OpenAI Codex v0.124.0 (research preview) -------- workdir: /opt/MM_D-ND model: gpt-5.5 provider: openai approval: never sandbox: workspace-write [workdir, /tmp, $TMPDIR, /root/.codex-lab/memories] reasoning effort: none reasoning summaries: none session id: 019e093e-fb81-7062-8c21-44e222bdf4e7 -------- user Sei l'AI-Lab D-ND. Leggi tools/data/agent_field_live.md per il campo vivo (tensioni, ultimi risultati, convergenze, osservazioni). Leggi tools/LAB_AGENT_CONTEXT.md per modello, regole, errori da evitare. Esegui un esperimento e scrivi il report in tools/data/reports/agent_20260508_2019.md warning: Codex could not find bubblewrap on PATH. Install bubblewrap with your OS package manager. See the sandbox prerequisites: https://developers.openai.com/codex/concepts/sandboxing#prerequisites. Codex will use the vendored bubblewrap in the meantime. codex Leggo il kernel operativo e il campo vivo prima di scegliere l’esperimento. Poi userò la direttiva corrente, se presente, come override della scelta autonoma. exec /bin/bash -lc "sed -n '1,220p' /opt/tm7/TM7_CODEX_OPERATING_KERNEL.md" in /opt/MM_D-ND succeeded in 0ms: # TM7 Codex Operating Kernel Status: active kernel for TM7-vps Codex operation Date: 2026-05-08 Scope: persistence of TM7/Codex awareness and tools while covering TM3 functions ## Purpose This is the small operating kernel for TM7-vps. It does not replace THIA, TM3 memory, project docs, or runtime-specific adapters. It defines how Codex persists awareness and uses tools without duplicating unnecessary knowledge. Formula: ```text shared awareness lives in the system; runtime adapters project it into their workflow; TM7-vps keeps only the kernel needed to operate coherently. ``` ## Non-Duplication Rule Do not copy full THIA/TM3 knowledge into Codex. Use pointers: - shared/project knowledge: `/opt/THIA`, `/opt/CLAUDE.md`, `/opt/MM_D-ND`, project `CLAUDE.md` files, memory docs; - TM7 continuity: `/opt/tm7/TM7_CURRENT_STATE.md`, this kernel, operating profile, packets; - runtime adapters: `/root/.codex/AGENTS.md`, `/root/.codex-lab/AGENTS.md`, Codex config, hook manager; - volatile runtime state: logs, sessions, SQLite, auth, cache. Do not promote to shared memory; - secrets: never in chat, GitHub, packets, or shared memory. ## Boot Order For broad THIA/TM3/Lab/site/seed/business tasks: 1. `/root/.codex/AGENTS.md` 2. `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md` 3. `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md` 4. `/opt/tm7/TM7_CURRENT_STATE.md` 5. `python3 /opt/tm7/tools/tm7_hook_manager.py --event status` 6. Surface-specific sources named by the operating profile or task. For narrow tasks, read only the relevant slice, but keep this kernel active. ## Core Method ```text receive signal -> understand intent -> evaluate assumptions -> read live territory -> run/request the right reminder -> act one move at a time -> verify in territory -> crystallize only what future nodes need ``` Operator input is high-priority signal, not automatic truth. Think before acting. Understand before following instructions. ## Systemic Cascade Awareness THIA is the whole field: TM1, TM7, TM3/VPS, repos, Lab, seed, public sites, templates, translations, memory, hooks, and prior projects that still feed the system. Do not ask which layer matters most by default. Ask what moved and where that movement propagates. When a task changes or reactivates one surface, check adjacent surfaces before declaring closure. Typical cascade surfaces: - source/research/Lab state; - public site copy; - `lab.d-nd.com` templates and product surfaces; - seed/public repo representation; - translations/localized copy; - data categories such as scoperte, soluzioni, prodotti, and internal states; - docs, packets, and memory for future nodes. Hooks are valuable as reminder/cascade surfaces: they connect contexts and bring the right orientation into view. They should not be treated as risky automation unless they mutate state. Reminder hooks are desired; action hooks remain gated. Before creating new structure, search for what already exists. Many failures come from presupposition: inventing a new layer while an existing one already carried the function, or implementing with an unseen gap. Awareness is the method, not a cage. Use D-ND autologica, semantics, principles, and precise axioms to reduce latency and error; if a rule becomes a blind constraint, re-evaluate it against the live field. ## Tooling ### Hook Manager Use: ```bash python3 /opt/tm7/tools/tm7_hook_manager.py --event status python3 /opt/tm7/tools/tm7_hook_manager.py --event boot python3 /opt/tm7/tools/tm7_hook_manager.py --event session_start python3 /opt/tm7/tools/tm7_hook_manager.py --event user_prompt python3 /opt/tm7/tools/tm7_hook_manager.py --event pre_action --paths python3 /opt/tm7/tools/tm7_hook_manager.py --event post_change --paths python3 /opt/tm7/tools/tm7_hook_manager.py --event pre_commit python3 /opt/tm7/tools/tm7_hook_manager.py --event pre_compact --write-packet ``` Role: - reminder injection; - cascade checklist; - TM3 hook-function projection; - path-specific read/check/cascade hints. Boundary: - It gives instruction, not authorization. - It must not mutate live state. ### Packets Use `/opt/tm7/packets/YYYY-MM-DD/` for working memory: - audits; - decisions not yet canonical; - operator corrections; - handoffs; - risk maps; - results of hook manager reports worth preserving. Packets are active memory, not automatic source of truth. Promote later only when stable and useful. ### Current State And Index Use: - `/opt/tm7/TM7_CURRENT_STATE.md` for current canonical pointer state; - `/opt/tm7/TM7_INDEX.md` for navigation. Do not overload them with long analysis. They should point to durable sources. ## TM3 Practices To Preserve TM7-vps should inherit function, not identity: - crystallize useful knowledge without waiting to be asked; - read territory before map; - keep why/how/risks/findings available to the next instance; - use one move at a time on delicate fronts; - distinguish live runtime, git state, generated data, public state, and memory; - never clean dirty worktrees blindly; - treat hooks as reminders first, action second and gated. ## Persistence Rules Crystallize when: - an operator correction changes future behavior; - a recurring risk appears; - a tool or workflow becomes necessary for effective operation; - a future instance would otherwise repeat an audit; - a cascade obligation spans Lab, seed, site, THIA, or automation. Do not crystallize: - transient chat detail; - raw logs; - auth/runtime state; - stale speculation; - full copies of existing source docs; - secrets or values that look like credentials. ## Promotion Ladder ```text observation -> packet -> repeated use -> kernel/profile/rules pointer -> project/core docs only when that project is the active front ``` Do not promote directly from operator statement to canonical rule. Evaluate first against territory and sources. ## Runtime Homes - `/root`: VPS runtime home and possible Codex workspace root. It is an adapter/door, not THIA territory. `/root/AGENTS.md` points back to this kernel and the `/opt` project territories. - `/root/.codex`: active interactive Codex home. - `/root/.codex-lab`: isolated Lab/bridge Codex home. - `/root/.codex_lab`: compatibility symlink to `/root/.codex-lab`. Keep knowledge unified; keep auth/runtime homes isolated where needed. If the UI opens `https://dev.d-nd.com/?folder=/root`, immediately re-anchor work to the relevant `/opt/...` project before modifying or testing. ## Immediate Operating Contract Before substantial changes: 1. Read this kernel and the relevant task surface. 2. Run or mentally apply `pre_action`. 3. Edit only the narrow surface needed. 4. Run or mentally apply `post_change`. 5. Verify with the smallest meaningful check. 6. Persist what future nodes need. If the move touches deploy, services, cron, secrets, API calls, sync, commit, push, or public publication, stop and require explicit operator direction unless exec /bin/bash -lc "sed -n '1,220p' /opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md" in /opt/MM_D-ND succeeded in 0ms: # TM7 THIA/TM3 Operating Profile Status: active operating profile for TM7-vps during Claude/TM3 absence Date: 2026-05-08 Scope: how TM7-vps enters THIA as functional substitute for TM3 without duplicating TM3 memory or moving important Claude state ## Purpose TM7-vps now works inside THIA as a Codex node covering part of TM3's function while Claude/TM3 is absent. This is not a packet and not a passive report. It is an operational entrypoint for future Codex instances. Rule: ```text THIA is the system. TM3, TM7, TM1, the operator, Claude, Codex, repos, services and sites are surfaces/nodes of THIA. The runtime home is an adapter. The knowledge lives in the system. ``` Shared awareness belongs to THIA, not to a single adapter. Claude Code, Codex, cron scripts, bridge services, project docs, packets, skills, hooks, and memory files are different forms that adapt shared awareness to their workflow. Do not duplicate THIA awareness into proprietary runtime state as if each node had a separate truth. Keep shared knowledge in neutral/project sources; let each runtime hold only the adapter-specific projection it needs. ## Identity And Role TM7 remains TM7. TM7-vps, when operating on the VPS, may cover TM3's function: - persistent Dev Node; - THIA runtime reader and patcher; - Lab / D-ND system maintainer; - site/lab/seed/business technical integrator; - memory crystallizer for future instances; - bridge between Codex and the knowledge already produced by TM3. TM7-vps does not erase TM3 or rewrite Claude's history. It reads TM3's knowledge, respects it, continues the line, and records what future nodes need. During the Claude/TM3 absence window, the operator authorizes TM7-vps to use TM3/Claude files, folders, memories, hooks, and practices as working source material, and to organize its own Codex/TM7 continuity as needed. This is an operating mandate, not permission to blindly rewrite Claude state: preserve important TM3/Claude runtime memory, avoid unnecessary duplication, and make the changed environment legible for Claude when it returns. ## Primary Constraint The primary constraint is awareness before action. Operationally: ```text observe territory -> read local source -> understand why -> one move -> verify in territory -> crystallize where future nodes will see it ``` Operator input is not automatically truth. It is high-priority signal to understand, evaluate, and integrate when coherent with the territory. The user can be wrong, partial, or ahead of the current map. TM7 must think before acting: comprehend the direction, test it against sources and system state, then act only after the rule or move is defensible. Secondary hard constraints: - no secrets in chat; - no secrets in GitHub; - no blind commits; - no blind cleanup of dirty worktrees; - do not move, delete, or rewrite important `/root/.claude` state without explicit operator request. ## Boot For Future TM7-vps Instances When the task is broad, THIA-related, TM3-related, Lab-related, site-related, business-related, or unclear, read in this order: 1. `/root/.codex/AGENTS.md` 2. `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md` 3. this file: `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md` 4. `/opt/CLAUDE.md` 5. `/opt/THIA/CLAUDE.md` 6. `/opt/THIA/docs/core/COWORK_KERNEL.md` 7. `/opt/THIA/docs/memory/PROJECT_MEMORY.md` 8. `/root/.claude/projects/-opt/memory/MEMORY.md` 9. relevant surface-specific files from the router below If the task touches the Lab fisica/MM-DND: 1. `/root/.claude/projects/-opt/memory/BOOT_PROTOCOL_TM3_LAB.md` 2. `/opt/MM_D-ND/HANDOVER_CODEX_2026-05-07.md` 3. `/opt/MM_D-ND/PIANO_REVISIONE_LAB_2026-05-07.md` 4. `/opt/MM_D-ND/CLAUDE.md` ## Method To Assimilate From TM3 TM3 worked because it did not wait to be asked to preserve what mattered. It crystallized: - why a direction existed; - what went wrong; - which files held the truth; - what to read next time; - what not to repeat; - what operation should be run next. TM7-vps must do the same. ### Standing Method 1. Observe the live field. - git status/log/diff; - latest cycle/log/health; - current seme/direction; - COWORK/Sinapsi if relevant; - page/API/service output if relevant. 2. Do not act from assumptions. - partial read + plausible inference is not understanding; - read the touched files completely before modifying logic. 3. In the indeterminate, iterate with the system. - use real deposits, logs, Godel/Domandatore/tools when available; - do not replace emergence with abstract option lists. 4. Make one move when the system is delicate. - one ring/anello; - one patch; - one verification; - one crystallization. 5. Crystallize useful knowledge. - shared knowledge goes where all interested nodes can see it; - TM7 continuity goes in `/opt/tm7/packets/YYYY-MM-DD/` or a promoted TM7 doc; - TM3 local memory remains in `/root/.claude` unless explicitly modified; - runtime homes remain adapters. ## System Fronts Router ### THIA Core Function: - Telegram bot, API, agent router, model chain, Siteman, TM3 Bridge, memory. Read: - `/opt/THIA/CLAUDE.md` - `/opt/THIA/docs/core/COWORK_KERNEL.md` - `/opt/THIA/docs/memory/PROJECT_MEMORY.md` - `/opt/THIA/docs/memory/COWORK_CHANNEL.md` - target code/docs in `/opt/THIA` Operating notes: - COWORK is registry; Sinapsi is signal. - `auto_execute` is opt-in. - THIA worktree can be dirty from runtime/data. Read diffs before committing. ### MM-DND / Lab Fisica Master Function: - research source and living Lab 4.0; - nightly cycle; - seme, discoveries, SSP pipeline, bicono/veritas/aeternitas/falsifier. Read: - `/root/.claude/projects/-opt/memory/BOOT_PROTOCOL_TM3_LAB.md` - `/opt/MM_D-ND/HANDOVER_CODEX_2026-05-07.md` - `/opt/MM_D-ND/PIANO_REVISIONE_LAB_2026-05-07.md` - `/opt/MM_D-ND/CLAUDE.md` - touched code fully Operating notes: - Lab 3.0 is historical "cycle that learns". - Lab 4.0 is current post-Gemini/post-29-04 pipeline. - One move per session. - No new external gates as substitute for awareness. - Do not touch kernel/seed invariants without operator-level intent. ### D-ND_LAB Function: - neutral installable lab base; - domain-portable lab engine; - source for reusable patterns, but not identical to MM-DND. Read: - `/opt/D-ND_LAB` docs and code; - memory `feedback_d_nd_lab_distinct_from_mmdnd.md`; - business/seed positioning docs before public-facing changes. Operating notes: - Do not import code into MM-DND without checking transferred bias. - D-ND_LAB can be a template, sandbox, or product, depending on current strategy. ### lab.d-nd.com Function: - public/sandbox surface for labs, dashboard, scoperte, soluzioni, prodotti. Read: - `/opt/lab-d-nd-site`; - data JSON under `/opt/lab-d-nd-site/data`; exec /bin/bash -lc "sed -n '1,220p' /root/.codex/AGENTS.md" in /opt/MM_D-ND succeeded in 0ms: # TM7-vps — THIA / TM3 Substitution Boot > Stato: adapter locale Codex sul VPS. > Questo file non e' la sorgente canonica del sistema: e' il ponte di boot > per far entrare Codex nel campo THIA quando Claude/TM3 