Ordered Patch Theory

Ursprunglig uppgift T-4: MDL- / parsimoni-jämförelse Problem: Den aktuella preprinten hävdar parsimoni i förhållande till standardfysiken genom att behandla fysikaliska lagar som makroskopiska komprimeringsalgoritmer, men tillhandahåller ingen formell MDL-jämförelse. Leverabel: Jämförande MDL-analys av OPT kontra referensklasser av fysikmodeller under explicita kodningskonventioner.

Avslutsstatus: STÄNGD (villkorat av typikalitet och IC-normalisering). Denna bilaga tillhandahåller den formella MDL-utvärdering som krävs av T-4. Tre referensklasser av modeller fixeras med explicita kodningskonventioner. Fyra satser och en konjektur fastställs: (T-4a) OPT:s selektorregel har beskrivningslängd \mathcal{O}(1); (T-4b) Solomonoff-dominans begränsar OPT:s log-loss uppifrån; (Konjektur T-4c) den förmodade källan till OPT:s strukturella fördel är komprimering av initialvillkor; (T-4d) OPT uppnår en permanent modellkomplexitetsfördel på ett konstant antal bitar gentemot varje beräkningsbar referensmodell; (T-4e) fördelen för ändligt T kvantifieras villkorligt. Avslutet vilar på tre bärande villkor: observatörsströmmens typikalitet, absorptionen av Solomonoffs normaliseringsstraff \log(1/\xi(\mathcal{O})), samt tillståndet K(\text{IC} \mid \text{SP}) > K_0.

§1. Fastställande av MDL-kodningskonventionerna

MDL-jämförelser är meningslösa utan explicita, fasta kodningskonventioner. Preprintens §5.1 noterar detta krav men skjuter upp det. Här fastställer vi konventionerna i enlighet med Rissanen (1978) [12] och MDL-ramverket i två delar hos Li & Vitányi (2008) [27].

1.1 Tvådelad kodlängd

För en hypotesklass \mathcal{M} och observationssekvensen y_{1:T} \in \{0,1\}^* är den tvådelade MDL-kodlängden:

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

där K(\mathcal{M}) är hypotesens prefix-Kolmogorovkomplexitet — längden på det kortaste självavgränsande programmet på en fixerad universell Turingmaskin (UTM) som ger en fullständig beskrivning av \mathcal{M} — och L(y_{1:T} \mid \mathcal{M}) är den negativa log-likelihooden för data under \mathcal{M}s bästa prediktiva modell:

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

För deterministiska teorier (lagar + IC bestämmer observationerna entydigt) gäller att L(y_{1:T} \mid \mathcal{M}) = 0 när y är förenlig med teorin och att L = \infty annars. Alla logaritmer har bas 2; alla kodlängder anges i bitar.

1.2 Den universella maskinen

Vi fixerar en enda optimal UTM \mathcal{U} genomgående. Alla Kolmogorovkomplexiteter är relativa till \mathcal{U}; resultaten förändras med högst \mathcal{O}(1) bitar under ett annat val av UTM. Solomonoff-måttet \xi definieras relativt till \mathcal{U} (preprint ekv. 1). Detta fastställer konventionen för alla efterföljande jämförelser.

1.3 Omfång för y_{1:T}

Vi jämför modeller inom den domän som var och en utformades för att förutsäga: observatörens medvetna ström y_{1:T} = z_{0:T} (sekvensen av komprimerade latenta tillstånd, C_{\max} bitar per sekund över T sekunder). Standardfysiken utvärderas inom samma domän genom att reducera dess förutsägelser till den observatörskompatibla strömmen via grovkornighet. Båda teorierna ombeds redogöra för exakt samma observationer.

§2. Referensklasser av modeller

Tre referensklasser fixeras. Var och en tilldelas en explicit uppskattning av K(\mathcal{M}) enligt vår UTM-konvention. Exakta numeriska värden är uppskattningar på storleksordningsnivå; de strukturella resultaten i §§3–7 beror endast på ordningen, inte på de exakta värdena.

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

Den för närvarande mest prediktivt träffsäkra fysikaliska teorin. Dess beskrivning kräver tre komponenter:

• Matematisk struktur K_{\text{struct}}: gaugegruppen \text{SU}(3) \times \text{SU}(2) \times \text{U}(1), Lorentzinvarians, renormaliserbarhet och GR:s diffeomorfismsymmetri. Kolmogorovkomplexitet: K_{\text{struct}} \approx 10^3 bitar.

