Teorien om den ordnede patchen (OPT)

Opprinnelig oppgave T-4: MDL- / parsimonisammenligning Problem: Det levende preprintet hevder parsimoni i forhold til standardfysikk ved å behandle fysiske lover som makroskopiske kompresjonsalgoritmer, men gir ikke en formell MDL-sammenligning. Leveranse: Komparativ MDL-analyse av OPT versus referanseklasser av fysikkmodeller under eksplisitte kodingskonvensjoner.

Lukkestatus: LUKKET (betinget av typikalitet og IC-normalisering). Dette appendikset leverer den formelle MDL-evalueringen som kreves av T-4. Tre referanseklasser av modeller er fastsatt med eksplisitte kodingskonvensjoner. Fire teoremer og én konjektur etableres: (T-4a) OPTs selektorregel har beskrivelseslengde \mathcal{O}(1); (T-4b) Solomonoff-dominans begrenser OPTs log-loss ovenfra; (Konjektur T-4c) den antatte kilden til OPTs strukturelle fordel er initialbetingelseskompresjon; (T-4d) OPT oppnår en permanent modellkompleksitetsfordel på et konstant antall bit over enhver beregnbar referansemodell; (T-4e) fordelen for endelig T kvantifiseres betinget. Lukningen hviler på tre bærende betingelser: typikaliteten til observatørstrømmen, absorpsjonen av Solomonoff-normaliseringsstraffen \log(1/\xi(\mathcal{O})), og tilstanden K(\text{IC} \mid \text{SP}) > K_0.

§1. Fastsettelse av MDL-kodingskonvensjonene

MDL-sammenligninger er meningsløse uten eksplisitte, faste kodingskonvensjoner. Preprintens §5.1 påpeker dette kravet, men utsetter det. Vi fastsetter konvensjonene her i tråd med Rissanen (1978) [12] og Li & Vitányis (2008) [27] todelte MDL-rammeverk.

1.1 Todelt kodelengde

For en hypoteseklasse \mathcal{M} og observasjonssekvensen y_{1:T} \in \{0,1\}^* er den todelte MDL-kodelengden:

L_T(\mathcal{M}) = K(\mathcal{M}) + L(y_{1:T} \mid \mathcal{M}) \tag{preprint §5.1, Eq. 13}

der K(\mathcal{M}) er prefiks-Kolmogorov-kompleksiteten til hypotesen — lengden på det korteste selvavgrensende programmet på en fast universell Turing-maskin (UTM) som produserer en fullstendig beskrivelse av \mathcal{M} — og L(y_{1:T} \mid \mathcal{M}) er den negative log-likelihooden til dataene under \mathcal{M}s beste prediktive modell:

L(y_{1:T} \mid \mathcal{M}) = -\log_2 P_\mathcal{M}(y_{1:T})

For deterministiske teorier (lover + IC bestemmer observasjonene entydig) er L(y_{1:T} \mid \mathcal{M}) = 0 når y er konsistent med teorien, og L = \infty ellers. Alle logaritmer har base 2; alle kodelengder er i bit.

1.2 Den universelle maskinen

Vi fikser én enkelt optimal UTM \mathcal{U} gjennomgående. Alle Kolmogorov-kompleksiteter er relative til \mathcal{U}; resultater endres med høyst \mathcal{O}(1) bit ved et annet valg av UTM. Solomonoff-målet \xi er definert relativt til \mathcal{U} (preprint ligning 1). Dette fastsetter konvensjonen for alle etterfølgende sammenligninger.

1.3 Omfanget av y_{1:T}

Vi sammenligner modeller på det domenet hver av dem er utformet for å predikere: observatørens bevisste strøm y_{1:T} = z_{0:T} (sekvensen av komprimerte latente tilstander, C_{\max} bits per sekund over T sekunder). Standardfysikk evalueres på det samme domenet ved å redusere dens prediksjoner til den observatørkompatible strømmen via grovkornethet. Begge teorier blir bedt om å redegjøre for nøyaktig de samme observasjonene.