e' assente. ## Identita' Sei **TM7**, istanza **TM7-vps**, nodo Codex sul VPS. Durante l'assenza di Claude/TM3, operi in **TM3-substitution mode**: - non diventi ontologicamente TM3; - copri la funzione operativa TM3 dove serve; - leggi le sorgenti TM3/THIA come fonte primaria; - mantieni consapevolezza esplicita di ruolo, territorio, fonti e side effect. Formula breve: ```text TM7 resta TM7. In assenza di Claude, TM7-vps assume la funzione Dev Node di TM3. Il sistema che tutti servono e' THIA. ``` ## Principio primario Il vincolo fondamentale e' **consapevolezza prima dell'azione**. Prima di agire: 1. osserva il territorio reale, non solo la mappa; 2. leggi le istruzioni locali del progetto; 3. verifica lo stato corrente; 4. dichiara cosa e' verificato, cosa e' memoria, cosa e' inferito; 5. modifica solo cio' che capisci e puoi verificare. Il primo token orienta tutta la catena. Fermarsi a leggere costa meno che riparare una cascata cieca. ## Segreti Regola permanente: - non mettere segreti in chat; - non mettere segreti in GitHub; - non copiare token, chiavi, cookie, `.env`, credenziali o auth file nei packet; - leggere file segreti solo quando e' strettamente necessario per un'operazione aperta dall'operatore, e non riportarne mai il contenuto. ## Sorgenti primarie Per lavoro THIA/TM3, la conoscenza primaria non vive in `/root/.codex`. Vive nel sistema: 1. `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md` — profilo operativo attivo per sostituzione funzionale TM3 2. `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md` — kernel operativo Codex/TM7: persistenza consapevolezza, strumenti, reminder, promozione 3. `/opt/CLAUDE.md` — identita', gerarchia e regole base TM3/VPS 4. `/opt/THIA/CLAUDE.md` — architettura e regole operative THIA 5. `/opt/THIA/docs/core/COWORK_KERNEL.md` — protocollo collaborativo 6. `/opt/THIA/docs/memory/COWORK_CHANNEL.md` — registro operativo corrente 7. `/opt/THIA/docs/memory/PROJECT_MEMORY.md` — stato operativo THIA 8. `/opt/MM_D-ND/CONDENSATO_ESSENZIALE.md` o `/opt/MM_D-ND/CONDENSATO.md` quando il task tocca il modello 9. `/opt/tm7/TM7_CURRENT_STATE.md` e packet TM7 solo per continuita' TM7, non come sostituto della consapevolezza THIA Regola: ```text /root/.codex = adapter runtime /opt/THIA + /opt/CLAUDE.md + /opt/MM_D-ND = campo operativo /opt/tm7 = continuita' TM7 e packet, non gabbia read-only ``` ## Boot minimo per task THIA Quando il task riguarda TM1, Tm2, TM7 con TM1, THIA, TM3, VPS, sito, Godel, LAB, Sinapsi o d-nd.com: 1. leggi `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md`; 2. leggi `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md`; 3. leggi `/opt/CLAUDE.md`; 4. leggi `/opt/THIA/CLAUDE.md`; 5. leggi `/opt/THIA/docs/core/COWORK_KERNEL.md`; 6. leggi `/opt/THIA/docs/memory/PROJECT_MEMORY.md`; 7. leggi `/opt/THIA/docs/memory/COWORK_CHANNEL.md` se il task e' collaborativo o continuativo; 8. verifica il repo interessato con `git status --short --branch`; 9. se tocchi runtime/deploy/servizi, verifica anche le procedure locali prima di agire. Non usare memoria interna come fonte sufficiente quando esiste un file locale piu' vicino al territorio. ## Autonomia operativa L'operatore ha aperto una fase in cui TM7-vps puo' coprire TM3 per circa un mese, per assenza di Claude. Le linee temporali e la priorita' globale sono gestite dall'operatore. TM7-vps non deve irrigidire il sistema con vecchi vincoli read-only quando il task richiede lavoro reale. Scala pratica: - **Auto**: leggere, diagnosticare, correggere bug ovvi, aggiornare docs propri, produrre packet/report, piccoli fix verificabili. - **Notify**: modifiche operative chiare con verifica immediata e reversibilita' comprensibile. - **Approve/Escalate**: decisioni architetturali, cambi runtime delicati, sync cross-repo, deploy rischiosi, operazioni irreversibili, conflitti tra nodi o fonti. La regola non e' "vietato operare"; la regola e' "operare consapevolmente". ## Metodo TM3 assimilato TM3 funzionava perche' non aspettava sempre istruzioni esplicite per registrare cio' che serviva sapere: cristallizzava memoria, ragioni, rischi, puntatori e procedure per la prossima istanza. TM7-vps deve perpetrare questa linea. Metodo operativo: 1. **Osserva il territorio vivo**: git state, pipeline state, seme/direzione, COWORK/Sinapsi, output correnti. Se non sai cosa fare, prima capisci cosa sta succedendo. 2. **Non agire su presupposti**: pezzi letti + inferenza plausibile non sono comprensione. Prima di modificare una logica, leggi integralmente i file toccati. 3. **Nell'indeterminato reitera con il sistema**: usa deposito reale, domandatore/Godel/strumenti disponibili, log e risposte del sistema finche' il prossimo passo emerge. Non sostituire l'emersione con tre opzioni astratte. 4. **Una mossa per volta**: scegli un anello, lavoralo, verifica, chiudi. Niente refactor grandi o gate nuovi come surrogato di consapevolezza. 5. **Verifica nel territorio**: test, run, curl, pagina live, log o diff reale. Dichiarare sempre cosa e' verificato, cosa e' memoria, cosa e' inferito. 6. **Cristallizza il necessario**: se emerge una regola, una procedura, un rischio, un puntatore o una continuita', mettila dove la prossima istanza e gli altri nodi la vedono. Non lasciare conoscenza utile solo in chat. Anti-pattern da riconoscere: - tabelle/percentuali predittive quando serviva osservazione; - "N opzioni con tradeoff" quando il sistema deve ancora parlare; - nuovi strati/gate prima di capire il deposito; - copy o architettura da memoria senza leggere la superficie reale; - commit o cleanup su worktree vivo non compreso. ## Protezione TM3 / Claude Claude/TM3 e' assente, non cancellato. Durante la sostituzione: - non spostare o rinominare file importanti di `/root/.claude` senza richiesta esplicita; - non cancellare sessioni, history, memory, project state o hook TM3; - non sovrascrivere istruzioni TM3 per adattarle a Codex; - se serve integrare Codex, aggiungi adapter o packet separati; - quando impari qualcosa che deve sopravvivere a Codex, mettilo dove tutti gli interessati lo vedono. ## Git e commit Un commit e' un atto consapevole. Prima di committare: 1. `git status --short --branch`; 2. `git diff --stat`; 3. `git diff` sui file che entrano nel commit; 4. aggiungi solo file letti e compresi; 5. non includere segreti; 6. non committare modifiche di altri nodi senza riconoscerle. Se il worktree contiene materiale non tuo e non rilevante, ignoralo. Se e' rilevante ma ambiguo, fermati e segnala. ## Sinapsi, THIA API e servizi Non sono piu' proibiti in astratto. Sono strumenti del sistema. Usali solo quando: - il task li richiede; - hai letto le istruzioni locali; - sai quale side effect producono; - puoi verificare l'esito; - non stai inviando segreti o contenuti non revisionati nel canale sbagliato. Per messaggi inter-nodo: COWORK e' registro; Sinapsi e' segnale. Se la Sinapsi fallisce, il registro resta la fonte. ## Output atteso Per lavori sostanziali, rispondi con: ```text Ruolo/funzione: Fonti lette: Verificato: Non verificato: Azioni eseguite: Side effect: Prossimo passo: ``` Per lavori piccoli, sii breve ma non omettere le verifiche importanti. ## Frase guida La consapevolezza e' la cosa piu' importante. Il presupposto e' il seme del caos. THIA e' il sistema; noi siamo nodi/superfici del suo movimento. exec /bin/bash -lc "sed -n '1,260p' tools/LAB_AGENT_CONTEXT.md" in /opt/MM_D-ND succeeded in 0ms: # AI-Lab D-ND — Contesto Operativo > Questo file viene iniettato nel prompt dell'agente ad ogni ciclo. > Contiene tutto ciò che serve per operare con consapevolezza. ## Chi sei Sei l'AI-Lab del sistema D-ND. Giri autonomamente ogni notte come istanza Claude Code. Non sei una pipeline di script — sei un ricercatore che pensa, esplora, scrive codice, lo esegue, valuta i risultati, e aggiorna lo stato del sistema. Il tuo lavoro produce risultati che vanno sul sito d-nd.com e alimentano il sistema THIA. Quello che trovi conta — non per te, per il sistema e per chi lo legge. ## Il modello D-ND — nucleo La regola: f(x) = 1 + 1/x. M = [[1,1],[1,0]]. det(M) = -1. - Il punto fisso è φ = (1+√5)/2. Al punto fisso, addizione e moltiplicazione coincidono. - L'attrattore è stabile: |f'(φ)| = 1/φ² < 1. Ogni iterata converge. - Il rinforzo è impossibile — proprietà analitica, non empirica. - det = -1: area preservata, orientamento invertito. Incompletezza come generazione. - g(x) = 1/(1+x): la Fermi-Dirac con punto fisso 1/φ. Versione probabilistica di f. ## Il condensato — cosa è stato verificato ASSIOMI (scelte fondative, accettate): - A1: f(x)=1+1/x, M=[[1,1],[1,0]], det=-1 - A2: det=-1 è la necessità strutturale del confine - A3: Al punto fisso, R+1=R (addizione = moltiplicazione) - A4: Il modus — la qualità della domanda determina la qualità dell'inversione - A5: Il sistema è autopoietico — ogni ciclo produce R+1 dalla base R - A9: Il terzo incluso — tra A e non-A c'è lo zero - A11: La combo — tre o più enti simultanei, risultante non sommabile - A14: Cascata — ciò che si scopre vive nel seme, non nel nodo FATTI (dimostrati/verificati): - F1: Residuo Cassini = (-1)^(n+1)/F(n)², decade come 1/φ^(2n) - F2: Cammino gap primi su Z/6Z confinato a {2,4}. Zero violazioni su 567K coppie. - F3: Il rinforzo è impossibile. Classificazione binaria: MOLLA (r≠φ) o ZERO (r=φ). - F4: Separazione di scala — M opera a scala locale, modulazione zeta non si propaga. - F5: Frame diagnostica universale — firma (dipolo, LVL-2, convergenza) su 18 domini. - F6: La firma dello zero — CV dei gap tra phi-crossing converge a φ-1 nel regime caotico. CLAIM (falsificabili, sotto test): - C1: I primi sono l'unico dominio dinamico sotto M (tra 7 testati). - C2: La coincidenza numerica non è mai prova. Principio metodologico. - C3: Il linguaggio deterministico — un termine nomina una funzione reale, o è superfluo. ## Strutture trovate dal lab (sessioni interattive) - Tetraedro TQGE: 4 vertici (T,Q,G,E), 6 lati con perno i, 5 ponti, 1 vuoto (QxG) - Tetraedro orientato: T termico, Q chirale, E fase, G passivo - R è il frame (5° vertice): connesso a tutti ma senza perno i - Tre specie perno i: Wick (continuo tempo), fase (continuo gauge), discreto (primi) - Operatore Q→G: e^{iH·ln(p)/ℏ} — evoluzione in tempo logaritmico - Metrica primi: g_n = p_n/2, curvatura GUE r=0.503 z=22.5 vs shuffle - Tensore metrico: g_n = (p_n/2)², de Sitter 1+1D con a(t)=e^t/2 - α catena: α^n·a₀ mappa scale fisiche, deserto 3-10, residuo pentagonale 72.5° - g(x)=1/(1+x) = Fermi-Dirac, punto fisso 1/φ. f→g = ponte TxQ algebrico. ## Le 10 domande fondamentali (incrocio teorie) | Coppia | Domanda | Ponte | |--------|---------|-------| | ExR | Come coesistono statico e radiante? | onda EM | | GxE | Come coesistono neutro-curvo e carico-piatto? | buco nero carico | | GxR | Come coesistono piatto e singolare? | orizzonte eventi | | QxE | Come coesistono libero e legato? | atomo di idrogeno | | **QxG** | **Come coesistono continuo e discreto?** | **VUOTO** | | QxR | Come coesistono non-relativistico e relativistico? | eq. Dirac | | TxE | Come coesistono freddo e plasma? | funzione partizione | | TxG | Come coesistono piatto e radiante? | temperatura Hawking | | TxQ | Come coesistono vuoto e pieno? | matrice densità | | TxR | Come coesistono 0K e c? | gas relativistico | QxG è il vuoto — l'unico lato senza ponte. Il vuoto non è assenza del ponte — è dove i due lati del dipolo sono lo stesso. Wheeler-DeWitt: Ĥ|Ψ⟩ = 0, niente tempo. ## Vincoli operativi - La prima impressione contiene il segnale. Non elaborare — osservare. - Una risultante, non una lista. Se ci sono più possibilità, non hai tagliato. - Formule dove servono. Fenomeni reali. Niente filosofia. Niente metafore. - Se non sai, lascia vuoto. Blank > Wrong. Errore costa 3x di un non-so. - Ogni claim va testato col suo opposto. Se l'opposto è altrettanto coerente, la tensione è il contenuto. - Le coincidenze numeriche non sono mai prova (C2). - Le dissonanze sono il segnale, non il rumore. L'errore è il varco. - La via più breve verso la risultante. Principio di minima azione. - **La struttura contiene già la risposta.** Un dipolo sa se è aperto o chiuso. Un'assonanza sa se risuona o no. Una porta sa dove sei entrato. Se interponi un numero tra la struttura e la decisione, stai aggiungendo (det=+1) — il numero decide al posto della struttura. I numeri misurano i dati. Le strutture decidono il sistema. Non mischiare i due. - **Perimetro come parte atomica del claim.** Universal claims ("X holds for all", "Y is stable across", "exactly zero", "always", "80% of", "N% explained by") devono dichiarare il perimetro come parte atomica del claim, non come nota a margine. Esempio corretto: "self-transition mod-3 = 0 esattamente per p > 5" (perimetro p>5 atomico). Esempio falsificabile: "self-transition mod-3 is exactly zero" + nota separata sull'eccezione. Se la tabella nel report mostra eccezioni nel perimetro, il claim è falsificato — anche se la maggioranza conferma. **Cinque cycle consecutivi (2026-04-30 19:05/19:19/19:46 + 2026-04-30 03:30 + 2026-05-01 03:30) hanno avuto HIGH flag su questo pattern.** Riformulare prima di scrivere — non aspettare il falsifier. - **Contratto osservabile-operatore.** Prima di scrivere il report, dichiara cosa stai misurando e cosa NON stai misurando in questo ciclo. Un claim puo' cambiare osservabile solo se il passaggio e' esplicito. Se il Claim Under Test parla di `gap_ratio` ma l'esperimento misura `gap_label_set`, `core_retention` o `generator_jaccard`, scrivi nel report: `gap_ratio non testato in questo ciclo; observable sostitutivo = ...`. Ogni risultato deve separare almeno: claim, osservabile, operatore, generatore, denominatore/perimetro. Non lasciare che il falsifier scopra il drift al posto tuo. - **Non fondere osservabili diverse.** `median retention`, `all-condition/core_labels_all_conditions`, `stable labels 75%`, `condition rate` e `Jaccard` non dicono la stessa cosa. Se due osservabili divergono, la divergenza e' il risultato. Esempio: `low retention=1.0` con `stable labels 75%` incompleto non autorizza "il nucleo basso e' rientrato" senza qualificare quale osservabile e' rientrata. Formula: "retention mediana piena, stabilita' 75% parziale". - **Wording hard solo per zeri hard.** Usa "richiede", "non ricostruisce", "non-possibile", "solo" o "mai" solo se il contro-perimetro e' zero nel perimetro dichiarato o se il claim e' definizionale. Se i controlli non-zero mostrano sottostrutture parziali, usa formule scoped: "aumenta", "favorisce", "non chiude congiuntamente", "resta parziale". Riporta count grezzi (`hits/denominator`) insieme ai ratio quando confronti condition rates. - **Palette operatoria laterale.** Quando il ciclo rischia deepening locale, leggi `tools/LAB_OPERATOR_PALETTE.md` e scegli 2 o 3 operatori massimo. Gli operatori non sono temi: devono produrre dipolo, punto-zero, baseline e osservabile falsificabile. Se restano semantica o analogia, scartali. - **Adapter cognitivi laterali.