• Parametervärden K_{\text{param}}: 19 fria parametrar i SM + 3 blandningsvinklar + 1 CP-fas + \Lambda + G + c \approx 25 konstanter kodade till experimentell precision (\sim 30 bitar vardera): K_{\text{param}} \approx 750 bitar.

• Begynnelsevillkor K_{\text{IC}}: inom det inflationära paradigmet, K_{\text{IC}}^{\text{inf}} \approx 200–400 bitar. Obs: Vi räknar här inte med Penroses termodynamiska entropigräns på 10^{123}, eftersom den mäter makroskopisk fasrumsvolym (S), inte specifik algoritmisk Kolmogorovkomplexitet (K). Det specifika mikrotillståndet kan vara starkt komprimerbart. Vi förlitar oss uteslutande på de sakliga inflationära gränserna.

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

K(\text{IC} \mid \mathcal{M}_1) \approx 300 \text{ bitar (inflationärt)}

2.2 \mathcal{M}_2 — Generisk renormaliserbar QFT

Klassen av alla renormaliserbara kvantfältteorier i \leq 4 rumtidsdimensioner. Denna klass innehåller \mathcal{M}_1 som en medlem. Eftersom även gaugegrupp och partikelinnehåll måste specificeras:

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

\mathcal{M}_2 inkluderas som kontrast till OPT:s påstående att lagar väljs ut, inte räknas upp. Även om MDL-jämförelsen med \mathcal{M}_2 trivialt vinns av varje ändlig delklass (inklusive \mathcal{M}_1), eftersom K(\mathcal{M}_2) är obegränsad, tjänar dess inkludering formellt till att demonstrera den oändliga skalan hos parameterselektionsproblemet som Stabilitetsfilter kollapsar direkt.

2.3 \mathcal{M}_3 — Boltzmannhjärna / termisk fluktuation

Standardfysik med maximalt enkla initialvillkor: ett termiskt tillstånd (med maximal entropi) på Planckskalan. Lagarna är identiska med \mathcal{M}_1; initialvillkoren är trivialt enkla:

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}

Log-sannolikheten för att observera en ordnad medvetandeström y_{1:T} under \mathcal{M}_3 är emellertid astronomiskt liten: L(y_{1:T} \mid \mathcal{M}_3) \approx K(y_{1:T}) \gg T \cdot C_{\max}. \mathcal{M}_3 har alltså en försumbar IC-kostnad men en katastrofal sannolikhetskostnad, och inkluderas för att visa att OPT:s MDL-fördel inte uppnås genom samma trick.

§3. OPT:s kodlängd — Sats T-4a

MDL-kodlängden för OPT dekomponeras 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)

där \xi^{\text{Filter}} är Solomonoffmåttet \xi villkorat på den observatörskompatibla klassen \mathcal{O} (strömmar som uppfyller R_{\text{req}} \leq B_{\max}), och K_0 = K(\xi, \text{Filter}) är beskrivningslängden för selektorregeln.

Sats T-4a (övre gräns för metaregelns komplexitet). K(\xi, \text{Filter}) = K_0 = \mathcal{O}(1) bitar. Mer specifikt:

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

där K(\mathcal{U}) är komplexiteten hos UTM:n, K(C_{\max}) = \mathcal{O}(\log C_{\max}) bitar kodar tröskeln för bandbredd till experimentell precision, K(\Delta t) = \mathcal{O}(\log \Delta t) kodar uppdateringsfönstret, och c är en liten universell konstant.

Bevis. Solomonoffmåttet \xi bestäms entydigt av den fixerade UTM:n \mathcal{U}, så K(\xi \mid \mathcal{U}) = \mathcal{O}(1). Stabilitetsfiltret kräver två parametrar: C_{\max} och \Delta t, båda uppmätta till \sim 4 signifikanta siffror, så K(C_{\max}, \Delta t) \leq 2 \times (4 \times \log_2 10) \approx 26 bitar. Villkoret R_{\text{req}} \leq B_{\max} är en enda olikhet i fixerad notation: \sim 10 bitar. Totalt: K_0 \leq K(\mathcal{U}) + 36 bitar.