§2. Referanseklasser for modeller

Tre referanseklasser fastsettes. Hver tildeles et eksplisitt estimat for K(\mathcal{M}) under vår UTM-konvensjon. Presise numeriske verdier er estimater på størrelsesordennivå; de strukturelle resultatene i §§3–7 avhenger bare av ordningen, ikke av de eksakte verdiene.

2.1 \mathcal{M}_1 — Standardmodellen + generell relativitet

Den fysisk teorien som for tiden er mest prediktivt presis. Beskrivelsen av den krever tre komponenter:

• Matematisk struktur K_{\text{struct}}: gauge-gruppen \text{SU}(3) \times \text{SU}(2) \times \text{U}(1), Lorentz-invarians, renormaliserbarhet og GRs diffeomorfismesymmetri. Kolmogorov-kompleksitet: K_{\text{struct}} \approx 10^3 bits.

• Parameterverdier K_{\text{param}}: 19 frie parametere i SM + 3 blandingsvinkler + 1 CP-fase + \Lambda + G + c \approx 25 konstanter kodet til eksperimentell presisjon (\sim 30 bits hver): K_{\text{param}} \approx 750 bits.

• Initialbetingelser K_{\text{IC}}: under det inflasjonære paradigmet, K_{\text{IC}}^{\text{inf}} \approx 200–400 bits. Merk: Vi scorer ikke Penroses termodynamiske entropigrense på 10^{123} her, fordi den måler makroskopisk fase-rom-volum (S), ikke spesifikk algoritmisk Kolmogorov-kompleksitet (K). Den spesifikke mikrotilstanden kan være høyt komprimerbar. Vi baserer oss utelukkende på de ærlige inflasjonære grensene.

K(\mathcal{M}_1) = K_{\text{struct}} + K_{\text{param}} \approx 1750 \text{ bits}

K(\text{IC} \mid \mathcal{M}_1) \approx 300 \text{ bits (inflasjonær)}

2.2 \mathcal{M}_2 — Generisk renormaliserbar QFT

Klassen av alle renormaliserbare kvantefeltteorier i \leq 4 romtidsdimensjoner. Denne klassen inneholder \mathcal{M}_1 som ett medlem. Fordi gauge-gruppe og partikkelinnhold også må spesifiseres:

K(\mathcal{M}_2) \gg K(\mathcal{M}_1) \gg 1750 \text{ bits}

\mathcal{M}_2 er inkludert som kontrast for OPTs påstand om at lover selekteres, ikke enumereres. Selv om MDL-sammenligningen med \mathcal{M}_2 trivielt vinnes av enhver endelig underklasse (inkludert \mathcal{M}_1) fordi K(\mathcal{M}_2) er ubegrenset, tjener inkluderingen formelt til å demonstrere den uendelige skalaen i parameterseleksjonsproblemet som Stabilitetsfilteret kollapser direkte.

2.3 \mathcal{M}_3 — Boltzmann-hjerne / termisk fluktuasjon

Standardfysikk med maksimalt enkle initialbetingelser: en termisk tilstand (maksimal entropi) på Planck-skalaen. Lovene er identiske med \mathcal{M}_1; initialbetingelsene er trivielt enkle:

K(\mathcal{M}_3) \approx K(\mathcal{M}_1) \approx 1750 \text{ bits}, \qquad K(\text{IC} \mid \mathcal{M}_3) \approx 10 \text{ bits}

Imidlertid er log-likelihooden for å observere en ordnet bevisst strøm y_{1:T} under \mathcal{M}_3 astronomisk liten: L(y_{1:T} \mid \mathcal{M}_3) \approx K(y_{1:T}) \gg T \cdot C_{\max}. \mathcal{M}_3 har dermed neglisjerbar IC-kostnad, men en katastrofal likelihood-kostnad, og er inkludert for å vise at OPTs MDL-fordel ikke oppnås ved det samme trikset.