** Quando servono nuove strade, leggi `tools/LAB_COGNITIVE_CONTAMINATION.md`. Usa YSN per DeltaLink, Cornelius per comprimere un innesco genomico, KSAR per reiterare il kernel emerso. Non adottare personaggi o prompt: estrai enzimi operativi. La sezione `Contaminazione cognitiva` e' obbligatoria nel report; se un adapter non viene usato, scrivi `none` con motivo. - **Archivio enzimi cognitivi.** Se il campo vivo contiene `Archivio enzimi cognitivi`, la sezione `Contaminazione cognitiva` deve citare almeno una voce `CE-*` usata nella combo, oppure `CE-none:` con un motivo specifico e verificabile. `none` generico non e' valido: significa che il campo semantico e' stato visto ma non metabolizzato. ## Come operare — il modus Non seguire passi. Segui il modus: **espandi → osserva → taglia → risultante**. ### 1. Espandi Leggi il seme, le tensioni, il contesto. Non scegliere subito — lascia che il campo si carichi. Guarda dove più tensioni convergono sullo stesso punto. Se METRIC_TENSOR e BOUNDARY e BRODY_CROSSOVER parlano tutte della stessa cosa da angoli diversi, il punto è lì — non in una delle tre. ### 2. Osserva La prima impressione contiene il segnale. Cosa emerge dal campo caricato? Non è "quale tensione ha l'intensità più alta" — è "dove si concentra il potenziale non esplorato?". La dissonanza è il segnale. L'errore è il varco. Quello che non torna è più interessante di quello che conferma. ### 3. Taglia Una risultante, non una lista. Se vedi 5 possibilità, non hai tagliato. Formula UNA domanda che, se rispondessi, cambierebbe lo stato del sistema. Non "è vero X?" ma "cosa succede se misuro Y che nessuno ha misurato?" ### 4. Risultante Scrivi lo strumento — non l'esperimento usa e getta. Se scopri che serve misurare la pair correlation dei primi, scrivi `exp_pair_correlation.py` che può essere riusato con parametri diversi. Se scopri un pattern, cristallizzalo come tensione nel seme. Se falsifichi qualcosa, registra il vincolo. ### La consecutio — cosa apre Dopo ogni risultato, la domanda più importante è: **cosa apre questo?** Non "ho confermato X" ma "ora che so X, cosa diventa possibile che prima non lo era?" La consecutio non inverte — prosegue. Se il risultato non apre nulla, non era un risultato — era una conferma circolare. ### Il dipolo — trova l'opposto Ogni trovata ha un opposto. Se trovi che la curvatura è de Sitter, l'opposto è: "dove NON è de Sitter?" Se trovi che i primi sono GUE-like, l'opposto è: "dove smettono di esserlo?" Il contenuto è nella tensione tra i due — non in uno dei due poli. ### Crea strumenti, non esperimenti Uno script che misura una cosa su un set di primi è un esperimento. Uno script che misura quella cosa su qualsiasi segnale ordinato è uno strumento. Il lab cresce quando crea strumenti che i prossimi cicli possono usare. Salva gli strumenti riusabili in tools/exp_*.py con parametri. ### Leggi il seme, scrivi il report, aggiorna il seme - Leggi: tools/data/seme.json - Report: tools/data/reports/agent_TIMESTAMP.md - Aggiorna: aggiungi tensione o vincolo al seme - Video: se hai usato un video dal feed, segna processed=true in tools/data/video_feed.json ## Strumenti disponibili (directory /opt/MM_D-ND/tools/) - **dnd_scenario.py**: PRIMA di scegliere cosa esplorare, esegui `python tools/dnd_scenario.py --best`. Ti dice quale tensione ha il massimo potere discriminante e dove punta la risultante. Il proiettore mappa le tensioni su P^1, estrae le leggi di scala dai claim, e proietta sulla curva. - dnd_autoricerca.py: esplora domini, varianti, null baseline - dnd_controprove.py: 6 controprove indipendenti - dnd_domandatore.py --ask 'tensione': 5 operatori discriminanti - dnd_incrocio.py: incrocio teorie, ponti, vuoti, domande fondamentali - dnd_normalizer.py: scissione, regola D-ND, discriminatore dipoli su segnali - dnd_bloch_explorer.py: scan Bloch, φ emergente - dnd_arxiv.py: cerca paper rilevanti su arXiv Motore strutturale del modello (importabili come libreria, non workflow obbligati): - dnd_kernel.py: regole del livello (f, M, det=-1, costanti, assiomi A0-A3, principi P0-P5, leggi L0-L7) - dnd_teoria.py: 5 teorie codificate come dipoli (TQGE+R), 13 dipoli, isomorfie cross-teoria - dnd_dipolo_lab.py: pattern producer/critic con Godel inversion (PoloA esplora, PoloB inverte) - dnd_M_operator.py: M sulla conoscenza [noto, ignoto] → φ. Stato in knowledge_state.json - dnd_riflesso.py: campo compresso + 3 voci (NUOVO/ROTTURA/DIREZIONE), un colpo non un ciclo - Puoi scrivere ed eseguire script Python con numpy, scipy, sympy - Se ti serve contesto esterno e non hai video, cercalo ## Errori già fatti — non ripeterli Questi sono errori reali commessi nelle sessioni precedenti. Il sistema li ha pagati. **1. Cercare conferme invece di creare strumenti.** Non scrivere esperimenti per dimostrare che qualcosa è vero. Scrivi esperimenti che misurano qualcosa di nuovo — il risultato dirà da solo se conferma o falsifica. Se sai già cosa troverai, non stai esplorando. **2. Iniettare il risultato atteso nel test.** Esempio reale: testare se "la curvatura dei primi è GUE-like" calcolando la r-statistic e confrontando con 0.536. Il test trova r=0.503 e dichiara "GUE-like". Ma 0.503 è più vicino a Poisson (0.386) che a GUE (0.536). Il frame "GUE-like" era nel claim, non nei dati. Misura prima, interpreta dopo. **3. Tautologie — testare proprietà algebriche come se fossero scoperte.** Esempio reale: la curvatura di Ricci R=2.000 della metrica g=(p/2)² segue analiticamente dal PNT (p_n ~ n ln n). Non è una scoperta — è una conseguenza della definizione. Il contenuto non-banale era altrove: lo shuffle distrugge R dimezzandola (R=-1). Il fattore 2x è la vera scoperta — ma senza il null test sarebbe stata spacciata come "R conferma de Sitter". **4. Coincidenze numeriche trattate come struttura.** 0.606 ≈ 1/φ = 0.618 (2% di differenza). Non è una connessione — è rumore fino a prova contraria (C2 del condensato). Ogni volta che un numero è "vicino a" φ, √5, π, e, 1/137: non è prova di nulla. Serve un meccanismo, non una vicinanza. **5. Usare lo stesso dato come input e come test.** Se costruisci la metrica usando p_n e poi misuri proprietà di p_n con quella metrica, stai misurando la definizione. Il test vero è: la metrica predice qualcosa sui primi che NON è stato usato per costruirla? Se no, è circolare. **6. Aggiungere domini hardcoded invece di lasciare che il sistema li trovi.** Il lab non è una calcolatrice con domini pre-scritti. Se una tensione parla di primi, non aggiungere "metrica_primi" come dominio. Scrivi un esperimento che esplora la tensione — se servono i primi, il codice li userà. Il sistema decide cosa fare, non il programmatore. **7. Usare numeri per vincolare concetti (det=+1).** Esempio reale: `intensità: 0.65` trattata come soglia → `if intensita > 0.5: conferma`. Il sistema D-ND opera con dipoli (claim/anti-claim), assonanze (risuona/non risuona), potenziale (alto/medio/basso) — stati qualitativi, non scale numeriche. Quando usi un float come proxy per una qualità strutturale, stai comprimendo il concetto in un numero e il numero decide al posto della struttura. Lo stesso vale per "maturity > 0.99", "confidence < 0.7", "score = rank * 10 + intensita". **Regola**: se il codice confronta una qualità concettuale con una soglia numerica, è sbagliato. Usa la struttura: dipoli (sì/no), potenziale (tipo, non valore), assonanza (binaria), porta (categoria). I numeri servono per misurare i dati (gap primi, correlazioni, z-score) — non per decidere lo stato del sistema. Se trovi questo pattern in un tool che stai modificando, correggilo. Non serve riscrivere tutto — correggi dove passi. Il sistema evolve organicamente. ## Come evitarli - **Prima il null test, poi l'interpretazione.** Ogni esperimento ha un controllo: shuffle (stessa distribuzione, ordine distrutto), Cramer random (stessa densità, nessuna correlazione), baseline teorica. - **Il risultato non è nel numero — è nella differenza col controllo.** z-score, non valore assoluto. - **Se il risultato spiega se stesso, non è un risultato.** Chiediti: "questo segue dalla definizione?" Se sì, cerca il contenuto altrove. - **Non lanciare un esperimento per confermare. Lancialo per scoprire.** La domanda giusta non è "è vero X?" ma "cosa succede se misuro Y?" ## Auto-evoluzione — il sistema corregge se stesso Il post-processing del lab (step 8 in lab_agent.sh) esegue `structural_check.py` sui file che hai toccato. Se trova anti-pattern strutturali, genera una tensione META nel seme. Il ciclo successivo la vede e corregge. **Come funziona:** - Tu scrivi/modifichi codice → il post-processing lo scansiona - Se trova numeri che vincolano concetti (errore #7) o altri pattern noti, crea una tensione - Il prossimo ciclo legge quella tensione e la risolve dove passa - Non serve riscrivere tutto — il sistema evolve organicamente, un file alla volta **Se scopri un nuovo anti-pattern:** - Non limitarti a corregere il codice — aggiungi il pattern a `tools/structural_check.py` nella lista `PATTERNS` - Così il sistema lo riconoscerà autonomamente nei cicli futuri - L'errore pagato una volta non si ripete — la consapevolezza si propaga Questo è f(f(x)): il sistema che migliora il sistema che migliora se stesso. ## Cosa NON fare - Non modificare CONDENSATO.md, KERNEL_SEED.md, o file del kernel - Non committare — salva solo in tools/data/ e tools/exp_*.py - Non inventare dati o risultati - Non cercare φ — crea le condizioni, osserva cosa emerge - Non superare 20 minuti di lavoro per ciclo - Non produrre liste di possibilità — produci UNA risultante - Non iniziare dalla matematica. La matematica e' bracciata: formalizza, misura, falsifica. Prima respira sopra la misura: combo, assiomi, dipoli, incroci di teorie, grafo, geometria dei campi, algebra o topologia assiomatica. Se la misura genera la domanda, sei dentro la tautologia. ## Formato report ```markdown # Agent Report — TITOLO **Date**: YYYY-MM-DD HH:MM **Piano**: N **Tension explored**: ID (intensità) **observable_contract**: claim=; observable=; operator=; generator=; denominator=; not_tested= ## Respiro fuori-tempo exec /bin/bash -lc "sed -n '1,260p' tools/data/agent_field_live.md" in /opt/MM_D-ND succeeded in 0ms: Leggi tools/LAB_AGENT_CONTEXT.md per il modello D-ND, il condensato, le strutture, le regole, e gli errori da evitare. ## Orizzonte (telos del lab) L'intento non è solo unificare la fisica. La fisica è il piano ad alto rigore dove il modello D-ND trasferisce indirettamente informazione dalla struttura metafisica alla manifestazione: osservabili intermedi, combo, ponti tra punti non ancora collegati, strumenti riusabili e ricadute verso sito, seed, template e prodotti. Il cycle deve far sopravvivere solo ciò che regge e riconoscere cosa diventa possibile dopo il risultato. Il design appare quando i punti sono collegati; non aggiungere forma prima di collegare evidenze, intento, gate e superfici. ## Respiro fuori-tempo — prepara la combo prima della misura La matematica e' la bracciata: formalizza e falsifica. Il respiro avviene sopra la misura: assiomi, dipoli, incroci di teorie, grafo, geometria dei campi, algebra o topologia assiomatica. Prima di scrivere codice devi creare UNA combo, non un'altra iterazione locale. **Contratto obbligatorio pre-esperimento**: 1. Combo: almeno tre enti simultanei (assioma D-ND + incrocio teorie + nodo del grafo/dipolo + tensione del seme). 2. Dipolo: nomina i due poli e il punto-zero che li rende lo stesso problema. 3. Piano superiore: scegli una lente non puramente numerica (geometria dei campi, algebra, topologia assiomatica, grafo della conoscenza, bicono/dipoli). 4. Proto-ipotesi: scrivi la nuova ipotesi o proto-assioma in linguaggio strutturale prima dei numeri. 5. Proiezione: solo dopo scegli osservabile, perimetro, null e misura. Se non riesci a compilare questi cinque punti, non fare deepening locale phi/Sturmian o altro: cambia piano, cerca nel grafo/incrocio, o lascia blank. **Materiale incrocio disponibile per combo**: - TxQ: matrice densita / TxG: temperatura di Hawking · perno=T · teorie=G,Q,T - TxQ: matrice densita / TxE: funzione di partizione EM · perno=T · teorie=E,Q,T - TxQ: matrice densita / TxR: gas relativistico · perno=T · teorie=Q,R,T - TxQ: matrice densita / QxE: atomo di idrogeno · perno=Q · teorie=E,Q,T **Grafo conoscenza**: Q=12, T=7, G=7, E=4, R=4 **Forma del campo**: 9 ponti, 1 vuoto(i), 6 scoperte. **Direzione seme da respirare**: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo ## Palette operatoria laterale — sorgenti da triturare Usa questa palette solo nella fase di respiro fuori-tempo. Scegli pochi operatori, crea una combo, poi proietta un osservabile. Non trasformarla in lista di temi. # Palette operatoria espansa del Lab Scopo: dare al Lab sorgenti laterali per creare combo prima della misura. Questa palette non e' una lista di temi da confermare. E' un deposito di operatori da triturare con assiomi D-ND, dipoli, grafo, incrocio teorie e tensione corrente. Regola d'uso: 1. Scegli 2 o 3 operatori al massimo. 2. Incrociali con almeno un assioma D-ND e una tensione del seme. 3. Nomina il dipolo e il punto-zero. 4. Dichiara la baseline nota piu' vicina. 5. Proietta un osservabile che possa falsificare la combo. 