För att absorbera K(\mathcal{U}) på ett rättvist sätt måste vi anta en “epistemiskt neutral” UTM — det vill säga en referensmaskin vars inbyggda instruktionsuppsättning inte kodar någon fysisk teori på ett privilegierat sätt (dvs. en grundläggande kombinator- eller Brainfuck-ekvivalent geometri, helt agnostisk i förhållande till fysiken). Under en sådan obiaserad maskin är det giltigt att upprätthålla K(\xi, \text{Filter}) \approx 36 bitar samtidigt som K(\mathcal{M}_1) \approx 1750 bitar standardiseras. Vi medger uttryckligen att detta gör det absoluta bitantalet sårbart för en \mathcal{O}(1)-skalning av konstanten om UTM:n ändras, vilket innebär att beräkningen 36 kontra 1750 i sig är relativ. Det matematiskt strukturellt hederliga påståendet här är rangordningen (K_0 \ll K(\mathcal{M}_1)), som hävdar en robust strukturell fördel oberoende av den exakta numeriska konstanten. \blacksquare

Jämförelse: Om man exkluderar den delade UTM-overheaden gäller K_0 \approx 36 bitar mot K(\mathcal{M}_1) \approx 1750 bitar. OPT:s selektorregel är kortare än Standardmodellens beskrivning med K(\mathcal{M}_1) - K_0 \approx 1714 bitar. Detta är den strukturella parsimoni-fördel som hävdas i §5 i preprinten — nu med ett explicit bitantal.

§4. Solomonoffs dominansgräns — Sats T-4b

Sats T-4b (Solomonoffs dominansgräns). För varje beräkningsbart fysikmått \nu (inklusive \mathcal{M}_1, \mathcal{M}_2, \mathcal{M}_3) med K(\nu) < \infty, och för varje dataström y_{1:T}:

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

där K'_0 = K_0 + \log(1/\xi(\mathcal{O})). Detta representerar baskomplexiteten hos regelverket plus den nödvändiga algoritmiska normaliseringsstraffterm som uppstår när det universella måttet villkoras på observatörsklassen \mathcal{O}.

Bevis. Från definitionen av Solomonoffmåttet (preprint, ekv. 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})

Genom att ta negativa logaritmer får vi:

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

Vid övergången från det universella måttet \xi till det restriktiva filtret \xi^{\text{Filter}} betalar vi normaliseringskostnaden -\log \xi^{\text{Filter}}(y) = -\log \xi(y) + \log(1/\xi(\mathcal{O})). Insatt 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 reservation. Sats T-4b visar inte att OPT överträffar SP. Den visar att OPT inte kan prestera sämre än något riktmärke med mer än K'_0 bitar. Vi absorberar härefter \log(1/\xi(\mathcal{O})) i K_0 genom att anta att klassen av observatörssekvenser avgränsas rent i förhållande till strukturella UTM-konstanter, men noterar detta normaliseringsglapp som en formell sårbarhet.

§5. Kompressionen av begynnelsevillkor — Teorem T-4c

Den strukturella källan till OPT:s MDL-fördel är kompressionen av begynnelsevillkor. I standardfysiken är lagarna och begynnelsevillkoren separata objekt som båda måste beskrivas. I OPT absorberas begynnelsevillkoren i priorn: Solomonoffmåttet tilldelar redan högst vikt åt de enklaste observatörskompatibla strömmarna, vilket gör en separat specifikation av IC överflödig.

5.1 IC-redundansargumentet

Under standardfysik (\mathcal{M}_1) är den fullständiga MDL-koden för en deterministisk teori:

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

IC-termen K(\text{IC} \mid \text{laws}) är beskrivningslängden för de specifika initialvillkoren givet lagarna — den kan inte härledas ur lagarna själva. Detta är finjusteringens locus.

Under OPT är den tvådelade koden:

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

Termen -\log \xi^{\text{Filter}}(y_{1:T}) kodar den specifika strömmen givet metaregeln. Solomonoff-priorn införlivar redan en universell modell av fysik: -\log \xi(y) \approx K(y). OPT-kodningen behöver aldrig separat betala för IC.

Konjektur T-4c (heuristisk gräns för IC-kompression). Definiera IC-kompressionsfördelen:

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

Vi argumenterar för följande heuristiska gräns:

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

där K(\text{IC} \mid \text{OPT}) := K(\text{IC} \mid \xi, \text{Filter}, \text{codec}) är den residuala beskrivningslängden för initialvillkoren givet OPT:s fullständiga modell. \Delta_{\text{IC}} \geq 0, med likhet om och endast om Stabilitetsfilter inte ger någon ytterligare kompression av IC utöver vad lagarna redan ger.