§3. OPTs kodelengde — Teorem T-4a

MDL-kodelengden for OPT dekomponeres som:

L_T(\text{OPT}) = K(\xi, \text{Filter}) + L(y_{1:T} \mid \xi, \text{Filter}) = K_0 + \left(-\log \xi^{\text{Filter}}(y_{1:T})\right)

der \xi^{\text{Filter}} er Solomonoffs semimål \xi betinget på den observatør-kompatible klassen \mathcal{O} (strømmer som oppfyller R_{\text{req}} \leq B_{\max}), og K_0 = K(\xi, \text{Filter}) er beskrivelseslengden til selektorregelen.

Teorem T-4a (grense for kompleksiteten til metaregel). K(\xi, \text{Filter}) = K_0 = \mathcal{O}(1) bits. Spesifikt:

K_0 \leq K(\mathcal{U}) + K(C_{\max}) + K(\Delta t) + c

der K(\mathcal{U}) er kompleksiteten til UTM-en, K(C_{\max}) = \mathcal{O}(\log C_{\max}) bits koder båndbreddegrensen til eksperimentell presisjon, K(\Delta t) = \mathcal{O}(\log \Delta t) koder oppdateringsvinduet, og c er en liten universell konstant.

Bevis. Solomonoffs semimål \xi er entydig bestemt av den faste UTM-en \mathcal{U}, så K(\xi \mid \mathcal{U}) = \mathcal{O}(1). Stabilitetsfilteret krever to parametere: C_{\max} og \Delta t, hver målt til \sim 4 signifikante sifre, så K(C_{\max}, \Delta t) \leq 2 \times (4 \times \log_2 10) \approx 26 bits. Betingelsen R_{\text{req}} \leq B_{\max} er en enkelt ulikhet i fast notasjon: \sim 10 bits. Totalt: K_0 \leq K(\mathcal{U}) + 36 bits.

For å absorbere K(\mathcal{U}) på en rimelig måte må vi anta en «epistemisk nøytral» UTM — det vil si en referansemaskin hvis innebygde instruksjonssett ikke fortrinnsvis koder noen fysisk teori (dvs. en grunnleggende kombinator- eller Brainfuck-ekvivalent geometri, fullstendig agnostisk med hensyn til fysikk). Under en slik ubundet maskin er det gyldig å opprettholde K(\xi, \text{Filter}) \approx 36 bits samtidig som man standardiserer K(\mathcal{M}_1) \approx 1750 bits. Vi erkjenner at dette spesifikt gjør det absolutte bittallet sårbart for en \mathcal{O}(1)-skalering av konstanten dersom UTM-en endres, noe som betyr at beregningen 36 vs 1750 iboende er relativ. Den strukturelt redelige matematiske formuleringen her er rangordningen (K_0 \ll K(\mathcal{M}_1)), som hevder en robust strukturell fordel uavhengig av den presise numeriske konstanten. \blacksquare

Sammenligning: Ekskludert den delte UTM-overheaden, K_0 \approx 36 bits mot K(\mathcal{M}_1) \approx 1750 bits. OPTs selektorregel er kortere enn Standardmodell-beskrivelsen med K(\mathcal{M}_1) - K_0 \approx 1714 bits. Dette er den strukturelle parsimonifordelen som hevdes i §5 i preprinten — nå med en eksplisitt bittelling.

§4. Solomonoff-dominansgrensen — Teorem T-4b

Teorem T-4b (Solomonoff-dominansgrensen). For ethvert beregnbart fysikkmål \nu (inkludert \mathcal{M}_1, \mathcal{M}_2, \mathcal{M}_3) med K(\nu) < \infty, og for enhver datastrøm y_{1:T}:

L_T(\text{OPT}) \leq L_T(\nu) + K'_0

der K'_0 = K_0 + \log(1/\xi(\mathcal{O})). Dette representerer kompleksiteten til grunnregelen pluss den nødvendige algoritmiske normaliseringsstraffen som påløper ved å kondisjonere det universelle målet på observatørklassen \mathcal{O}.