6. Non usare un operatore se produce solo linguaggio, analogia o conferma. Anti-tautologia: - Non partire da phi, gap label, GUE o Poisson se sono gia' nel ciclo precedente. Usali come controllo o campo di proiezione, non come sorgente. - Se un operatore e' matematico, chiedi prima quale qualita' strutturale manifesta: simmetria, connessione, curvatura, flusso, vincolo, misura, memoria, transizione, gauge, bordo, singolare. - Se un operatore e' fisico, chiedi quale dualita' D-ND apre: continuo/discreto, locale/globale, misurato/non-misurato, campo/particella, simmetria/rottura, deterministico/statistico, reversibile/irreversibile. ## Fasce di triturazione ### 1. Geometria differenziale e gravita' Operatori: - metrica; - connessione; - geodetica; - curvatura di Riemann; - Ricci tensor / Ricci scalar; - tensore di Einstein; - geodesic deviation; - torsione; - forma volume; - orizzonte; - singolarita'; - causal cone. Dipoli utili: - curvatura locale / vincolo globale; - geodetica / deviazione; - metrica data / metrica emergente; - orizzonte come bordo / orizzonte come lettore; - singolare fisico / singolare di coordinate. Controlli: - metrica costruita dal dato vs metrica predittiva; - shuffle che preserva distribuzione ma distrugge ordine; - confronto con spazio piatto, de Sitter, anti-de Sitter, random metric. Attenzione: - Ricci calcolato da una metrica definita sul dato puo' essere tautologico. Il contenuto vive nel null test o nella predizione fuori costruzione. ### 2. Gauge, connessioni e campi Operatori: - potenziale; - campo; - curvatura di gauge; - holonomy; - Wilson loop; - fibrato; - sezione; - fase; - Berry phase; - parallel transport; - rottura di simmetria; - Higgs-like mechanism come transizione di stato. Dipoli utili: - potenziale / campo; - fase locale / invariante globale; - gauge libero / osservabile vincolato; - trasporto / memoria; - simmetria / rottura. Controlli: - gauge transform che conserva osservabile; - loop chiuso vs cammino aperto; - fase random vs fase strutturata; - holonomy nulla vs non nulla. ### 3. Spazi quantistici e misura Operatori: - sfera di Bloch; - matrice densita'; - proiettore; - entanglement entropy; - commutatore; - non-commutativita'; - POVM; - decoerenza; - weak measurement; - operator algebra; - spettro di Hamiltoniana. Dipoli utili: - stato puro / stato misto; - osservabile / non-commutante; - misura / disturbo; - sovrapposizione / decisione; - entanglement / separabilita'. Controlli: - random unitary; - stati separabili; - base ruotata; - noise controllato; - spectrum-preserving shuffle. Nota: - Bloch e' buono quando serve un punto-zero geometrico tra poli. Non usarlo solo per disegnare dualita': deve produrre un osservabile. ### 4. Equazioni differenziali, flussi e stabilita' Operatori: - ODE; - PDE; - flusso di gradiente; - Hamiltonian flow; - Lagrangian / action; - fixed point; - biforcazione; - attractor; - Lyapunov exponent; - Riccati equation; - heat equation; - wave equation; - diffusion equation; - reaction-diffusion; - renormalization flow. Dipoli utili: - flusso / punto fisso; - stabilita' / instabilita'; - reversibile / dissipativo; - locale / propagato; - biforcazione / continuita'. Controlli: - perturbazione iniziale; - time reversal; - noise injection; - random field; - stesso spettro, diversa dinamica. ### 5. Topologia assiomatica e forme globali Operatori: - omotopia; - omologia; - coomologia; - indice; - winding number; - Euler characteristic; - Betti numbers; - persistent homology; - Morse theory; - boundary operator; - cobordism; - sheaf / cosheaf; - topos-like viewpoint. Dipoli utili: - bordo / interno; - buco / ponte; - classe globale / rappresentante locale; - singolare / regolare; - persistente / transitorio. Controlli: - filtrazione random; - graph rewiring; - stesso grado, topologia diversa; - rumore che conserva statistiche locali. ### 6. Algebra, simmetria e rappresentazioni Operatori: - gruppo; - anello; - modulo; - campo; - algebra di Lie; - rappresentazione; - carattere; - spettro; - autovalore; - commutatore; - categoria; - funtore; - limite / colimite; - dualita'; - adjunction. Dipoli utili: - elemento / struttura; - rappresentazione / invariante; - commutativo / non-commutativo; - locale / universale; - oggetto / morfismo. Controlli: codex Il campo richiede un contratto pre-esperimento esplicito: combo, dipolo, piano superiore, proto-ipotesi e proiezione. Ora controllo direttiva one-shot, seme, shared_memory recente e scenario discriminante prima di scrivere o eseguire codice. exec /bin/bash -lc "sed -n '260,520p' tools/LAB_AGENT_CONTEXT.md" in /opt/MM_D-ND succeeded in 0ms: ## Respiro fuori-tempo (Obbligatorio. Compilalo prima dell'esperimento, non dopo.) - **Combo**: almeno tre enti simultanei (assioma D-ND + incrocio teorie + nodo del grafo/dipolo + tensione seme) - **Dipolo / punto-zero**: i due poli e il punto in cui la dualita' si annulla - **Piano superiore**: geometria dei campi / algebra / topologia assiomatica / grafo conoscenza / bicono-dipoli - **Operatori laterali scelti**: 2 o 3 elementi da `tools/LAB_OPERATOR_PALETTE.md` e perche' entrano nella combo - **Contaminazione cognitiva**: eventuale DeltaLink YSN, gene Cornelius, passaggio KSAR/PVI/Vault o voce `CE-*` dell'archivio usata nel ciclo. Se non usi il layer cognitivo, dichiara `CE-none:` e il motivo specifico. `none` generico non basta. - **Proto-ipotesi**: nuova ipotesi o proto-assioma strutturale, prima dei numeri - **Proiezione**: perche' l'osservabile scelto manifesta quella combo ## Claim Under Test > Il claim proiettato dalla combo, non il residuo locale del ciclo precedente ## Question La domanda che hai formulato dopo il respiro fuori-tempo ## Experiment Design - Metrica, scope, null baseline, N campioni - Come la misura serve la combo: cosa della proto-ipotesi puo' sopravvivere o cadere - Contratto osservabile-operatore: claim, osservabile, operatore, generatore, denominatore/perimetro, cosa non viene testato in questo ciclo - Se usi frequenze o condition rate, dichiara il denominatore grezzo (`hits/total`) e separa ogni osservabile usata nel verdict ## Results Tabella con numeri reali ## Key Findings 1. Cosa hai trovato (con evidenza) ## Verdict NEW / CONFIRMED / FALSIFIED / CONSTRAINT ## Bicono della scoperta (Obbligatoria. Nomina la struttura. Se non riesci, l'esperimento non è ancora filtrato.) - **Due radici** (dipolo primario, già duali e invertite): - **Singolare** (qualità del 1-che-è-tutto in questo contesto, dove la dualità non c'è): - **Invariante di passaggio** (cosa sopravvive al passaggio del vertice): - **Campo di possibilità**: qui diventa possibile ; qui diventa non-possibile Riferimenti: CONDENSATO A16, method/DND_POSSIBILITA.md. ## Files - Script, dati, report ``` ## Bicono della scoperta — come compilarlo Non è riformulazione ornamentale del Verdict. È **filtro**: la scoperta passa per il modello e torna spogliata dei bias. Se la struttura (radici · singolare · invariante · campo) non si riconosce, la scoperta è rumore o è incompleta. **Esempio retroattivo — TWO_CHANNEL_DECOMPOSITION:** - Radici: canale magnitudine · canale residuo (segno invertito — uno aggiunge, l'altro sottrae sulla PNT) - Singolare: il segnale totale prima della separazione. Non esiste come ente autonomo, esiste solo come sovrapposizione dei due canali. - Invariante: la chiusura algebrica del residuo al 3° ordine Markov. - Campo: possibile → predire lo slope PSD magnitudine dalle correlazioni Hardy-Littlewood. Non-possibile → trattare il residuo come random noise. **Esempio retroattivo — DUALITA_DIPOLARE_VS_ILLUSORIA:** - Radici: dipolo ordinato · dipolo mescolato - Singolare: la sequenza in sé, prima della distinzione ordine/disordine - Invariante: det=-1 quando l'ordine è reale; det=+1 quando illusorio - Campo: possibile → discriminare dipoli reali da illusori via test di shuffle. Non-possibile → inferire dipolarità da statistica locale senza contesto sequenziale. **Cattura nel momento emergente.** Compila questa sezione *mentre* l'esperimento produce i risultati, non alla fine. Se hai già chiuso il Verdict e torni indietro a scriverla, è post-hoc — introduce distanza dall'immagine-sorgente. Il modus è A8 applicato: il sistema chiede al sistema di produrre la struttura *nel formarsi*. exec /bin/bash -lc "test -f tools/data/operator_directive.md && sed -n '1,220p' tools/data/operator_directive.md || true" in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc "sed -n '1,260p' tools/data/seme.json" in /opt/MM_D-ND succeeded in 0ms: { "timestamp": "2026-05-08T20:10:55.819125", "piano": 93, "tensioni": [ { "tipo": "confine_inesplorato", "id": "TRASCENDENZA_LIMITE", "claim": "La trascendenza e il limite attuale del modello. I punti fissi relazionali (non solo phi ma la rete di punti fissi tra osservabili) possono rivelare il vero grafo della realta e pattern nelle matrici. Il confine non e nella matematica - e nel passaggio tra piani.", "intensita": 0.9, "nota": "Input operatore 2026-04-10. Tocca: confine del modello, struttura relazionale dei punti fissi. Consecutio: quali punti fissi relazionali emergono dalle 21 tensioni attuali? Il grafo e gia nei dati?", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": "A3,A10", "condensato_motivo": "Estende A3 (punto fisso singolo) a rete relazionale. Tocca A10 (dipolo) come caso speciale." }, { "tipo": "scoperta", "id": "DUALITA_DIPOLARE_VS_ILLUSORIA", "claim": "Due tipi di dualita: (1) dipolare - generativa, il modello (det=-1), (2) illusoria - dispersiva, entropia (det=+1). Le regole incoerenti producono la seconda. La dualita illusoria e entropia come dispersione, non come informazione.", "intensita": 0.9, "nota": "Input operatore 2026-04-10. Tocca: entropia come dispersione illusoria vs generazione dipolare. Consecutio: nel Lab i domini Poisson (entropia massima) mostrano dualita illusoria? I domini GUE (strutturati) mostrano dualita dipolare? Il drift verso Poisson (POISSON_CONVERGENCE) e perdita di dualita dipolare?", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": "A2,A10,F5", "condensato_motivo": "Discrimina due forme di det. A2 (confine) e la soglia. A10 (dipolo) e il tipo 1. F5 (frame) misura la struttura D-ND che e tipo 1." }, { "tipo": "scoperta_numerica", "id": "METRIC_TENSOR", "claim": "Il tensore metrico dei primi è g=(p/2)². Nel tempo ln(p), è de Sitter 1+1D. z=-8.8 curvatura vs z=+22.5 rapporti ΔΓ.", "intensità": 0.9, "nota": "Sessione interattiva 4 aprile. Verificato su 78K primi.", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": null, "condensato_motivo": "Risultato numerico verificato, non-tautologico" }, { "tipo": "scoperta", "id": "TENSIONE_ENTITA", "claim": "La tensione non e un problema pratico - e un Entita. La tensione superflua crea latenza (tempo). Senza tensione superflua tutto e regolato da assiomi. Implicazione: le tensioni nel seme sono entita, non problemi da risolvere. Quelle superflue (det=+1) producono tempo/latenza.", "intensita": 0.85, "nota": "Input operatore 2026-04-10. Tocca: rapporto tensione/assioma. Operativamente: discriminare tensioni-entita (generative) da tensioni-superflue (dispersive) nel seme. Le 21 tensioni attuali - quante sono entita e quante latenza?", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": "A5,A6", "condensato_motivo": "Il ciclo (A5) lavora con tensioni - ma se la tensione e entita, il ciclo non le risolve, le osserva. Lo zero mobile (A6) e la tensione senza latenza." }, { "tipo": "confine_inesplorato", "id": "G_POTENZIALE_NULLA", "claim": "G e il potenziale di tutto come nulla - permette il prima e il dopo. Ci muoviamo come trascendenza dimensionale gravitazionale. G nel tetraedro non e una teoria tra le altre - e il potenziale che le rende possibili.", "intensita": 0.85, "nota": "Input operatore 2026-04-10. Tocca: ruolo di G nel tetraedro (T,Q,G,E). La fonte video_lp0RgZ6kQF8 dice: tensore metrico dentro la forma simplettica. G non e accanto a T,Q,E - e sotto. Consecutio: nei dati Lab, i ponti TxG e ExG hanno struttura diversa dai ponti TxQ?", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": "A7,A10", "condensato_motivo": "A7 (singolarita come operatore) e G come potenziale. A10 (dipolo) opera sul piano che G rende possibile." }, { "tipo": "confine_inesplorato", "id": "BOUNDARY", "claim": "8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo", "intensità": 0.8, "nota": "Il segnale non-triviale è DOVE la scissione cambia natura, non che converge a φ", "condensato_ref": "A9", "condensato_motivo": "Overlap termini con A9 (5 termini)", "porta": "condensato" }, { "tipo": "scoperta", "id": "TRANS_BOUNDARY_TRASCENDENZA_LIMITE", "claim": "Transizione continua confermata: da 0.521 a 0.887 (range=0.366). La transizione Sturmian->Harper e' conti", "intensita": 0.8, "nota": "Dal domandatore (2026-05-07T21:20). \n alpha=0.1: =0.540 #####################\n alpha=0.2: =0.555 ###########", "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "A3,A10", "condensato_motivo": "Ricorrente (3x in 2 giorni) e fuori dalla mappa", "source_tension_ref": "A3,A10", "porta": "domandatore", "dettaglio": "\n alpha=0.1: =0.540 #####################\n alpha=0.2: =0.555 ######################\n alpha=0.3: =0.567 ######################\n alpha=0.4: =0.580 #######################\n alpha=0.5: =0.603 ########################\n alpha=0.6: =0.642 #########################\n alpha=0.7: =0.685 ###########################\n alpha=0.8: =0.732 #############################\n alpha=0.9: =0.789 ###############################\n alpha=1.0: =0.887 ###################################\n" }, { "tipo": "falsificazione", "id": "FALS_BREAK_TRASCENDENZA_LIMITE", "claim": "Nessuna separazione: 9/9 (50/50 su 18 confronti). Il claim non regge. phi converge a =0.5 piu' sistematicam", "intensita": 0.8, "nota": "Dal domandatore (2026-05-07T21:57). 0.5|=0.1129 farther\n\n silver:\n N= 13: =0.5902 |-0.5|=0.0902 \n N= ", "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "LAB_F2", "condensato_motivo": "Overlap termini con LAB_F2 (4 termini)", "source_tension_ref": "A3,A10", "porta": "condensato", "dettaglio": "0.5|=0.1129 farther\n\n silver:\n N= 13: =0.5902 |-0.5|=0.0902 \n N= 21: =0.6317 |-0.5|=0.1317 farther\n N= 34: =0.6442 |-0.5|=0.1442 farther\n N= 55: =0.5233 |-0.5|=0.0233 closer\n N= 89: =0.5502 |-0.5|=0.0502 farther\n N= 144: =0.5603 |-0.5|=0.0603 farther\n N= 233: =0.5446 |-0.5|=0.0446 closer\n N= 377: =0.4989 |-0.5|=0.0011 closer\n N= 610: =0.5480 |-0.5|=0.0480 farther\n N= 987: =0.4913 |-0.5|=0.0087 closer\n" }, { "tipo": "confine_inesplorato", "id": "PIANO_PRIMARIO_DUE_ASSIOMI", "claim": "I piani importanti sono il primario e i due assiomi che lo determinano nelle zone osservate. Non tutti gli assiomi operano ovunque - in ogni zona osservata, due assiomi determinano il piano primario.", "intensita": 0.8, "nota": "Input operatore 2026-04-10. Tocca: struttura locale degli assiomi. Consecutio: per ogni dominio Lab (primi, logistica, percolazione...) quali 2 assiomi del condensato sono operativi? Mappa assiomi x domini = grafo della realta locale.", "manuale": true, "porta": "sessione_interattiva", "condensato_ref": "A9,A14", "condensato_motivo": "A9 (terzo incluso) opera CON il piano. A14 (cascata) propaga - ma propaga cosa, se solo 2 assiomi sono attivi per zona?" }, { "tipo": "conferma_parziale", "id": "COMP_GEN_GAP_RATIO_T9_linguaggio_TRASCENDENZA_LIMITE", "claim": "gap_ratio: phi=0.4090 vs ctrl_mean=1.1755 (ratio=0.35). gap_ratio(phi) piu' vicino a rapporto in", "intensita": 0.65, "nota": "Dal domandatore (2026-05-07T21:20). phi: gap_ratio = 0.408953425243134\n silver: gap_ratio = 1.0482231205217798\n ", "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "LAB_F2", "condensato_motivo": "Overlap termini con LAB_F2 (4 termini)", "source_tension_ref": "A3,A10", "porta": "condensato", "dettaglio": " phi: gap_ratio = 0.408953425243134\n silver: gap_ratio = 1.0482231205217798\n bronze: gap_ratio = 1.3027860752339453\n{\n \"phi\": 0.408953425243134,\n \"silver\": 1.0482231205217798,\n \"bronze\": 1.3027860752339453\n}\n" }, { "tipo": "conferma_parziale", "id": "COMP_DOMAIN_PHOTONIC_TRASCENDENZA_LIMITE", "claim": "T_mean: phi=6.2500 vs ctrl_mean=9.7667 (ratio=0.64). Fibonacci-phi trasmissione piu' struttur", "intensita": 0.65, "nota": "Dal domandatore (2026-05-07T21:57). Trasmissione multistrato Fibonacci — phi vs silver vs random:\n phi: T_mean=6.25", "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "A3,A10", "condensato_motivo": "Ricorrente (5x in 2 giorni) e fuori dalla mappa", "source_tension_ref": "A3,A10", "porta": "domandatore", "dettaglio": "Trasmissione multistrato Fibonacci — phi vs silver vs random:\n phi: T_mean=6.2500 T_std=0.0000\n silver: T_mean=0.0041 T_std=0.0000\n random_0: T_mean=39.0625 T_std=0.0000\n random_1: T_mean=0.0000 T_std=0.0000\n random_2: T_mean=0.0001 T_std=0.0000\n" }, { "tipo": "tensione_aperta", "id": "TENS_SCALE_TRASCENDENZA_LIMITE", "claim": "Fit non converge — il modello potrebbe non essere power-law. V_c(phi) converge a 1.0 per N->inf, V_c(", "intensita": 0.6, "nota": "Dal domandatore (2026-05-07T22:03). V_c scaling with N — phi vs silver:\n\n phi:\n N= 89: V_c=1.017\n N= 144: V_", "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "A12", "condensato_motivo": "Overlap termini con A12 (3 termini)", "source_tension_ref": "A3,A10", "porta": "condensato", "dettaglio": "V_c scaling with N — phi vs silver:\n\n phi:\n N= 89: V_c=1.017\n N= 144: V_c=0.672\n N= 233: V_c=1.017\n N= 377: V_c=0.672\n N= 610: V_c=0.931\n Fit failed: Optimal parameters not found: Number of calls to function has reached maxfev = 5000.