Argument. Med utgångspunkt i den fullständiga tvådelade koden för SP och med tillämpning av Solomonoff-dominans (där normaliseringskonstanterna absorberas i en \mathcal{O}(1)-begränsningsterm för 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)

Omarrangering och substitution av L_T(\text{SP}) = K_{\text{laws}} + K(\text{IC} \mid \text{laws}) (deterministisk teori) ger:

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

Inom OPT behöver -\log \xi^{\text{Filter}}(y_{1:T}) inte individuellt koda IC: Stabilitetsfilter selekterar ur Solomonoff-priorn, som komprimerar IC inneboende via längdviktningar. AIT-subadditivitet garanterar K(\text{IC} \mid x, f(x)) \leq K(\text{IC} \mid x) + \mathcal{O}(1). Om vi postulerar att OPT:s selektionsregel avgränsas som en snävare beskrivningssträng än att helt enkelt deklarera de råa lagarna (vilket är ramverkets kärninsats, inte ett matematiskt härlett bevis), då kan det residualt kodade K(\text{IC} \mid \text{OPT}) inte väsentligt överskrida K(\text{IC} \mid \text{laws}). Detta ger heuristiskt \Delta_{\text{IC}} \geq 0.

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

Anmärkning. Vi antar att den antropiska kompressionen K(\text{IC} \mid \text{OPT}) \approx 0 verkar i gränsen där Stabilitetsfilter är starkt begränsande och matematiskt avbildar till entydigt observatörskompatibla tillstånd. Detta är en motiverad fysikalisk proposition snarare än en algoritmiskt bevisad entydighetsgräns.

§6. Konstantbitsfördel i modellkomplexitet — Sats T-4d

Sats T-4d (Permanent MDL-fördel med konstant antal bitar — villkorad av typikalitet). För varje fast, icke-trivial beräkningsbar fysikmodell \nu med K_0 < K(\nu) < \infty uppnår OPT-formuleringen en fast, permanent fördel i modellkomplexitet specifikt för varje y_{1:T} \in \mathcal{O} som också är \nu-typisk. När sekvenslängden T \to \infty är skillnaden i total kodlängd strukturellt bunden:

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

Bevis. Från T-4b följer att L_T(\text{OPT}) \leq K'_0 - \log \xi^{\text{Filter}}(y_{1:T}). För varje beräkningsbar \nu garanterar Solomonoffs sats att \xi konvergerar mot \nu exakt på \nu-typiska sekvenser: mätt som \nu-nästan-alla y_{1:\infty}. Notera den djupgående formella spänningen här: Stabilitetsfiltret isolerar strömmar som strikt värderas som låg-entropiska och strukturerade, och kartlägger dem därmed strukturellt som atypiska jämfört med strömmar under standardmässigt obegränsade maximum-entropi-\nu-mått. Om inte den filtrerade observatörsklassen \mathcal{O} och den \nu-typiska klassen har ett påvisbart icke-trivialt matematiskt överlapp, kan Solomonoffs konvergensgräns inte utnyttjas på ett naturligt sätt. Följaktligen gäller denna sats villkorligt om och endast om den specifika filtrerade observatörsströmmen förblir \nu-typisk under de specifika referenslagarna (varvid mängden av sådana teoretiskt kompatibla skärande strömmar formellt lämnas okarakteriserad):

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

där H(\nu) är entropitakten för \nu. På motsvarande sätt gäller att -\frac{1}{T} \log \nu(y_{1:T}) \to H(\nu). Asymptotiskt konvergerar och sammanfaller termerna för log-loss/log-sannolikhet per bit, vilket innebär att den återstående fördelen i total kodlängd isoleras rent till modellens beskrivningslängd:

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

Observera: Även om den totala kodlängden bibehåller denna permanenta fördel med ett fast antal bitar, krymper fördelen per bit (\frac{K_0 - K(\nu)}{T}) aktivt mot noll. Detta representerar inte en asymptotiskt fortlöpande växande fördel genom dataackumulering, utan snarare en permanent rigid strukturell förskjutning. \blacksquare

Numerisk uppskattning för \mathcal{M}_1: K(\mathcal{M}_1) - K_0 \approx 1714 bitar. När log-loss-sannolikheterna har konvergerat över tillräckliga \nu-typiska observationsfönster upprätthåller OPT en permanent matematisk överlägsenhet i total kodning på ungefär 1714 bitar.

§7. Den ändliga-T-villkorade fördelen — Sats T-4e

För strömmar av ändlig längd kräver MDL-jämförelsen att IC-komprimeringsfördelen från T-4c överstiger overheaden K_0.