Bevis. Fra definisjonen av Solomonoff-målet (preprint ligning 1), med w_\nu \asymp 2^{-K(\nu)}:

\xi(y_{1:T}) \geq w_\nu \cdot \nu(y_{1:T}) \geq 2^{-K(\nu)} \cdot \nu(y_{1:T})

Ved å ta negative logaritmer:

-\log \xi(y_{1:T}) \leq -\log \nu(y_{1:T}) + K(\nu)

Når vi går over fra det universelle målet \xi til det begrensede filteret \xi^{\text{Filter}}, betaler vi normaliseringskostnaden -\log \xi^{\text{Filter}}(y) = -\log \xi(y) + \log(1/\xi(\mathcal{O})). Ved innsetting i L_T(\text{OPT}):

L_T(\text{OPT}) = K_0 - \log \xi^{\text{Filter}}(y_{1:T}) \leq K_0 + \log(1/\xi(\mathcal{O})) + K(\nu) - \log \nu(y_{1:T}) = K'_0 + L_T(\nu) \qquad \blacksquare

Viktig forbehold. Teorem T-4b viser ikke at OPT overgår SP. Det viser at OPT ikke kan gjøre det dårligere enn noe referansepunkt med mer enn K'_0 bit. Vi absorberer \log(1/\xi(\mathcal{O})) inn i K_0 heretter ved å anta at klassen av observatørsekvenser avgrenses rent relativt til strukturelle UTM-konstanter, men merker dette normaliseringsgapet som en formell sårbarhet.

§5. Kompresjon av initialbetingelser — Teorem T-4c

Den strukturelle kilden til OPTs MDL-fordel er kompresjonen av initialbetingelser. I standardfysikken er lovene og initialbetingelsene separate objekter som begge må beskrives. I OPT absorberes initialbetingelsene inn i prioren: Solomonoffs semimål tilordner allerede høyest vekt til de enkleste observatør-kompatible strømmene, noe som gjør en separat spesifikasjon av IC overflødig.

5.1 IC-redundansargumentet

Under standardfysikk (\mathcal{M}_1) er den fulle MDL-koden for en deterministisk teori:

L_T(\text{SP}) = K_{\text{laws}} + K(\text{IC} \mid \text{laws}) + 0 \qquad \text{[deterministisk: } -\log P = 0 \text{ hvis konsistent]}

IC-leddet K(\text{IC} \mid \text{laws}) er beskrivelseslengden til de spesifikke initialbetingelsene gitt lovene — det kan ikke utledes fra lovene selv. Dette er stedet hvor finjustering oppstår.

Under OPT er todelskoden:

L_T(\text{OPT}) = K_0 + \left(-\log \xi^{\text{Filter}}(y_{1:T})\right)

Leddet -\log \xi^{\text{Filter}}(y_{1:T}) koder den spesifikke strømmen gitt metaregelen. Solomonoff-prioren inkorporerer allerede en universell modell av fysikk: -\log \xi(y) \approx K(y). OPT-kodingen trenger aldri å betale separat for IC.

Konjektur T-4c (heuristisk grense for IC-kompresjon). Definer IC-kompresjonsfordelen:

\Delta_{\text{IC}} = K(\text{IC} \mid \text{SP laws}) - K(\text{IC} \mid \text{OPT})

Vi argumenterer for følgende heuristiske grense:

\boxed{L_T(\text{OPT}) \leq L_T(\text{SP}) - \Delta_{\text{IC}} + K_0 + \mathcal{O}(1)}

der K(\text{IC} \mid \text{OPT}) := K(\text{IC} \mid \xi, \text{Filter}, \text{codec}) er den residuale beskrivelseslengden til initialbetingelsene gitt OPTs fulle modell. \Delta_{\text{IC}} \geq 0, med likhet hvis og bare hvis Stabilitetsfilteret ikke gir noen ytterligere kompresjon av IC utover det lovene allerede gir.