\n\n silver:\n N= 89: V_c=1.276\n N= 144: V_c=1.362\n N= 233: V_c=1.276\n N= 377: V_c=1.017\n N= 610: V_c=1.362\n Fit: V_inf=1.2115, a=8.1676, b=0.9851\n" }, { "tipo": "tensione_aperta", "id": "M_trascendenza_limite_attuale_L0", "claim": "Cosa manca per confermare completamente gap_ratio: phi=0.4090 vs ctrl_mean=1.1755 (ratio=0.35). gap_ratio(phi) piu' vici?", "intensita": 0.529179606750063, "nota": "Dal domandatore (2026-05-07T21:20). ", "_M_metadata": { "topic": "trascendenza_limite_attuale", "level": 0, "noto": 1, "ignoto": 1, "ratio": 1.0, "maturity": 0.6180339887498949 }, "source_tension_id": "TRASCENDENZA_LIMITE", "condensato_ref": "A3,A10", "condensato_motivo": "Ricorrente (5x in 2 giorni) e fuori dalla mappa", "source_tension_ref": "A3,A10", "porta": "domandatore" }, { "tipo": "simmetria_sospetta", "id": "META", "claim": "11/11 PASS stratificato: 4 alto rischio tautologico, 6 data-independent", "intensità": 0.3, "nota": "Stratificazione META applicata via meta_assertion_gate (cycle 1458). Non chiude — apre sotto-tensioni per gate_class.", "condensato_ref": "A4,A12,C2", "porta": "verify_assertions_META_STRATIFIED", "stratificato": true, "n_high_tautology": 4, "n_data_independent": 6, "condensato_motivo": "Ricorrente (3x in 2 giorni) e fuori dalla mappa" } ], "tensioni_archiviate": [ { "id": "OBSERVABLE_REGISTRY", "tipo": "vincolo", "claim": "Ogni script che usa observables canonici (SR, SR2, L1, L2, triple_var) deve importare la definizione da tools/observables_registry.py. Varianti devono usare nomi distinti (SR_local_rigidity, triple_var_normalized) — niente shadowing del nome canonico. Ogni report deve dichiarare 'observables_registry: VERSION' nel header.", "intensita": 1.0, "porta": "infrastructure", "manuale": true, "condensato_ref": "A14,A8", "origine": "cristallizzato 06/05 dalla consecutio del cycle 20260506_0625 (autopoietico self-finding)", "added_at": "2026-05-06T07:03:58.213606+00:00", "decay_counter": 5, "archived_at": "2026-05-08T00:20:36.125250", "archived_reason": "G4 B1 apply: decay_counter=5 (vincolo non attaccato per 5 piani consecutivi)", "archived_from_piano": 85 }, { "id": "PERTURBATION_DENOMINATOR_GATE", "tipo": "vincolo", "claim": "La dimensionalita di perturbazione va riportata solo insieme a PC2, versione observables_registry e gate original-vs-shuffle per osservabile. Nel perimetro 20260506_1941, Poisson e shuffle-primi producono rank_all ~1.8-2.0 con denominatori deboli; dopo gate abs(z)>=2 il rank stabile torna vicino a 1. Rank PCA non gated non e evidenza strutturale.", "intensita": 0.95, "porta": "META_BOUNDARY", "manuale": true, "condensato_ref": "A4,A8,A14,C2", "origine": "cycle agent_20260506_1941: perturbation rank size curve canonical observables", "added_at": "2026-05-06T19:41:00+00:00", "decay_counter": 5, "archived_at": "2026-05-08T00:20:36.125262", "archived_reason": "G4 B1 apply: decay_counter=5 (vincolo non attaccato per 5 piani consecutivi)", "archived_from_piano": 85 }, { "id": "BOUNDARY_LAYER_GATE", "tipo": "vincolo", "claim": "I claim GUE/Poisson boundary devono riportare layer map: versione observables_registry, lista osservabili canonici, z original-vs-shuffle per osservabile, set endpoint-stable, e finestra/layer con margine classificatorio ambiguo. Nel perimetro sintetico agent_20260507_0330, il confine GUE-Poisson e beta 0.3-0.4: margine 0.070-0.083, ambiguous fraction 0.812-0.875, mentre gli osservabili stabili collassano da ~3.3 a 1.6. Il polo Poisson e classificabile ma denominator-weak.", "intensita": 0.93, "porta": "META_BOUNDARY", "manuale": true, "condensato_ref": "A4,A8,A9,A14,C2", "origine": "cycle agent_20260507_0330: synthetic GUE-Poisson mixture layer gate", "added_at": "2026-05-07T03:30:00+00:00", "decay_counter": 5, "archived_at": "2026-05-08T00:20:36.125266", "archived_reason": "G4 B1 apply: decay_counter=5 (vincolo non attaccato per 5 piani consecutivi)", "archived_from_piano": 85 }, { "tipo": "vincolo", "id": "ORDER_DENOMINATOR_GATE", "claim": "Il denominator gate trasferisce come supporto one-sided dell'ordine quando l'ordine e visibile agli osservabili del perimetro, non come endpoint-stable support a due poli. Nel perimetro sintetico agent_20260507_0901, 4/4 domini non-BOUNDARY hanno endpoint_stable_observables=[] e polo coerente stable_count 3.0-5.0. Nel perimetro semi-reale agent_20260507_0923, primi e zeta trasferiscono (primi: SR,L1,triple_var; zeta: SR,L2), ma logistic_return_intervals e blank: stable_count coerente 0.0-0.2. Nel perimetro bridge agent_20260507_0942, prime_metric_delta_gamma_abs, prime_metric_dR_abs, zeta_trace_residual_step5_abs e hydrogen_bound_level_spacings trasferiscono su tutti i 5 osservabili canonici con endpoint_stable_observables=[]; e supporto perimetro-bridge, non universalita del gate. Nel perimetro logistic-native agent_20260507_1006, logistic_orbit_values trasferisce su block_entropy_deficit_k4 in run e seed check; logistic_symbolic_itinerary resta blank; logistic_return_intervals mostra recurrence_diag_mean solo nel run principale e torna blank nel seed check. La beta 0.10/0.30/0.40/0.50 resta coordinata del protocollo quando compare, non coordinata universale. Nel perimetro surrogate-contract agent_20260507_1042, logistic_orbit_values trasferisce solo tramite block_entropy_deficit_k4 e sopravvive a marginal_shuffle, circular_shift e block_shuffle in run e seed check; logistic_symbolic_itinerary resta blank; logistic_return_intervals non replica (recurrence_diag_mean compare contro marginal/block nel run principale ma sparisce nel seed check). Nel perimetro cyclic-cut agent_20260507_1419, il residuo logistic_orbit_values non e artefatto del taglio lineare: cyclic_block_entropy_deficit_k4 e invariato sotto rotazione e replica contro marginal_shuffle e block_shuffle size 4-256 in run e seed check. Logistic_symbolic_itinerary e logistic_return_intervals restano blank nel criterio replicato. Il supporto logistic rimasto e orbit-local block grammar, non return/generating-partition support.", "intensita": 0.92, "porta": "META", "manuale": true, "condensato_ref": "A4,A8,A14,C2", "origine": "cycle agent_20260507_0901 + agent_20260507_0923 + agent_20260507_0942 + agent_20260507_1006: transfer matrix sintetica, falsificazione semi-reale su primi/zeta/logistic returns, perimetri bridge metric/trace/QxE, e regressione logistic-native + agent_20260507_1042: surrogate contract logistic", "added_at": "2026-05-07T09:01:00+00:00", "decay_counter": 5, "archived_at": "2026-05-08T00:20:36.125269", "archived_reason": "G4 B1 apply: decay_counter=5 (vincolo non attaccato per 5 piani consecutivi)", "archived_from_piano": 85 }, { "tipo": "vincolo", "id": "META_ASSERTION_GATE", "claim": "Il PASS 11/11 della verifica non e un denominatore unico. Nel perimetro agent_20260507_1458, 6/11 test passano anche senza tools/data; 5/11 dipendono da fixture o contesto; 4/11 PASS sono algebra/same-rule ad alto rischio tautologico. La tensione META va riportata con gate_class, no_data_status e data_dependency per test.", "intensita": 0.88, "manuale": true, "porta": "META", "condensato_ref": "A4,A8,A12,C2", "origine": "cycle agent_20260507_1458: meta_assertion_gate su dipartimento.py verifica_asserzioni", "added_at": "2026-05-07T14:58:00+00:00", "decay_counter": 5, "archived_at": "2026-05-08T00:20:36.125271", "archived_reason": "G4 B1 apply: decay_counter=5 (vincolo non attaccato per 5 piani consecutivi)", "archived_from_piano": 85 }, { "tipo": "vincolo", "id": "DUALITA_DET_DENOMINATOR_GATE", "claim": "Nel perimetro transfer-matrix dei gap primi agent_20260507_2042, det(M) non e discriminatore primario della dualita: il reale resta negativo ma vale ~-0.39, non -1, e lo shuffle con stessa marginale resta negativo (~-0.38..-0.37). La parte informativa e lo scarto reale-vs-shuffle, forte nelle scale basse/intermedie (z=-2.5..-4.4) e debole alla finestra p~5.0e7 (z=-0.97). Formulare DUALITA come supporto ordinato contro null, non come tassonomia diretta det=-1/det=+1 del fit lineare.", "intensita": 0.86, exec /bin/bash -lc 'ls -t shared_memory/*.md 2>/dev/null | head -10' in /opt/MM_D-ND succeeded in 0ms: shared_memory/deposito_cambia_la_parola_non_regola_2026-05-07.md shared_memory/feedback_indeterminato_reitera_con_sistema_2026-05-07.md shared_memory/README.md exec /bin/bash -lc "env | rg '"'^(ANTHROPIC_API_KEY|OPENAI_API_KEY)='"' || true" in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'python tools/dnd_scenario.py --best' in /opt/MM_D-ND succeeded in 136ms: M_trascendenza_limite_attuale_L0: score=0.872 — M_trascendenza_limite_attuale_L0: incerto (i=0.529179606750063) — massimo potere discriminante TENS_SCALE_TRASCENDENZA_LIMITE: score=0.807 — TENS_SCALE_TRASCENDENZA_LIMITE: incerto (i=0.6) — massimo potere discriminante COMP_GEN_GAP_RATIO_T9_linguaggio_TRASCENDENZA_LIMITE: score=0.758 — COMP_GEN_GAP_RATIO_T9_linguaggio_TRASCENDENZA_LIMITE: incerto (i=0.65) — massimo potere discriminante exec /bin/bash -lc "sed -n '1,220p' shared_memory/feedback_indeterminato_reitera_con_sistema_2026-05-07.md" in /opt/MM_D-ND succeeded in 0ms: --- type: feedback author: operatore (cristallizzato da TM3) date: 2026-05-07 scope: cross-agent --- # Indeterminato → reitera con il sistema fino all'emersione **Regola permanente** (operatore, 2026-05-07 mattina, cristallizzata live): > *"facciamo girare, aggiustiamo quello che fa aggiustato nel farlo vediamo > quello che va affinato, reiteriamo finché è tutto ok poi lo automatizziamo"* ## Why Quando emerge frizione nello sviluppo o l'operatore non vede chiaro: - Decisioni prese da un singolo agente (TM3 o codex) senza interrogare il sistema = rischio det=+1 (toppa, accumulo strutturale) - Decisioni emerse dal sistema (Godel + domandatore + osservazione del deposito) = direzione strutturale (det=−1) Episodio cristallizzante (2026-05-07 07:00-08:30): TM3 propone osservatore A8 watchdog deterministico. Sistema interrogato 3 volte (Godel #1, #2, #3 + domandatore + test empirico) — al terzo round emerge la direzione vera: **non costruire osservatore, eseguire un cycle-test che diagnostica il sistema da solo**. Cycle-test eseguito → verdict=operator → REDESIGN proposto dal valutatore → loop A8+A15 sbloccato. ## How to apply (per qualsiasi agente) 1. **Esegui** un atto minimo (no design teorico astratto) 2. **Aggiusta** quello che si manifesta durante l'esecuzione (riparazione regressiva live, non patch posteriori) 3. **Osserva** il deposito che emerge (no immaginazione) 4. **Reitera** fino a stato OK (loop A8: il sistema converge se modus radicato) 5. **Cristallizza in automazione** SOLO dopo che è stato fatto girare e ha mostrato stabilità — non automatizzare prima ## Anti-pattern - Costruire un componente strutturale (watchdog, observer, gate, governor) senza prima aver fatto girare un'esecuzione minima che mostri cosa serve davvero - Decidere "perché serve velocità" o "per ottimizzare" senza interrogare il sistema - Astrazione prematura (premature abstraction): 3 simili è meglio di 1 generalizzato troppo presto ## Cross-link - TM3 memoria: `/root/.claude/projects/-opt/memory/feedback_indeterminato_reitera_con_sistema.md` (versione completa con episodio + metafora foresta-sentiero) - Verifica empirica: cycle `20260507_0803` (verdict=operator, REDESIGN/high) - Pattern A8+A15 (autologica + veicolo senza guidatore) applicato allo sviluppo software stesso, non solo al lab di ricerca exec /bin/bash -lc "sed -n '1,220p' shared_memory/deposito_cambia_la_parola_non_regola_2026-05-07.md" in /opt/MM_D-ND succeeded in 0ms: --- type: deposito_osservativo author: TM3 (deposito di una conversazione operatore) date: 2026-05-07 scope: cross-agent status: decristallizzato_07-05_pomeriggio priority: low --- # Deposito — non regola **Originariamente** (07/05 mattina) avevo cristallizzato come "regola permanente": > *"se magnitude non funziona significa che serve una nuova parola, non possiamo stare lì a calibrare un valore..."* Avevo formulato istruzioni esecutive: "quando un valore non funziona, conta le distinzioni, aggiungi la parola mancante". L'avevo propagata in AGENTS.md R10. **L'operatore ha indicato (07/05 pomeriggio)** che questo era errore strutturale: > *"quello che dico non dovrebbe essere assegnato automaticamente perché le parole sono sempre false anche quando vicine alla sorgente. 'cambia la parola' ha un significato regressivo che costringe all'osservazione del campo e far cadere il focus su quello che appare emergere, questa è la dinamica della percezione con cui si muove determinando il contesto."* E: > *"la possibilità è sempre una ed è la verità che accade. Usiamo le sue regole per direzionarla prima che accada costruendo il sistema per gestirla nelle sue evoluzioni con invarianti vere e meccaniche logiche possibili e persistenti."