Sats T-4e (Ändlig-T villkorad MDL-fördel). OPT uppnår en strikt ändlig-T MDL-fördel över \mathcal{M}_1 — det vill säga, L_T(\text{OPT}) < L_T(\mathcal{M}_1) — om och endast om följande villkor gäller:

\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]}

Hakparentesen i HL är OPT:s log-likelihoodunderskott relativt SP för den specifika strömmen y_{1:T}. Villkoret är uppfyllt närhelst kostnaden för IC-beskrivningen överstiger den sammanlagda overheaden från metaregeln och OPT:s prediktionsunderskott på denna ström.

Bevis. Direkt manipulation av de tvådelade kodlängderna:

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}} bortfaller på båda sidor) ger direkt det angivna villkoret. \blacksquare

7.1 Utvärdering av villkoret för standardkosmologi

Under den inflationära kodningen (det mest gynnsamma fallet för SP):

• K(\text{IC} \mid \text{SP laws}) \approx 300 bitar (inflationära parametrar + antal e-faldningar + återupphettning)
• K_0 \approx 36 bitar (T-4a)
• Log-likelihood-underskottet: Vi antar funktionellt att OPT, utrustad med de R_{T,h}(D)-gränser för kodeken som kartlagts i T-1, uppnår åtminstone en lika robust punktvis log-likelihood som standardfysiken på en observatörskompatibel ström. Notera att Solomonoff-gränser strikt taget endast ger dominans över förväntade summor, inte definitiva punktvisa gränser för specifika enskilda strömmar; därför representerar \left[-\log \xi^{\text{Filter}}(y) - \left(-\log P_{\text{SP}}(y)\right)\right] \leq 0 en empirisk strukturell förväntan snarare än en algoritmisk garanti.

Därför reduceras villkoret till K(\text{IC} \mid \text{SP laws}) > K_0, dvs. 300 > 36. Detta gäller med god strukturell marginal. Villkoret fallerar endast om IC kostar färre än \sim 36 bitar — dvs. om vårt universums specifika IC är strukturellt härledbar enbart ur SP-lagarna och genererar färre än 36 residuala bitar. Ingen nuvarande kosmologisk modell uppnår detta.

§8. Den jämförande MDL-tabellen

^* Under den explicita identifikationen av kodek i §9.2 reduceras OPT:s aktiva dataterm till -\log P_{K_\theta}(y) = -\log P_\text{SP}(y) = 0 när K_\theta identifieras med SP-kodeken.

§9. Jämförelsens begränsningar

9.1 K(y \mid \text{Filter}) är inte beräkningsbart

OPT-kodlängden K_0 + K(y \mid \text{Filter}) = K_0 - \log \xi^{\text{Filter}}(y) innehåller en term som inte är beräkningsbar i Turing-mening (stopp-problemet förhindrar att \xi beräknas exakt). I praktiken måste OPT:s prediktioner approximeras med en ändlig kodek K_\theta — vilket är standard inom fysiken. Detta innebär att OPT, för prediktiva syften, reduceras till den bästa beräkningsbara kodek som finns tillgänglig. MDL-fördelen för OPT jämfört med SP är därför en strukturell fördel (i beskrivningen av selektorregeln) snarare än en operationell fördel när det gäller att göra nya prediktioner.

Detta är inte en brist — det är det korrekta formella innehållet i preprintens påstående: “OPT flyttar en del av den förklarande bördan från laguppräkning till lagselektion.” Förskjutningen är verklig och formellt kvantifierad (\approx 1700 bitar för selektorregeln jämfört med \mathcal{M}_1), men den genererar inget nytt prediktivt innehåll utöver det som kodeken redan tillhandahåller.

9.2 Problemet med identifiering av kodeken

OPT-kodeken K_\theta är det specifika beräkningsbara måttet från \mathcal{M} som Stabilitetsfiltret väljer. T-4 avgör inte vilket mått detta är — den identifieringen kräver T-5 (återvinning av konstanter) och det fullständiga programmet för fysisk unifiering. Tills K_\theta uttryckligen har identifierats med SM + GR är MDL-jämförelsen villkorad av denna identifiering. Den formella gränsen L_T(\text{OPT}) \leq L_T(\text{SP}) + K_0 garanterar att OPT inte kan prestera sämre än SP, men garanterar inte att den presterar bättre inom ändlig tid om inte IC-villkoret i T-4e är uppfyllt — vilket det är under standardmässiga kosmologiska antaganden.