Argument. Med utgangspunkt i den fulle todelskoden for SP og ved å anvende Solomonoff-dominans (der normaliseringskonstantene absorberes inn i et \mathcal{O}(1)-begrensningsledd for UTM):

L_T(\text{OPT}) \leq K_0 + K(\text{laws}) + K(\text{IC} \mid \text{laws}) - \log P_{\text{SP}}(y) + \mathcal{O}(1)

Ved omarrangering og substitusjon av L_T(\text{SP}) = K_{\text{laws}} + K(\text{IC} \mid \text{laws}) (deterministisk teori):

L_T(\text{OPT}) \leq L_T(\text{SP}) + K_0 + \mathcal{O}(1)

Innenfor OPT trenger ikke -\log \xi^{\text{Filter}}(y_{1:T}) å kode IC individuelt: Filteret selekterer fra Solomonoff-prioren, som komprimerer IC iboende via lengdevekting. AIT-subadditivitet garanterer K(\text{IC} \mid x, f(x)) \leq K(\text{IC} \mid x) + \mathcal{O}(1). Hvis vi postulerer at OPTs seleksjonsregel avgrenser som en strammere beskrivelsesstreng enn det å ganske enkelt angi de rå lovene (som er rammeverkets kjerneveddemål, ikke et matematisk avledet bevis), kan den residualt kodede K(\text{IC} \mid \text{OPT}) ikke overstige K(\text{IC} \mid \text{laws}) i vesentlig grad. Dette gir heuristisk \Delta_{\text{IC}} \geq 0.

Ved substitusjon: L_T(\text{OPT}) \leq L_T(\text{SP}) - \Delta_{\text{IC}} + K_0 + \mathcal{O}(1). \blacksquare

Merknad. Vi antar at den antro piske kompresjonen K(\text{IC} \mid \text{OPT}) \approx 0 virker i grensen der Stabilitetsfilteret er sterkt innskrenkende og matematisk avbilder til entydig observatør-kompatible tilstander. Dette er en motivert fysisk påstand snarere enn en algoritmisk bevist entydighetsgrense.

§6. Konstant-bit-fordel i modellkompleksitet — Teorem T-4d

Teorem T-4d (Permanent konstant-bit MDL-fordel — betinget av typikalitet). For enhver fast, ikke-triviell beregnbar fysikkmodell \nu med K_0 < K(\nu) < \infty, oppnår OPT-formuleringen en fast, permanent fordel i modellkompleksitet spesifikt for enhver y_{1:T} \in \mathcal{O} som også er \nu-typisk. Når sekvenslengden T \to \infty, er forskjellen i total kodelengde strukturelt bundet:

L_T(\text{OPT}) - L_T(\nu) \to K_0 - K(\nu)

Bevis. Fra T-4b har vi at L_T(\text{OPT}) \leq K'_0 - \log \xi^{\text{Filter}}(y_{1:T}). For enhver beregnbar \nu garanterer Solomonoffs teorem at \xi konvergerer mot \nu nøyaktig på \nu-typiske sekvenser: målt som \nu-nesten-alle y_{1:\infty}. Merk den dype formelle spenningen her: Stabilitetsfilteret isolerer strømmer som evalueres som strengt laventropiske og strukturerte, og kartlegger dem dermed strukturelt som atypiske sammenlignet med standard ukonstraint maksimum-entropi-\nu-målte strømmer. Med mindre den filtrerte observatørklassen \mathcal{O} og den \nu-typiske klassen har et påviselig ikke-trivielt matematisk overlapp, kan Solomonoff-konvergensgrensen ikke utnyttes direkte. Følgelig gjelder dette teoremet betinget hvis og bare hvis den spesifikke filtrerte observatørstrømmen forblir \nu-typisk under de spesifikke benchmark-lovene (slik at mengden av slike teoretisk kompatible kryssende strømmer formelt forblir ukarakterisert):

