA). Каскад узких мест OPT с L слоями структурно гомоморфен MERA с послойным коэффициентом s и глубиной L. С Приложением P-2 (теоремы P-2.0 и P-2c) это повышается до изоморфизма тензорных сетей внутри подпространства, защищённого QECC, при условии локального шума. Примечание: изоморфизм относится к перестановочной MERA (дизентанглеры в подгруппе перестановок U(\mathbb{C}^\chi)), а не к общей MERA с произвольными унитарными дизентанглерами. Это ограничение не влияет на границу RT (P-2d), но сужает соответствие до подкласса сетей MERA.

2. T-3b (соответствие причинных конусов). Информационный причинный конус масштабируется с симметрией по порядку величины к структуре причинного конуса MERA в пределе пассивного наблюдателя, хотя профили глубины различаются. Прогностическое множество ветвей соответствует ненормализованным граничным данным. (Результат изометрии из P-2 применим в пределах пассивного наблюдателя; зависящие от действия члены a_{t:t+h-1} в определении Прогностического множества ветвей требуют расширения на открытые системы, которое в P-2 не рассматривается.)

3. T-3c (дискретная квантовая RT). Исходное доказательство на основе DPI ограничивало объём, но не граничную энтропию. С изометрией из P-2c теорема P-2d устанавливает полную граничную оценку S_{\text{vN}}(\rho_A) \leq |\gamma_A| \log \chi через ранг Шмидта состояния MERA.

4. Эмерджентная геометрия объёма. Метрика объёма MERA g_{ij}^{\text{bulk}} индуцируется из кодового расстояния в каскаде. Пространство-время искривляется там, где кодовое расстояние расходится, что согласуется с отождествлением в T-2 G_{\mu\nu} как метрической производной энтропии рендера. (Предел континуума всё ещё требуется.)

5. Статус Эпистемической лестницы. Ступень 2 (дискретная квантовая RT) теперь доказана через P-2d. Ступень 3 (полная квантовая RT с поправкой на объём) требует предела континуума, который ещё не выведен из примитивов OPT.

Открытые направления, ставшие возможными благодаря этому замыканию

• P-2 (правило Борна / гильбертово пространство) теперь имеет точную точку входа: размерность связи \chi должна быть вложена как размерность квантового гильбертова пространства. Как только коррекция ошибок ADH навязывает структуру логических кубитов, классическая связь \chi = 2^{B_0/N} повышается до квантовой связи с энтропией фон Неймана, и дискретная RT из T-3c становится полной квантовой RT с поправкой на объём S_{\text{bulk}}.

• P-3 (асимметричная голография): реконструкция объёма MERA и неравенство Фано теперь получают общий формальный дом. Неравенство Фано (препринт §3.10) ограничивает способность наблюдателя реконструировать субстрат изнутри рендера — то есть именно необратимость отображения MERA (граница \to объём есть кодек; инверсия объём \to граница невозможна после глубины минимального разреза \tau^*).

• T-5 (восстановление констант): размерность связи \chi = 2^{B_0/N} и коэффициент огрубления s задают новые ограничения на безразмерные константы. В частности, s = 2 и L = \log_s(B_0/B_L) должны быть согласованы с планковским отождествлением l_{\text{codec}} = l_P из T-2, что накладывает ограничения на отношение B_0/B_L.

• §8.3, пункт 3 препринта (MERA/каузальное множество): формальное отображение граничных слоёв MERA Прогностического множества ветвей на аппарат каузальных множеств для извлечения метрических свойств воспринимаемого пространства-времени исключительно из секвенирования кодека. Метрика кодового расстояния g_{ij}^{\text{bulk}} из §7 служит отправной точкой.

Это приложение поддерживается как часть репозитория проекта OPT наряду с theoretical_roadmap.pdf. Ссылки: Vidal (2008) [43], Pastawski et al. (2015) [44], Almheiri-Dong-Harlow (2015) [42], Tishby et al. (1999) [28], Ryu-Takayanagi (2006).