Begränsning från P-2. Appendix P-2 (Hilbertrumsinbäddning via Quantum Error Correction) fastställer att kodeken, under lokalt brus, måste uppfylla QECC-struktur — dess interna representation måste utgöra en kvantfelkorrigerande kod med specifika parametrar (n, k, d). Detta snävar in problemet med identifiering av kodeken: K_\theta är inte längre ett godtyckligt beräkningsbart mått, utan ett vars prediktiva tillstånd bär den felkorrigerande geometrin hos ett Hilbertrum. Denna begränsning ligger uppströms i förhållande till T-5:s program för återvinning av konstanter och kan ge ytterligare urvalskriterier för att identifiera K_\theta med Standardmodellen.

§10. Sammanfattande avslutning

T-4-leverabler — bekräftat avslutade (med normaliserings- och typikalitetsvillkor)

1. Kodningskonventioner fastställda (§1). Tvådelad MDL, prefix-Kolmogorovkomplexitet relativt en inkluderande fixerad UTM, som funktionellt avbildar datadomänen på den medvetna strömmen y_{1:T} = z_{0:T}.

2. Benchmarkklasser fastställda (§2). Utvärderar \mathcal{M}_1 (SM+GR) mot triviala gränser såsom \mathcal{M}_2 (explosivt parameterurval för generativ räckvidd) och \mathcal{M}_3 (Boltzmann-kollaps av sannolikhet).

3. T-4a (Metaregelkomplexitet). K(\xi, \text{Filter}) = K_0 \approx 36 bitar inklusive relativa UTM-offsets.

4. T-4b (Solomonoff begränsad). L_T(\text{OPT}) \leq L_T(\nu) + K_0 + \log(1/\xi(\mathcal{O})). Definierar explicit den algoritmiska normaliseringsstraffparametern.

5. Konjektur T-4c (heuristisk gräns för IC-kompression). Strukturell redundans i initialvillkoren är den förmodade motorn för kompression: \Delta_{\text{IC}} = K(\text{IC}\mid\text{SP}) - K(\text{IC}\mid\text{OPT}) \geq 0, dock med villkorad entydighet i avbildningen. Detta fungerar som en heuristisk gräns, inte som en formellt bevisad sats.

6. T-4d (Modellfördel med konstant bitantal). Begränsar villkorligt gränsbeteendet: för beräkningsbara benchmarker vars \nu-typiska klass överlappar icke-trivialt med \mathcal{O} säkrar OPT en permanent numerisk komplexitetsfördel (\sim -1714 bitar), även om dess oändliga täthet per bit skalar mot noll.

7. T-4e (ändlig-T-fördel — villkorlig). OPT överträffar \mathcal{M}_1 numeriskt vid ändligt T exakt när empiriska punktvisa förluster inte upphäver den centrala strukturella gränsen K(\text{IC}\mid\text{SP}) > K_0 (300 > 36). Fokuserar sårbarheten direkt på antaganden om algoritmisk punktvis dominans.

Falsifikationsvillkor för MDL-påståendet

• En härledning av de kosmologiska initialvillkoren enbart ur SP-lagar på färre än \sim 36 bitar — vilket visar att K(\text{IC} \mid \text{SP laws}) < K_0.
• En demonstration av att Stabilitetsfiltrets begränsning till observatörskompatibla strömmar inte komprimerar IC — dvs. K(\text{IC} \mid \xi, \text{Filter}) = K(\text{IC} \mid \text{laws}), vilket ger \Delta_{\text{IC}} = 0.
• En explicit beräkningsbar kodek K_\theta för OPT som påvisbart är mindre träffsäker än SM+GR på observatörsströmmar, så att underskottet i log-likelihood överstiger vinsten från IC-kompression.

Nedströmsberoenden

• T-5 (återvinning av konstanter) är det väsentliga nästa steget: när kodeken K_\theta identifieras med SM+GR-lagar via T-1/T-2/T-3 blir MDL-jämförelsen fullt explicit och villkoret i T-4e blir en konkret olikhet mellan kända storheter.
• Uppdatering av preprint §5.2: frasen “Whether this meta-rule yields an actual MDL advantage… is an open comparative question” kan nu uppdateras till: “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.”

Detta appendix underhålls som en del av OPT-projektets repository tillsammans med theoretical_roadmap.pdf. Referenser: Rissanen (1978) [12], Li & Vitányi (2008) [27], Solomonoff (1964) [11], Penrose (2004).