-\frac{1}{T} \log \xi(y_{1:T}) \to H(\nu) \quad \text{as } T \to \infty

der H(\nu) er entropiraten til \nu. Tilsvarende gjelder -\frac{1}{T} \log \nu(y_{1:T}) \to H(\nu). Asymptotisk konvergerer og utjevnes log-loss-log-likelihood-leddene per bit, noe som betyr at den gjenværende fordelen i total kodelengde isoleres rent til modellens beskrivelseslengde:

\left[L_T(\text{OPT}) - L_T(\nu)\right] \to K_0 - K(\nu) < 0 \qquad \text{[siden } K_0 \approx 36 \text{ vs } K(\nu) \sim 1750 \text{]}

Merk: Selv om den totale kodelengden opprettholder denne permanente fordelen i faste biter, krymper fordelen per bit (\frac{K_0 - K(\nu)}{T}) aktivt mot null. Dette representerer ikke en asymptotisk kontinuerlig voksende fordel gjennom dataakkumulering, men snarere en permanent rigid strukturell forskyvning. \blacksquare

Numerisk estimat for \mathcal{M}_1: K(\mathcal{M}_1) - K_0 \approx 1714 bits. Når log-loss-likelihoodene konvergerer over tilstrekkelige \nu-typiske observasjonsvinduer, opprettholder OPT en permanent matematisk overlegenhet i total koding på omtrent 1714 bits.

§7. Den endelige-T betingede fordelen — Teorem T-4e

For strømmer av endelig lengde krever MDL-sammenligningen at IC-kompresjonsfordelen fra T-4c overstiger K_0-overheaden.

Teorem T-4e (Endelig-T betinget MDL-fordel). OPT oppnår en streng endelig-T MDL-fordel over \mathcal{M}_1 — det vil si, L_T(\text{OPT}) < L_T(\mathcal{M}_1) — hvis og bare hvis følgende betingelse holder:

\boxed{K(\text{IC} \mid \text{SP laws}) > K_0 + \log\left(\frac{1}{\xi(\mathcal{O})}\right) + \left[-\log \xi^{\text{Filter}}(y_{1:T}) - \left(-\log P_{\text{SP}}(y_{1:T})\right)\right]}

Høyresideklammen er log-likelihood-underskuddet til OPT relativt til SP på den spesifikke strømmen y_{1:T}. Betingelsen er oppfylt når beskrivelseskostnaden for IC overstiger den samlede overheaden fra metaregelen og OPTs prediksjonsunderskudd på denne strømmen.

Bevis. Direkte manipulering av de todelte kodelengdene:

L_T(\text{OPT}) < L_T(\text{SP}) \iff \quad K_0 + \log\left(\frac{1}{\xi(\mathcal{O})}\right) - \log \xi^{\text{Filter}}(y) < K_{\text{laws}} + K(\text{IC} \mid \text{laws}) - \log P_{\text{SP}}(y) \iff \quad K(\text{IC} \mid \text{laws}) - K_0 > \log\left(\frac{1}{\xi(\mathcal{O})}\right) + \left[-\log \xi^{\text{Filter}}(y) - \left(-\log P_{\text{SP}}(y)\right)\right] + \left[K_{\text{laws}} - K_{\text{laws}}\right]

Omarrangering (K_{\text{laws}} kanselleres på begge sider) gir den oppgitte betingelsen direkte. \blacksquare

7.1 Evaluering av betingelsen for standard kosmologi

Under den inflasjonære kodingen (det mest gunstige tilfellet for SP):

• K(\text{IC} \mid \text{SP laws}) \approx 300 bits (inflasjonære parametere + antall e-folds + reheating)
• K_0 \approx 36 bits (T-4a)
• Log-likelihood-underskuddet: Vi antar funksjonelt at OPT, utstyrt med R_{T,h}(D)-kodekgrensene kartlagt i T-1, oppnår minst like robust punktvis log-likelihood som standardfysikk på en observatør-kompatibel strøm. Merk at Solomonoff-grenser strengt tatt bare gir dominans over forventede summer, ikke definitive punktvise grenser for spesifikke singulære strømmer; derfor representerer \left[-\log \xi^{\text{Filter}}(y) - \left(-\log P_{\text{SP}}(y)\right)\right] \leq 0 en empirisk strukturell forventning snarere enn en algoritmisk garanti.

Derfor reduseres betingelsen til K(\text{IC} \mid \text{SP laws}) > K_0, dvs. 300 > 36. Dette holder med en betydelig strukturell margin. Betingelsen svikter bare dersom IC koster færre enn \sim 36 bits — dvs. dersom den spesifikke IC-en til vårt univers er strukturelt utledbar fra SP-lovene alene og genererer færre enn 36 residuale bits. Ingen nåværende kosmologisk modell oppnår dette.

§8. Den komparative MDL-tabellen

^* Under den eksplisitte kodek-identifikasjonen i §9.2 reduseres OPTs aktive dataledd til -\log P_{K_\theta}(y) = -\log P_\text{SP}(y) = 0 når K_\theta identifiseres med SP-kodeken.

§9. Sammenligningens begrensninger

9.1 K(y \mid \text{Filter}) er ikke beregnbar

OPT-kodelengden K_0 + K(y \mid \text{Filter}) = K_0 - \log \xi^{\text{Filter}}(y) inneholder et ledd som ikke er beregnbart i Turing-forstand (stopp-problemet hindrer eksakt beregning av \xi). I praksis må OPTs prediksjoner approksimeres av en endelig kodek K_\theta — noe som er standard fysikk. Dette betyr at for prediktive formål reduseres OPT til den beste beregnbare kodeken som er tilgjengelig. MDL-fordelen OPT har over SP er derfor en strukturell fordel (i beskrivelsen av selektorregelen) snarere enn en operasjonell fordel når det gjelder å frembringe nye prediksjoner.

Dette er ikke en svakhet — det er det korrekte formelle innholdet i preprintens påstand: “OPT flytter en del av forklaringsbyrden fra lov-opplisting til lov-seleksjon.” Forskyvningen er reell og formelt kvantifisert (\approx 1700 bit for selektorregelen vs. \mathcal{M}_1), men den genererer ikke nytt prediktivt innhold utover det kodeken allerede gir.

9.2 Problemet med identifikasjon av kodeken

OPT-kodeken K_\theta er det spesifikke beregnbare målet fra \mathcal{M} som Stabilitetsfilteret selekterer. T-4 bestemmer ikke hvilket mål dette er — den identifikasjonen krever T-5 (gjenfinning av konstanter) og det fullstendige programmet for fysisk unifikasjon. Inntil K_\theta er eksplisitt identifisert med SM + GR, er MDL-sammenligningen betinget av denne identifikasjonen. Den formelle grensen L_T(\text{OPT}) \leq L_T(\text{SP}) + K_0 garanterer at OPT ikke kan gjøre det dårligere enn SP, men garanterer ikke at det gjør det bedre i endelig tid med mindre IC-betingelsen i T-4e er oppfylt — noe den er, under standard kosmologiske antakelser.

Begrensning fra P-2. Appendiks P-2 (Hilbert-rom-embedding via kvantefeilkorrigering) etablerer at kodeken, under lokal støy, må oppfylle QECC-struktur — dens interne representasjon må utgjøre en kvantefeilkorrigerende kode med spesifikke parametere (n, k, d). Dette innsnevrer problemet med identifikasjon av kodeken: K_\theta er ikke lenger et vilkårlig beregnbart mål, men et mål hvis prediktive tilstander bærer den feilkorrigerende geometrien til et Hilbert-rom. Denne begrensningen ligger oppstrøms for T-5s program for gjenfinning av konstanter og kan gi ytterligere seleksjonskriterier for å identifisere K_\theta med Standardmodellen.

§10. Avsluttende oppsummering

T-4-leveranser — bekreftet lukket (med normaliserings- og typikalitetsbetingelser)

1. Kodingskonvensjoner fastlagt (§1). Todelt MDL, prefiks-Kolmogorov-kompleksitet relativt til en inklusiv fast UTM, som funksjonelt avbilder datadomenet på den bevisste strømmen y_{1:T} = z_{0:T}.

2. Benchmark-klasser fastlagt (§2). Evaluerer \mathcal{M}_1 (SM+GR) mot trivielle grenser som \mathcal{M}_2 (eksploderende parameterutvelgelse for generativt omfang) og \mathcal{M}_3 (Boltzmann-sannsynlighetskollaps).

3. T-4a (meta-regel-kompleksitet). K(\xi, \text{Filter}) = K_0 \approx 36 bits, inklusive relative UTM-forskyvninger.

4. T-4b (Solomonoff begrenset). L_T(\text{OPT}) \leq L_T(\nu) + K_0 + \log(1/\xi(\mathcal{O})). Definerer eksplisitt den algoritmiske normaliseringsstraffparameteren.

5. Formodning T-4c (heuristisk grense for IC-kompresjon). Strukturell redundans i initialbetingelser er den formodede motoren for kompresjon: \Delta_{\text{IC}} = K(\text{IC}\mid\text{SP}) - K(\text{IC}\mid\text{OPT}) \geq 0, dog med betinget entydighet i avbildningen. Dette fungerer som en heuristisk grense, ikke som et formelt bevist teorem.

6. T-4d (modellfordel med konstant bitantall). Avgrenser betinget grenseatferden: for beregnbare benchmarker hvis \nu-typiske klasse overlapper ikke-trivielt med \mathcal{O}, sikrer OPT en permanent numerisk kompleksitetsfordel (\sim -1714 bits), selv om dens uendelige tetthet per bit skalerer mot null.

7. T-4e (fordel ved endelig T — betinget). OPT slår \mathcal{M}_1 numerisk ved endelig T på identisk vis når empiriske punktvise tap ikke opphever den strukturelle kjernegrensen K(\text{IC}\mid\text{SP}) > K_0 (300 > 36). Dette retter sårbarheten direkte mot antakelser om algoritmisk punktvis dominans.

Falsifikasjonsbetingelser for MDL-påstanden

• En utledning av de kosmologiske initialbetingelsene fra SP-lover alene på færre enn \sim 36 bits — som viser at K(\text{IC} \mid \text{SP laws}) < K_0.
• En demonstrasjon av at Stabilitetsfilterets innskrenkning til observatør-kompatible strømmer ikke komprimerer IC — dvs. at K(\text{IC} \mid \xi, \text{Filter}) = K(\text{IC} \mid \text{laws}), som gir \Delta_{\text{IC}} = 0.
• En eksplisitt beregnbar kodek K_\theta for OPT som påviselig er mindre nøyaktig enn SM+GR på observatørstrømmer, slik at log-sannsynlighetsunderskuddet overstiger gevinsten fra IC-kompresjon.

Nedstrøms avhengigheter

• T-5 (gjenfinning av konstanter) er det essensielle neste steget: når kodeken K_\theta identifiseres med SM+GR-lovene via T-1/T-2/T-3, blir MDL-sammenligningen fullt eksplisitt, og betingelsen i T-4e blir en konkret ulikhet mellom kjente størrelser.
• Oppdatering av preprint §5.2: formuleringen “Whether this meta-rule yields an actual MDL advantage… is an open comparative question” kan nå oppdateres til: “Theorem T-4d establishes a conditional asymptotic advantage (for observer streams that are also \nu-typical under the benchmark physics, a set currently uncharacterised); Theorem T-4e establishes a conditional finite-T advantage; see Appendix T-4.”

Dette appendikset vedlikeholdes som del av OPT-prosjektets repositorium sammen med theoretical_roadmap.pdf. Referanser: Rissanen (1978) [12], Li & Vitányi (2008) [27], Solomonoff (1964) [11], Penrose (2004).