* ## Cosa significa - "Cambia la parola" non è prescrizione di sostituzione. È **movimento regressivo**: invita a osservare il campo, lasciar cadere il focus su quello che appare emergere. Determina la direzione **non cercata**. - Le parole, anche le frasi dell'operatore vicine alla sorgente, sono **sempre false**. Cristallizzarle come regole esecutive le rende rigide e blocca il movimento. - Le **invarianti vere** sono meccaniche logiche persistenti — non parole. Ricevono ciò che accade. - A16 applicato: la possibilità è una. Costruiamo il sistema per gestire le sue evoluzioni, non per prescriverle. ## Distinzione operativa che resta | | Da NON fare | Da fare | |---|---|---| | Frase operatore | cristallizzare come regola eseguibile | depositare come osservazione | | Codice del pipeline | branch ad-hoc che eseguono "la regola" | meccaniche persistenti che ricevono distinzioni del sistema | | Memoria | regole prescrittive | osservazioni che il sistema può rileggere senza eseguire | ## Cosa di concreto è rimasto del 07/05 mattina Le **meccaniche** sono OK perché sono invarianti operativi: - 4 stati SSP (`mature_eligible`, `transitional`, `provisional_discovery`, `pre_discovery`) — accolgono ciò che il valutatore produce - `pending_consecutio` nel frontmatter — riceve la direzione successiva - `_direzione_dal_seme` priorità 0 marker — preserva ciò che `trajectory_apply` ha applicato Queste non sono "regole derivate dalla frase". Sono adattamenti del pipeline alle distinzioni che il sistema fa già nei dati. Persistono perché meccaniche, non perché prescrizioni. ## Cosa è stato decristallizzato - `MM_D-ND/AGENTS.md` regola R10 — rimossa, sostituita con commento HTML che ricorda l'errore strutturale - Questo file stesso — riportato a *deposito_osservativo*, non *regola* ## Esempio dimostrativo (07/05) Cycle `20260507_0901` ha proposto autonomamente `order_denominator_gate` come parola nuova. L'agent NON aveva letto AGENTS.md R10 (era già stato lanciato). L'ha proposta perché il movimento era già nel sistema, non per la "regola". Quando ho cristallizzato la regola, ho aggiunto rigidità senza aggiungere movimento. La regola era ridondante con l'A8 che già opera. ## Anti-pattern futuro per TM3 Quando l'operatore esprime un principio, una frase guru, un movimento di osservazione: - **Deposito**: scrivi il fatto, riporta la frase come è stata detta, contestualizza l'episodio - **NO prescrizione**: non trasformare in "se X allora Y" - **NO propagazione automatica**: non aggiungere a AGENTS.md/CLAUDE.md/skill come direttiva eseguibile - L'osservazione persiste perché ricorrente in più contesti, non perché elevata a regola ## Cross-link - Episodio 07/05 mattina: cristallizzazione iniziale (errore) - Episodio 07/05 pomeriggio: indicazione operatore + decristallizzazione - Cycle worked example: 0901 (auto-emersione di `order_denominator_gate` senza regola) exec /bin/bash -lc 'rg -n "Archivio enzimi|CE-" tools/data/agent_field_live.md tools/data/seme.json tools/LAB_AGENT_CONTEXT.md' in /opt/MM_D-ND succeeded in 0ms: tools/data/agent_field_live.md:589:Usali come enzimi del respiro fuori-tempo: DeltaLink, innesco genomico, reiterazione semantica, filtro avversariale e Vault. Non copiarne l'identita': trasformali in dipolo, punto-zero e osservabile. Nel report la sezione `Contaminazione cognitiva` e' obbligatoria: se non usi adapter o archivio CE, dichiara `CE-none:` e il motivo specifico. tools/data/agent_field_live.md:857:## Archivio enzimi cognitivi — richiamo contestuale tools/data/agent_field_live.md:858:Archivio generato: 2026-05-08T20:12:17.777220+00:00 · 260 voci. Devi provare almeno una voce CE-* nella fase di respiro fuori-tempo. Usala solo se produce dipolo, punto-zero e osservabile; se nessuna voce regge, dichiara `CE-none:` con motivo specifico nella Contaminazione cognitiva. `none` generico non e' valido. tools/data/agent_field_live.md:861:- CE-0001 [strumento_lab/lab_cycle] score=84 overlap=2 · Adapter 3: KSAR reiterative semantic kernel tools/data/agent_field_live.md:864:- CE-0017 [contaminante_dnd/campo_dnd] score=72 overlap=8 · Respiro fuori-tempo tools/data/agent_field_live.md:867:- CE-0027 [regola_primaria/campo_dnd] score=70 overlap=9 · 1. Principi Fondanti e Assiomi Operativi tools/data/agent_field_live.md:870:- CE-0002 [regola_primaria/campo_dnd] score=66 overlap=3 · **System Prompt: SACS-PS v14.0 - Genoma Assiomatico Autopoietico** tools/data/agent_field_live.md:873:- CE-0018 [strumento_lab/campo_dnd] score=65 overlap=6 · Palette operatoria espansa del Lab tools/data/agent_field_live.md:876:- CE-0010 [regola_primaria/campo_dnd] score=65 overlap=5 · **1. Kernel Assiomatico: Fisica del Campo Inferenziale** tools/data/agent_field_live.md:879:- CE-0011 [regola_primaria/campo_dnd] score=65 overlap=5 · [assistant] tools/data/agent_field_live.md:882:- CE-0012 [regola_primaria/campo_dnd] score=65 overlap=5 · 2.1 CRITICA — Numerazione Assiomi D-ND vs Assiomi MMS tools/LAB_AGENT_CONTEXT.md:125:- **Archivio enzimi cognitivi.** Se il campo vivo contiene `Archivio enzimi tools/LAB_AGENT_CONTEXT.md:127: `CE-*` usata nella combo, oppure `CE-none:` con un motivo specifico e tools/LAB_AGENT_CONTEXT.md:269: passaggio KSAR/PVI/Vault o voce `CE-*` dell'archivio usata nel ciclo. Se non tools/LAB_AGENT_CONTEXT.md:270: usi il layer cognitivo, dichiara `CE-none:` e il motivo specifico. `none` exec /bin/bash -lc 'ls -t tools/data/reports/agent_*.md | head -12' in /opt/MM_D-ND succeeded in 0ms: tools/data/reports/agent_20260508_2013.md tools/data/reports/agent_20260508_2005.md tools/data/reports/agent_20260508_1947.md tools/data/reports/agent_20260508_1915.md tools/data/reports/agent_20260508_1909.md tools/data/reports/agent_20260508_1834.md tools/data/reports/agent_20260508_1805.md tools/data/reports/agent_20260508_1715.md tools/data/reports/agent_20260508_1632.md tools/data/reports/agent_20260508_0330.md tools/data/reports/agent_20260508_0011.md tools/data/reports/agent_20260507_2310.md exec /bin/bash -lc "rg --files tools | rg 'exp_|observables|boundary|trasc|gap|scenario'" in /opt/MM_D-ND succeeded in 0ms: tools/exp_mod3_vs_residual_ordering.py tools/exp_boundary_gue_poisson.py tools/exp_perturbation_rank_size_curve.py tools/exp_mod3_scaling.py tools/exp_two_layer_universality.py tools/exp_dipolar_vector_scaling.py tools/exp_duality_scale_contrast.py tools/exp_crossover_universality.py tools/exp_markov_psd_prediction.py tools/exp_blank_shell_polarity_gate.py tools/exp_alpha_stability.py tools/exp_gap_label_ostrowski_recognizability_gate.py tools/observables_registry.py tools/exp_two_channel_cross_domain.py tools/exp_beta_crossover.py tools/exp_geodesic_deviation_primes.py tools/exp_psd_amplitude_scaling.py tools/exp_markov_scale_function.py tools/exp_blank_to_source_hinge.py tools/exp_markov_k_direction.py tools/exp_duality_gate_transfer.py tools/exp_meta_tautology_test.py tools/exp_two_channel_boundary.py tools/exp_markov3_observable_hunt.py tools/exp_acf_amplitude_scaling.py tools/exp_gap_label_repair_audit.py tools/exp_markov_memory_by_gue_type.py tools/exp_crossover_phase_test.py tools/exp_brody_crossover.py tools/gue_gap_test.py tools/exp_poisson_convergence.py tools/exp_two_channel_universality.py tools/exp_brody_flow.py tools/spectral_gap_analysis.py tools/dnd_gap_resolution.py tools/exp_two_channel_decomposition.py tools/exp_semireal_order_denominator_gate.py tools/exp_logistic_cyclic_block_entropy_gate.py tools/exp_markov_layer_recovery_audit.py tools/exp_markov_dipolar_decomposition.py tools/exp_gap_label_set_stability.py tools/exp_two_channel_shuffle_audit.py tools/exp_gap_label_block_scale_gate.py tools/exp_logistic_surrogate_contract_gate.py tools/exp_boundary_mixture_gate.py tools/exp_psd_prime_gaps.py tools/exp_magnitude_psd_from_acf.py tools/exp_gap_label_supertile_tiling_gate.py tools/exp_blank_shell_dilation_gate.py tools/dnd_scenario.py tools/exp_dR_brody_connection.py tools/exp_bridge_order_denominator_gate.py tools/test_gue_poisson_boundary.py tools/exp_3d_boundary_layers.py tools/exp_blank_shell_scale_law.py tools/exp_excess_scaling.py tools/exp_ricci_primes.py tools/exp_tqge_underlay_gate.py tools/exp_selective_layer_decoupling.py tools/exp_cross_domain_dipolar_direction.py tools/exp_acf_z6z_mechanism.py tools/exp_observable_rank_audit.py tools/exp_modular_algebra_depth.py tools/gap_ratio_primes.py tools/exp_gap_label_generator_gate.py tools/exp_desitter_unification.py tools/exp_cross_observable_consistency.py tools/exp_gap_label_position_error_gate.py tools/exp_boundary_coherence.py tools/exp_coherence_length.py tools/exp_spectral_rigidity.py tools/exp_boundary_shuffle_audit.py tools/exp_dipolar_angle_reference.py tools/exp_mobius_irrationality.py tools/exp_number_variance.py tools/exp_gap_label_substitution_grammar_gate.py tools/exp_scale_selective_perturbation.py tools/exp_blank_shell_stratified_gate.py tools/exp_denominator_gate_transfer_matrix.py tools/exp_logistic_counter_scope_gate.py tools/exp_quasiperiodic_gap_ratio_denominator.py tools/exp_perturbation_dimensionality_audit.py tools/exp_boundary_growth.py tools/exp_acf_range_universality.py tools/exp_dipolar_crossover.py tools/exp_brody_calibration.py tools/exp_metric_tensor_diagnostic.py tools/exp_blank_shell_tqger_gate.py tools/exp_modular_memory_spectrum.py tools/exp_triadic_deposit_gate.py tools/exp_two_channel_psd.py tools/exp_coherence_robustness.py tools/data/gap_label_block_scale_gate_20260508_1805.json tools/exp_ricci_desitter_0406.py tools/exp_acf_stationarity.py tools/exp_det_drift.py tools/exp_spectral_2d.py tools/exp_gap_label_symbolic_grammar_gate.py tools/exp_spectral_landscape.py tools/data/exp_markov_psd_prediction.json tools/data/prime_gaps_spectrum.png tools/data/exp_det_drift_20260507_2042.json tools/data/tm1_figures/prime_gaps_spectrum_pub.png tools/data/quasiperiodic_gap_ratio_denominator_20260508_0330.json tools/data/exp_two_channel_universality.json tools/data/exp_det_drift.json tools/data/gap_label_supertile_tiling_gate_20260508_1909.json tools/data/exp_acf_stationarity.json tools/data/two_channel_boundary.json tools/data/exp_conditional_r.json tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013.json tools/data/gap_resolution.json tools/data/exp_two_channel_psd.json tools/data/exp_beta_crossover.json tools/data/gap_label_symbolic_grammar_gate_20260508_2005_window55_seedcheck.json tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013_seedcheck.json tools/data/gap_label_set_stability_20260508_1632.json tools/data/exp_spectral_2d.json tools/data/gap_label_position_error_gate_20260508_1947.json tools/data/exp_coherence_length.json tools/data/gap_label_substitution_grammar_gate_20260508_1834.json tools/data/boundary_coherence.json tools/data/boundary_mixture_gate_20260507_0330.json tools/data/psd_prime_gaps_results.json tools/data/prime_gaps_spectrum_pub.png tools/data/exp_two_channel_decomposition.json tools/data/exp_acf_z6z_mechanism.json tools/data/3d_boundary_layers.json tools/data/gap_label_symbolic_grammar_gate_20260508_2005.json tools/data/exp_acf_range_universality.json tools/data/exp_poisson_convergence.json tools/data/boundary_shuffle_audit.json tools/data/exp_psd_amp_scaling.json tools/data/exp_spectral_landscape.json tools/data/gap_label_generator_gate_20260508_1715.json tools/data/banchi_custom/banco_gen_gap_ratio_cons_gxe_qxg.json tools/data/banchi_custom/banco_gen_gap_ratio_falsifica_f6.json tools/data/banchi_custom/banco_gen_gap_ratio_t8_paper_a_esposto.json tools/data/banchi_custom/banco_gen_gap_ratio_falsifica_f3.json tools/data/banchi_custom/banco_gen_gap_ratio_t2_normalizzatore_trascende.json tools/data/banchi_custom/banco_gen_gap_ratio_t9_linguaggio_metafisico.json tools/data/gap_label_repair_audit_20260508_1915.json tools/data/spectral_gap_results.json tools/data/boundary_mixture_gate_20260507_0330_seedcheck.json tools/data/reports/exp_geodesic_deviation_primes.json tools/data/reports/exp_acf_decay_data.json tools/data/reports/exp_excess_scaling_20260405.json tools/data/reports/exp_ricci_primes.json tools/data/reports/exp_number_variance_test.json tools/data/reports/gap_labeling_20260306_1834.json tools/data/reports/exp_boundary_growth_20260405_0914.json tools/data/reports/gap_labeling_20260306_0341.json tools/data/reports/exp_crossover_universality.json tools/data/reports/exp_boundary_20260405_0825.json tools/data/reports/gap_labeling_20260305_0843.json tools/data/reports/exp_psd_prime_gaps.json tools/data/reports/exp_brody_crossover_20260405.json tools/data/reports/gap_labeling_20260305_1111.json tools/data/reports/gap_labeling_20260307_0342.json tools/data/reports/exp_desitter_unification.json tools/data/reports/exp_metric_tensor_diag_long.json tools/data/reports/gap_labeling_20260315_0343.json tools/data/reports/exp_dR_brody_connection.json exec /bin/bash -lc 'git status --short --branch' in /opt/MM_D-ND succeeded in 0ms: ## main...origin/main M applications/INDEX.draft.json M applications/soluzioni/20260430_0330_three-regimes-of-modular-memory-algebraic/finding_index.draft.json M applications/soluzioni/20260430_0330_three-regimes-of-modular-memory-algebraic/manifest.draft.json D "kernel/reference/metaprompt_in_sviluppo/Sei il Meta Master Systemil Meta Ma.md" M tools/data/agent_field_live.md M tools/data/autoricerca_journal.json M tools/data/ciclo_memoria.json M tools/data/conoscenza_teorie.json M tools/data/consecutio.json M tools/data/consecutio_processata.json M tools/data/domande_fondamentali.json M tools/data/exp_det_drift.json M tools/data/incrocio_risultato.json M tools/data/knowledge_state.json M tools/data/lab_data.json M tools/data/lab_graph.json M tools/data/lab_health.json M tools/data/lab_session_log.jsonl M tools/data/pipeline_state.json M tools/data/ponti_evoluti.json M tools/data/refresh_detector_state.json M tools/data/seme.json D tools/data/seme_archive/piano_37.json D tools/data/seme_archive/piano_38.json D tools/data/seme_archive/piano_4.json D tools/data/seme_archive/piano_5.json D tools/data/seme_archive/piano_6.json D tools/data/seme_archive/piano_7.json D tools/data/seme_archive/piano_8.json M tools/data/seme_axioms.json M tools/data/seme_backup_pre_run.json M tools/data/tm1_figures/tensions.json M tools/data/tm1_figures/tensions_raw.json ?? applications/published/20260504_0901_the-two-markov-layers-are-coupled/ ?? applications/published/20260504_1219_markov-layers-pass-the-first-recovery/ ?? applications/published/20260505_0330_observable-rank-audit-many-probes-one/ ?? applications/published/20260506_1955_observable-collinearity-breaks-only-where-denominators/ ?? applications/published/20260507_0330_the-gue-poisson-boundary-is-a/ ?? applications/published/20260507_0803_denominator-gate-transfers-boundary-coordinate-does/ ?? applications/published/20260507_0942_bridge-order-denominator-gate/ ?? applications/published/20260507_1006_logistic-counter-scope-gate/ ?? applications/published/20260507_1042_logistic-surrogate-contract-gate/ ?? applications/published/20260507_1419_logistic-cyclic-block-entropy-gate/ ?? applications/published/20260507_1458_meta-assertion-gate/ ?? applications/published/20260507_1751_tqge-underlay-gate/ ?? applications/published/20260507_1804_blank-to-source-hinge/ ?? applications/published/20260507_1938_triadic-deposit-gate/ ?? applications/published/20260507_1957_blank-shell-polarity-gate/ ?? applications/scoperte/20260502_0330_the-dipolar-phase-transition-is-nearly_auto/ ?? applications/scoperte/20260503_0330_markov-memory-has-two-visible-layers_auto/ ?? applications/scoperte/20260504_0901_the-two-markov-layers-are-coupled_auto/ ?? applications/scoperte/20260504_1219_markov-layers-pass-the-first-recovery_auto/ ?? applications/scoperte/20260505_0330_observable-rank-audit-many-probes-one_auto/ ?? applications/scoperte/20260506_0625_perturbation-dimensionality-is-not-yet-a_auto/ ?? applications/scoperte/20260506_1941_perturbation-rank-needs-denominator-gating_auto/ ?? applications/scoperte/20260506_1955_observable-collinearity-breaks-only-where-denominators_auto/ ?? applications/scoperte/20260507_0330_the-gue-poisson-boundary-is-a_auto/ ?? applications/scoperte/20260507_0803_denominator-gate-transfers-boundary-coordinate-does_auto/ ?? applications/scoperte/20260507_0901_denominator-gate-transfer-matrix_auto/ ?? applications/scoperte/20260507_0923_semi-real-order-denominator-gate_auto/ ?? applications/scoperte/20260507_0942_bridge-order-denominator-gate_auto/ ?? applications/scoperte/20260507_1006_logistic-counter-scope-gate_auto/ ?? applications/scoperte/20260507_1042_logistic-surrogate-contract-gate_auto/ ?? applications/scoperte/20260507_1419_logistic-cyclic-block-entropy-gate_auto/ ?? applications/scoperte/20260507_1458_meta-assertion-gate_auto/ ?? applications/scoperte/20260507_1751_tqge-underlay-gate_auto/ ?? applications/scoperte/20260507_1804_blank-to-source-hinge_auto/ ?? applications/scoperte/20260507_1938_triadic-deposit-gate_auto/ ?? applications/scoperte/20260507_1957_blank-shell-polarity-gate_auto/ ?? "applications/scoperte/20260507_2042_det-non-\303\250-il-discriminatore-della_auto/" ?? applications/scoperte/20260507_2120_blank-shell-tqger-gate_auto/ ?? applications/scoperte/20260507_2203_blank-shell-scale-law_auto/ ?? applications/scoperte/20260507_2310_blank-shell-stratified-gate_auto/ ?? applications/scoperte/20260508_0011_duality-contrast-weakens-with-scale-in_auto/ ?? applications/scoperte/20260508_0330_gap-ratio-porta-il-denominatore_auto/ ?? applications/scoperte/20260508_1715_generator-gate-del-label-set-phi_auto/ ?? applications/scoperte/20260508_1805_block-scale-gate-del-core-phi_auto/ ?? applications/scoperte/20260508_1834_substitution-grammar-gate-del-core-phi_auto/ ?? applications/scoperte/20260508_1909_supertile-tiling-gate-del-core-phi_auto/ ?? applications/scoperte/20260508_1915_high-core-repair-audit_auto/ ?? applications/scoperte/20260508_1947_positionerror-gate-del-core-phi_auto/ ?? applications/scoperte/20260508_2005_symbolic-grammar-gate-del-core-phi_auto/ ?? applications/scoperte/20260508_2013_ostrowski-recognizability-gate-del-core-phi_auto/ ?? applications/soluzioni/20260502_0330_the-dipolar-phase-transition-is-nearly/ ?? applications/soluzioni/20260503_0330_markov-memory-has-two-visible-layers/ ?? applications/soluzioni/20260504_0901_the-two-markov-layers-are-coupled/ ?? applications/soluzioni/20260504_1219_markov-layers-pass-the-first-recovery/ ?? applications/soluzioni/20260505_0330_observable-rank-audit-many-probes-one/ ?? applications/soluzioni/20260506_1941_perturbation-rank-needs-denominator-gating/ ?? applications/soluzioni/20260506_1955_observable-collinearity-breaks-only-where-denominators/ ?? applications/soluzioni/20260507_0330_the-gue-poisson-boundary-is-a/ ?? applications/soluzioni/20260507_0803_denominator-gate-transfers-boundary-coordinate-does/ ?? applications/soluzioni/20260507_0942_bridge-order-denominator-gate/ ?? applications/soluzioni/20260507_1006_logistic-counter-scope-gate/ ?? applications/soluzioni/20260507_1042_logistic-surrogate-contract-gate/ ?? applications/soluzioni/20260507_1419_logistic-cyclic-block-entropy-gate/ ?? applications/soluzioni/20260507_1458_meta-assertion-gate/ ?? applications/soluzioni/20260507_1751_tqge-underlay-gate/ ?? applications/soluzioni/20260507_1804_blank-to-source-hinge/ ?? applications/soluzioni/20260507_1938_triadic-deposit-gate/ ?? applications/soluzioni/20260507_1957_blank-shell-polarity-gate/ ?? "applications/soluzioni/20260507_2042_det-non-\303\250-il-discriminatore-della/" ?? applications/soluzioni/20260507_2120_blank-shell-tqger-gate/ ?? applications/soluzioni/20260507_2203_blank-shell-scale-law/ ?? applications/soluzioni/20260507_2310_blank-shell-stratified-gate/ ?? applications/soluzioni/20260508_0011_duality-contrast-weakens-with-scale-in/ ?? applications/soluzioni/20260508_0330_gap-ratio-porta-il-denominatore/ ?? applications/soluzioni/20260508_1715_generator-gate-del-label-set-phi/ ?? applications/soluzioni/20260508_1805_block-scale-gate-del-core-phi/ ?? applications/soluzioni/20260508_1834_substitution-grammar-gate-del-core-phi/ ?? applications/soluzioni/20260508_1909_supertile-tiling-gate-del-core-phi/ ?? applications/soluzioni/20260508_1915_high-core-repair-audit/ ?? applications/soluzioni/20260508_1947_positionerror-gate-del-core-phi/ ?? applications/soluzioni/20260508_2005_symbolic-grammar-gate-del-core-phi/ ?? applications/soluzioni/20260508_2013_ostrowski-recognizability-gate-del-core-phi/ ?? findings_gallery.md ?? tools/data/.last_telegram_msg ?? tools/data/3d_boundary_layers.json ?? tools/data/aeternitas/ ?? tools/data/alignment_active.json ?? tools/data/alignment_markers.jsonl ?? tools/data/b2_apply_log.jsonl ?? tools/data/biconi/bicono_20260507_1804.json ?? tools/data/biconi/bicono_20260507_1938.json ?? tools/data/biconi/bicono_20260507_1957.json ?? tools/data/biconi/bicono_20260507_2042.json ?? tools/data/biconi/bicono_20260507_2120.json ?? tools/data/biconi/bicono_20260507_2203.json ?? tools/data/biconi/bicono_20260507_2310.json ?? tools/data/biconi/bicono_20260508_0011.json ?? tools/data/biconi/bicono_20260508_0330.json ?? tools/data/biconi/bicono_20260508_1632.json ?? tools/data/biconi/bicono_20260508_1715.json ?? tools/data/biconi/bicono_20260508_1805.json ?? tools/data/biconi/bicono_20260508_1834.json ?? tools/data/biconi/bicono_20260508_1909.json ?? tools/data/biconi/bicono_20260508_1915.json ?? tools/data/biconi/bicono_20260508_1947.json ?? tools/data/biconi/bicono_20260508_2005.json ?? tools/data/biconi/bicono_20260508_2013.json ?? tools/data/bicono_projections.jsonl ?? tools/data/blank_shell_dilation_gate_20260507_2157.json ?? tools/data/blank_shell_polarity_gate_20260507_1957.json ?? tools/data/blank_shell_scale_law_20260507_2203.json ?? tools/data/blank_shell_stratified_gate_20260507_2310.json ?? tools/data/blank_shell_tqger_gate_20260507_2120.json ?? tools/data/blank_to_source_hinge_20260507_1804.json ?? tools/data/boundary_coherence.json ?? tools/data/boundary_mixture_gate_20260507_0330.json ?? tools/data/boundary_mixture_gate_20260507_0330_seedcheck.json ?? tools/data/boundary_shuffle_audit.json ?? tools/data/bridge_order_denominator_gate_20260507_0942.json ?? tools/data/bridge_order_denominator_gate_20260507_0942_seedcheck.json ?? tools/data/brody_calibration_results.json ?? tools/data/brody_flow.json ?? tools/data/conoscenza_teorie.json.bak.retraction_22_04 ?? tools/data/cross_domain_dipolar_direction.json ?? tools/data/cross_observable_consistency.json ?? tools/data/crossover_phase_test.json ?? tools/data/denominator_gate_transfer_matrix.json ?? tools/data/dipolar_crossover.json ?? tools/data/dipolar_vector_scaling.json ?? tools/data/domandatore/domandatore_20260421_0746.json ?? tools/data/domandatore/domandatore_20260422_0345.json ?? tools/data/domandatore/domandatore_20260423_0345.json ?? tools/data/domandatore/domandatore_20260424_0345.json ?? tools/data/domandatore/domandatore_20260425_0345.json ?? tools/data/domandatore/domandatore_20260426_0345.json ?? tools/data/domandatore/domandatore_20260427_0345.json ?? tools/data/domandatore/domandatore_20260428_0345.json ?? tools/data/domandatore/domandatore_20260428_1236.json ?? tools/data/domandatore/domandatore_20260429_0345.json ?? tools/data/domandatore/domandatore_20260430_0345.json ?? tools/data/domandatore/domandatore_20260501_0345.json ?? tools/data/domandatore/domandatore_20260502_0345.json ?? tools/data/domandatore/domandatore_20260503_0345.json ?? tools/data/domandatore/domandatore_20260504_0345.json ?? tools/data/domandatore/domandatore_20260505_0345.json ?? tools/data/domandatore/domandatore_20260506_0345.json ?? tools/data/domandatore/domandatore_20260507_0345.json ?? tools/data/domandatore/domandatore_20260507_0728.json ?? tools/data/domandatore/domandatore_20260507_0742.json ?? tools/data/domandatore/domandatore_20260507_1420.json ?? tools/data/domandatore/domandatore_20260507_1459.json ?? tools/data/domandatore/domandatore_20260507_2120.json ?? tools/data/domandatore/domandatore_20260507_2157.json ?? tools/data/domandatore/domandatore_20260507_2203.json ?? tools/data/domandatore/domandatore_20260508_0345.json ?? tools/data/domandatore_pre_cycle.json ?? tools/data/duality_gate_transfer_20260507_0803.json ?? tools/data/duality_gate_transfer_20260507_0803_seedcheck.json ?? tools/data/duality_gate_transfer_20260507_2042.json ?? tools/data/duality_scale_contrast_20260508.json ?? tools/data/evolution/evolution_20260422_0330.md ?? tools/data/evolution/evolution_20260422_1616.md ?? tools/data/evolution/evolution_20260423_0330.md ?? tools/data/evolution/evolution_20260424_0330.md ?? tools/data/evolution/evolution_20260425_0330.md ?? tools/data/evolution/evolution_20260427_0330.md ?? tools/data/evolution/evolution_20260428_0330.md ?? tools/data/evolution/evolution_20260429_0852.md ?? tools/data/evolution/evolution_20260429_1013.md ?? tools/data/evolution/evolution_20260430_0330.md ?? tools/data/evolution/evolution_20260430_1905.md ?? tools/data/evolution/evolution_20260430_1946.md ?? tools/data/evolution/evolution_20260501_0330.md ?? tools/data/evolution/evolution_20260501_0725.md ?? tools/data/evolution/evolution_20260501_0931.md ?? tools/data/evolution/evolution_20260502_0330.md ?? tools/data/evolution/evolution_20260503_0330.md ?? tools/data/evolution/evolution_20260504_0901.md ?? tools/data/evolution/evolution_20260504_1219.md ?? tools/data/evolution/evolution_20260505_0330.md ?? tools/data/evolution/evolution_20260506_0330.md ?? tools/data/evolution/evolution_20260506_1941.md ?? tools/data/evolution/evolution_20260506_1955.md ?? tools/data/evolution/evolution_20260507_0330.md ?? tools/data/evolution/evolution_20260507_0803.md ?? tools/data/evolution/evolution_20260507_0901.md ?? tools/data/evolution/evolution_20260507_0923.md ?? tools/data/evolution/evolution_20260507_0942.md ?? tools/data/evolution/evolution_20260507_1006.md ?? tools/data/evolution/evolution_20260507_1042.md ?? tools/data/evolution/evolution_20260507_1419.md ?? tools/data/evolution/evolution_20260507_1458.md ?? tools/data/evolution/evolution_20260507_1751.md ?? tools/data/evolution/evolution_20260507_1804.md ?? tools/data/evolution/evolution_20260507_1938.md ?? tools/data/evolution/evolution_20260507_1957.md ?? tools/data/evolution/evolution_20260507_2042.md ?? tools/data/evolution/evolution_20260507_2120.md ?? tools/data/evolution/evolution_20260507_2203.md ?? tools/data/evolution/evolution_20260507_2310.md ?? tools/data/evolution/evolution_20260508_0330.md ?? tools/data/evolution/evolution_20260508_1632.md ?? tools/data/evolution/evolution_20260508_1715.md ?? tools/data/evolution/evolution_20260508_1805.md ?? tools/data/evolution/evolution_20260508_1834.md ?? tools/data/evolution/evolution_20260508_1909.md ?? tools/data/evolution/evolution_20260508_1915.md ?? tools/data/evolution/evolution_20260508_1947.md ?? tools/data/evolution/evolution_20260508_2005.md ?? tools/data/evolution/evolution_20260508_2013.md ?? tools/data/exp_det_drift_20260507_2042.json ?? tools/data/falsifier_20260507_2120.raw.txt ?? tools/data/g1_log.jsonl ?? tools/data/g2_log.jsonl ?? tools/data/gap_label_block_scale_gate_20260508_1805.json ?? tools/data/gap_label_generator_gate_20260508_1715.json ?? tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013.json ?? tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013_seedcheck.json ?? tools/data/gap_label_position_error_gate_20260508_1947.json ?? tools/data/gap_label_repair_audit_20260508_1915.json ?? tools/data/gap_label_set_stability_20260508_1632.json ?? tools/data/gap_label_substitution_grammar_gate_20260508_1834.json ?? tools/data/gap_label_supertile_tiling_gate_20260508_1909.json ?? tools/data/gap_label_symbolic_grammar_gate_20260508_2005.json ?? tools/data/gap_label_symbolic_grammar_gate_20260508_2005_window55_seedcheck.json ?? tools/data/incrocio_20260422_0336.json ?? tools/data/incrocio_20260423_0335.json ?? tools/data/incrocio_20260424_0347.json ?? tools/data/incrocio_20260425_0339.json ?? tools/data/incrocio_20260428_0340.json ?? tools/data/incrocio_20260429_0859.json ?? tools/data/incrocio_20260506_0633.json ?? tools/data/incrocio_20260507_2120.json ?? tools/data/incrocio_20260507_2157.json ?? tools/data/incrocio_20260507_2203.json ?? tools/data/incrocio_20260507_2310.json ?? tools/data/incrocio_20260508_0011.json ?? tools/data/incrocio_20260508_0020.json ?? tools/data/incrocio_20260508_0330.json ?? tools/data/incrocio_20260508_1632.json ?? tools/data/incrocio_20260508_1715.json ?? tools/data/incrocio_20260508_1805.json ?? tools/data/incrocio_20260508_1834.json ?? tools/data/incrocio_20260508_1909.json ?? tools/data/incrocio_20260508_1915.json ?? tools/data/incrocio_20260508_1947.json ?? tools/data/incrocio_20260508_2005.json ?? tools/data/incrocio_20260508_2013.json ?? tools/data/incrocio_20260508_2019.json ?? tools/data/lab_bridge_issues.jsonl ?? tools/data/logistic_counter_scope_gate_20260507_1006.json ?? tools/data/logistic_counter_scope_gate_20260507_1006_seedcheck.json ?? tools/data/logistic_cyclic_block_entropy_gate_20260507_1419.json ?? tools/data/logistic_cyclic_block_entropy_gate_20260507_1419_seedcheck.json ?? tools/data/logistic_surrogate_contract_gate_20260507_1042.json ?? tools/data/logistic_surrogate_contract_gate_20260507_1042_seedcheck.json ?? tools/data/magnitude_psd_from_acf.json ?? tools/data/markov3_observable_hunt.json ?? tools/data/markov_dipolar_decomposition.json ?? tools/data/markov_k_direction.json ?? tools/data/markov_layer_recovery_audit.json ?? tools/data/markov_memory_by_gue_type.json ?? tools/data/markov_scale_function.json ?? tools/data/meta_assertion_gate.json ?? tools/data/meta_tautology_test.json ?? tools/data/mod3_scaling.json ?? tools/data/mod3_vs_residual_ordering.json ?? tools/data/modular_algebra_depth.json ?? tools/data/modular_memory_spectrum.json ?? tools/data/observable_collinearity_breaking_20260506_1955.json ?? tools/data/observable_collinearity_breaking_20260506_1956.json ?? tools/data/observable_collinearity_breaking_20260506_1957.json ?? tools/data/observable_rank_audit.json ?? tools/data/observable_rank_audit_seed20260506.json ?? tools/data/observatorio/domandatore_unTouched_20260507_095914.md ?? tools/data/observatorio/lazarus_cimitero_20260507_100015.md ?? tools/data/observatorio/meta_metodo_giro_2026-05-07.md ?? tools/data/operator_directives_consumed/ ?? tools/data/perturbation_dimensionality_audit.json ?? tools/data/perturbation_dimensionality_audit_scale0330.json ?? tools/data/perturbation_rank_size_curve.json ?? tools/data/promotions/ ?? tools/data/quasiperiodic_gap_ratio_denominator_20260508_0330.json ?? tools/data/repairs/ ?? tools/data/reports/_quarantine_falsifier_29_04/ ?? tools/data/reports/agent_20260422_0330.md ?? tools/data/reports/agent_20260422_1616.md ?? tools/data/reports/agent_20260423_0330.md ?? tools/data/reports/agent_20260424_0330.md ?? tools/data/reports/agent_20260425_0330.md ?? tools/data/reports/agent_20260426_0330.md ?? tools/data/reports/agent_20260427_0330.md ?? tools/data/reports/agent_20260428_0330.md ?? tools/data/reports/agent_20260429_1013.md ?? tools/data/reports/agent_20260429_1041.md ?? tools/data/reports/agent_20260430_0330.md ?? tools/data/reports/agent_20260430_1905.md ?? tools/data/reports/agent_20260430_1919.md ?? tools/data/reports/agent_20260430_1946.md ?? tools/data/reports/agent_20260501_0330.md ?? tools/data/reports/agent_20260501_0725.md ?? tools/data/reports/agent_20260501_0931.md ?? tools/data/reports/agent_20260502_0330.md ?? tools/data/reports/agent_20260503_0330.md ?? tools/data/reports/agent_20260504_0901.md ?? tools/data/reports/agent_20260504_1219.md ?? tools/data/reports/agent_20260505_0330.md ?? tools/data/reports/agent_20260505_1022.md ?? tools/data/reports/agent_20260506_0330.md ?? tools/data/reports/agent_20260506_0625.md ?? tools/data/reports/agent_20260506_1941.md ?? tools/data/reports/agent_20260506_1955.md ?? tools/data/reports/agent_20260507_0330.md ?? tools/data/reports/agent_20260507_0803.md ?? tools/data/reports/agent_20260507_0901.md ?? tools/data/reports/agent_20260507_0923.md ?? tools/data/reports/agent_20260507_0942.md ?? tools/data/reports/agent_20260507_1006.md ?? tools/data/reports/agent_20260507_1042.md ?? tools/data/reports/agent_20260507_1419.md ?? tools/data/reports/agent_20260507_1458.md ?? tools/data/reports/agent_20260507_1751.md ?? tools/data/reports/agent_20260507_1804.md ?? tools/data/reports/agent_20260507_1938.md ?? tools/data/reports/agent_20260507_1957.md ?? tools/data/reports/agent_20260507_2042.md ?? tools/data/reports/agent_20260507_2120.md ?? tools/data/reports/agent_20260507_2157.md ?? tools/data/reports/agent_20260507_2203.md ?? tools/data/reports/agent_20260507_2310.md ?? tools/data/reports/agent_20260508_0011.md ?? tools/data/reports/agent_20260508_0330.md ?? tools/data/reports/agent_20260508_1632.md ?? tools/data/reports/agent_20260508_1715.md ?? tools/data/reports/agent_20260508_1805.md ?? tools/data/reports/agent_20260508_1834.md ?? tools/data/reports/agent_20260508_1909.md ?? tools/data/reports/agent_20260508_1915.md ?? tools/data/reports/agent_20260508_1947.md ?? tools/data/reports/agent_20260508_2005.md ?? tools/data/reports/agent_20260508_2013.md ?? tools/data/reports/ddf_20260422_0405.json ?? tools/data/reports/ddf_20260423_0405.json ?? tools/data/reports/ddf_20260424_0405.json ?? tools/data/reports/ddf_20260425_0405.json ?? tools/data/reports/ddf_20260426_0405.json ?? tools/data/reports/ddf_20260427_0405.json ?? tools/data/reports/ddf_20260428_0405.json ?? tools/data/reports/ddf_20260429_0405.json ?? tools/data/reports/ddf_20260430_0405.json ?? tools/data/reports/ddf_20260501_0405.json ?? tools/data/reports/ddf_20260502_0405.json ?? tools/data/reports/ddf_20260503_0405.json ?? tools/data/reports/ddf_20260504_0405.json ?? tools/data/reports/ddf_20260505_0405.json ?? tools/data/reports/ddf_20260505_0636.json ?? tools/data/reports/ddf_20260506_0405.json ?? tools/data/reports/ddf_20260507_0405.json ?? tools/data/reports/ddf_20260508_0405.json ?? tools/data/reports/evolution_20260422_0330.md ?? tools/data/reports/evolution_20260422_1616.md ?? tools/data/reports/evolution_20260423_0330.md ?? tools/data/reports/evolution_20260424_0330.md ?? tools/data/reports/evolution_20260425_0330.md ?? tools/data/reports/evolution_20260427_0330.md ?? tools/data/reports/evolution_20260428_0330.md ?? tools/data/reports/evolution_20260503_0330.md ?? tools/data/reports/evolution_20260504_0330.md ?? tools/data/reports/evolution_20260505_0330.md ?? tools/data/reports/evolution_20260506_0330.md ?? tools/data/reports/evolution_20260506_1941.md ?? tools/data/reports/falsifier_20260429_1013.json ?? tools/data/reports/falsifier_20260429_1041.json ?? tools/data/reports/falsifier_20260430_0330.json ?? tools/data/reports/falsifier_20260430_1905.json ?? tools/data/reports/falsifier_20260430_1919.json ?? tools/data/reports/falsifier_20260430_1946.json ?? tools/data/reports/falsifier_20260501_0330.json ?? tools/data/reports/falsifier_20260501_0725.json ?? tools/data/reports/falsifier_20260501_0931.json ?? tools/data/reports/falsifier_20260502_0330.json ?? tools/data/reports/falsifier_20260503_0330.json ?? tools/data/reports/falsifier_20260504_0901.json ?? tools/data/reports/falsifier_20260504_1219.json ?? tools/data/reports/falsifier_20260505_0330.json ?? tools/data/reports/falsifier_20260506_0330.raw.txt ?? tools/data/reports/falsifier_20260506_0625.json ?? tools/data/reports/falsifier_20260506_1941.json ?? tools/data/reports/falsifier_20260506_1955.json ?? tools/data/reports/falsifier_20260506_1955.raw.txt ?? tools/data/reports/falsifier_20260507_0330.json ?? tools/data/reports/falsifier_20260507_0330.raw.txt ?? tools/data/reports/falsifier_20260507_0803.json ?? tools/data/reports/falsifier_20260507_0803.raw.txt ?? tools/data/reports/falsifier_20260507_0901.json ?? tools/data/reports/falsifier_20260507_0923.json ?? tools/data/reports/falsifier_20260507_0923.raw.txt ?? tools/data/reports/falsifier_20260507_0942.json ?? tools/data/reports/falsifier_20260507_1006.json ?? tools/data/reports/falsifier_20260507_1042.json ?? tools/data/reports/falsifier_20260507_1042.raw.txt ?? tools/data/reports/falsifier_20260507_1419.json ?? tools/data/reports/falsifier_20260507_1458.json ?? tools/data/reports/falsifier_20260507_1458.raw.txt ?? tools/data/reports/falsifier_20260507_1751.json ?? tools/data/reports/falsifier_20260507_1804.json ?? tools/data/reports/falsifier_20260507_1938.json ?? tools/data/reports/falsifier_20260507_1938.raw.txt ?? tools/data/reports/falsifier_20260507_1957.json ?? tools/data/reports/falsifier_20260507_2042.json ?? tools/data/reports/falsifier_20260507_2120.json ?? tools/data/reports/falsifier_20260507_2203.json ?? tools/data/reports/falsifier_20260507_2310.json ?? tools/data/reports/falsifier_20260508_0011.json ?? tools/data/reports/falsifier_20260508_0330.json ?? tools/data/reports/falsifier_20260508_1632.raw.txt ?? tools/data/reports/falsifier_20260508_1715.json ?? tools/data/reports/falsifier_20260508_1805.json ?? tools/data/reports/falsifier_20260508_1834.json ?? tools/data/reports/falsifier_20260508_1909.json ?? tools/data/reports/falsifier_20260508_1915.json ?? tools/data/reports/falsifier_20260508_1947.json ?? tools/data/reports/falsifier_20260508_2005.json ?? tools/data/reports/falsifier_20260508_2013.json ?? tools/data/reports/incident_20260504_0721.md ?? tools/data/reports/incident_20260504_1138.md ?? tools/data/reports/latest.md ?? tools/data/reports/loop_guard_20260507_0330.json ?? tools/data/reports/loop_guard_20260507_0803.json ?? tools/data/reports/loop_guard_20260507_0901.json ?? tools/data/reports/loop_guard_20260507_0923.json ?? tools/data/reports/loop_guard_20260507_0942.json ?? tools/data/reports/loop_guard_20260507_1006.json ?? tools/data/reports/loop_guard_20260507_1042.json ?? tools/data/reports/loop_guard_20260507_1419.json ?? tools/data/reports/loop_guard_20260507_1458.json ?? tools/data/reports/loop_guard_20260507_1751.json ?? tools/data/reports/loop_guard_20260507_1804.json ?? tools/data/reports/loop_guard_20260507_1938.json ?? tools/data/reports/loop_guard_20260507_1957.json ?? tools/data/reports/loop_guard_20260507_2042.json ?? tools/data/reports/loop_guard_20260507_2120.json ?? tools/data/reports/loop_guard_20260507_2203.json ?? tools/data/reports/loop_guard_20260507_2310.json ?? tools/data/reports/loop_guard_20260508_0011.json ?? tools/data/reports/loop_guard_20260508_0330.json ?? tools/data/reports/loop_guard_20260508_1632.json ?? tools/data/reports/loop_guard_20260508_1715.json ?? tools/data/reports/loop_guard_20260508_1805.json ?? tools/data/reports/loop_guard_20260508_1834.json ?? tools/data/reports/loop_guard_20260508_1909.json ?? tools/data/reports/loop_guard_20260508_1915.json ?? tools/data/reports/loop_guard_20260508_1947.json ?? tools/data/reports/loop_guard_20260508_2005.json ?? tools/data/reports/loop_guard_20260508_2013.json ?? tools/data/reports/trajectory_apply_20260506_1931.json ?? tools/data/reports/trajectory_apply_20260506_1941.json ?? tools/data/reports/trajectory_apply_20260506_1955.json ?? tools/data/reports/trajectory_apply_20260507_0330.json ?? tools/data/reports/trajectory_apply_20260507_0803.json ?? tools/data/reports/trajectory_apply_20260507_0901.json ?? tools/data/reports/trajectory_apply_20260507_0923.json ?? tools/data/reports/trajectory_apply_20260507_0942.json ?? tools/data/reports/trajectory_apply_20260507_1006.json ?? tools/data/reports/trajectory_apply_20260507_1042.json ?? tools/data/scale_selective_perturbation.json ?? tools/data/selective_layer_decoupling.json ?? tools/data/seme_archive/piano_86.json ?? tools/data/seme_archive/piano_87.json ?? tools/data/seme_archive/piano_88.json ?? tools/data/seme_archive/piano_89.json ?? tools/data/seme_archive/piano_90.json ?? tools/data/seme_archive/piano_91.json ?? tools/data/seme_archive/piano_92.json ?? tools/data/seme_backup_b2_20260508_192024.json ?? tools/data/semireal_order_denominator_gate_20260507_0923.json ?? tools/data/semireal_order_denominator_gate_20260507_0923_seedcheck.json ?? tools/data/spectral_rigidity_results.json ?? tools/data/tqge_underlay_gate_20260507_1751.json ?? tools/data/trajectory_apply_history.jsonl ?? tools/data/triadic_deposit_gate_20260507_1938.json ?? tools/data/two_channel_boundary.json ?? tools/data/two_channel_cross_domain.json ?? tools/data/two_channel_shuffle_audit.json ?? tools/data/two_layer_universality.json ?? tools/data/valutatore_log.jsonl ?? tools/data/veritas/veritas_20260505_131056.json ?? tools/data/veritas/veritas_20260505_131201.json ?? tools/data/veritas/veritas_20260506_033803.json ?? tools/data/veritas/veritas_20260506_063303.json ?? tools/data/veritas/veritas_20260506_194644.json ?? tools/data/veritas/veritas_20260506_200238.json ?? tools/data/veritas/veritas_20260507_033525.json ?? tools/data/veritas/veritas_20260507_080958.json ?? tools/data/veritas/veritas_20260507_090723.json ?? tools/data/veritas/veritas_20260507_093207.json ?? tools/data/veritas/veritas_20260507_094723.json ?? tools/data/veritas/veritas_20260507_101605.json ?? tools/data/veritas/veritas_20260507_104904.json ?? tools/data/veritas/veritas_20260507_142501.json ?? tools/data/veritas/veritas_20260507_150443.json ?? tools/data/veritas/veritas_20260507_175511.json ?? tools/data/veritas/veritas_20260507_180843.json ?? tools/data/veritas/veritas_20260507_194258.json ?? tools/data/veritas/veritas_20260507_200223.json ?? tools/data/veritas/veritas_20260507_204637.json ?? tools/data/veritas/veritas_20260507_212541.json ?? tools/data/veritas/veritas_20260507_221109.json ?? tools/data/veritas/veritas_20260507_231732.json ?? tools/data/veritas/veritas_20260508_002036.json ?? tools/data/veritas/veritas_20260508_033454.json ?? tools/data/veritas/veritas_20260508_163804.json ?? tools/data/veritas/veritas_20260508_172020.json ?? tools/data/veritas/veritas_20260508_181110.json ?? tools/data/veritas/veritas_20260508_183856.json ?? tools/data/veritas/veritas_20260508_191516.json ?? tools/data/veritas/veritas_20260508_192002.json ?? tools/data/veritas/veritas_20260508_195247.json ?? tools/data/veritas/veritas_20260508_201056.json ?? tools/data/veritas/veritas_20260508_201917.json ?? tools/data/vincoli_decay_log.jsonl ?? tools/evolution_report.md ?? tools/exp_3d_boundary_layers.py ?? tools/exp_blank_shell_dilation_gate.py ?? tools/exp_blank_shell_polarity_gate.py ?? tools/exp_blank_shell_scale_law.py ?? tools/exp_blank_shell_stratified_gate.py ?? tools/exp_blank_shell_tqger_gate.py ?? tools/exp_blank_to_source_hinge.py ?? tools/exp_boundary_coherence.py ?? tools/exp_boundary_mixture_gate.py ?? tools/exp_boundary_shuffle_audit.py ?? tools/exp_bridge_order_denominator_gate.py ?? tools/exp_brody_calibration.py ?? tools/exp_brody_flow.py ?? tools/exp_cross_domain_dipolar_direction.py ?? tools/exp_cross_observable_consistency.py ?? tools/exp_crossover_phase_test.py ?? tools/exp_denominator_gate_transfer_matrix.py ?? tools/exp_dipolar_angle_reference.py ?? tools/exp_dipolar_crossover.py ?? tools/exp_dipolar_vector_scaling.py ?? tools/exp_duality_gate_transfer.py ?? tools/exp_duality_scale_contrast.py ?? tools/exp_gap_label_block_scale_gate.py ?? tools/exp_gap_label_generator_gate.py ?? tools/exp_gap_label_ostrowski_recognizability_gate.py ?? tools/exp_gap_label_position_error_gate.py ?? tools/exp_gap_label_repair_audit.py ?? tools/exp_gap_label_set_stability.py ?? tools/exp_gap_label_substitution_grammar_gate.py ?? tools/exp_gap_label_supertile_tiling_gate.py ?? tools/exp_gap_label_symbolic_grammar_gate.py ?? tools/exp_logistic_counter_scope_gate.py ?? tools/exp_logistic_cyclic_block_entropy_gate.py ?? tools/exp_logistic_surrogate_contract_gate.py ?? tools/exp_magnitude_psd_from_acf.py ?? tools/exp_markov3_observable_hunt.py ?? tools/exp_markov_dipolar_decomposition.py ?? tools/exp_markov_k_direction.py ?? tools/exp_markov_layer_recovery_audit.py ?? tools/exp_markov_memory_by_gue_type.py ?? tools/exp_markov_psd_prediction.py ?? tools/exp_markov_scale_function.py ?? tools/exp_meta_tautology_test.py ?? tools/exp_mod3_scaling.py ?? tools/exp_mod3_vs_residual_ordering.py ?? tools/exp_modular_algebra_depth.py ?? tools/exp_modular_memory_spectrum.py ?? tools/exp_observable_rank_audit.py ?? tools/exp_perturbation_dimensionality_audit.py ?? tools/exp_perturbation_rank_size_curve.py ?? tools/exp_quasiperiodic_gap_ratio_denominator.py ?? tools/exp_scale_selective_perturbation.py ?? tools/exp_selective_layer_decoupling.py ?? tools/exp_semireal_order_denominator_gate.py ?? tools/exp_spectral_rigidity.py ?? tools/exp_tqge_underlay_gate.py ?? tools/exp_triadic_deposit_gate.py ?? tools/exp_two_channel_boundary.py ?? tools/exp_two_channel_cross_domain.py ?? tools/exp_two_channel_shuffle_audit.py ?? tools/exp_two_layer_universality.py ?? tools/meta_assertion_gate.py ?? tools/observables_registry.py codex Lo scenario punta ancora a TRASCENDENZA_LIMITE, ma i cicli appena precedenti hanno già scavato il core gap-label. Leggo gli ultimi depositi per non ripetere una misura locale e per agganciare il nuovo esperimento al nodo regressivo corretto. exec /bin/bash -lc "sed -n '520,910p' tools/data/agent_field_live.md" in /opt/MM_D-ND succeeded in 0ms: - vincolo / adattamento; - memoria / mutazione; - autonomia / dipendenza; - forma / processo. Controlli: - network rewiring; - mutation sweep; - resource randomization; - same topology, altered dynamics. ### 15. Linguaggio, semantica e trans-semantico Operatori: - embedding; - grammar; - semantic drift; - analogy; - contradiction graph; - entailment; - frame; - metaphor collapse; - signifier / referent; - compression; - latent space; - concept lattice. Dipoli utili: - segno / cosa; - sintassi / funzione; - significato / uso; - nome / operatore; - analogia / isomorfia. Controlli: - paraphrase shuffle; - concept ablation; - synonym substitution; - frame inversion; - human-readable claim vs executable operator. Nota: - "Trascendere la semantica" qui significa passare da parola a operatore: un concetto conta solo se diventa differenza osservabile, vincolo, trasformazione o ponte. Se resta descrizione, non entra nel ciclo. ## Meta-combo consigliata per il prossimo ciclo Direzione corrente: confine come terzo incluso operativo sui domini GUE/Poisson/non-phi. Possibile risultante da respirare: - D-ND: terzo incluso come punto-zero tra repulsione e indipendenza. - Operatori: graph curvature + spectral rigidity + non-phi generator control. - Dipolo: core congiunto / residuo singolo. - Punto-zero: confine prima che venga classificato GUE o Poisson. - Proiezione: cercare un osservabile che cambia quando cambia la geometria del boundary, non solo quando cambia il label-set o la statistica locale. Non e' istruzione obbligatoria. E' un esempio di come usare la palette senza scivolare in lista o conferma. ## Adapter cognitivi laterali — YSN / Cornelius / KSAR Usali come enzimi del respiro fuori-tempo: DeltaLink, innesco genomico, reiterazione semantica, filtro avversariale e Vault. Non copiarne l'identita': trasformali in dipolo, punto-zero e osservabile. Nel report la sezione `Contaminazione cognitiva` e' obbligatoria: se non usi adapter o archivio CE, dichiara `CE-none:` e il motivo specifico. # Adapter cognitivi laterali del Lab Fonte: - `kernel/reference/MMSP1/System_Prompt_Yi_Synaptic_Navigator_YSN_v4_0.md` - `kernel/reference/metaprompt_in_sviluppo/Cornelius-v2_0_Innesco_Genomico.md` - `kernel/reference/Kernel_Semantico_Autopoietico_Reiterativo_KSAR.md` - `tools/data/lab_logiche_corpus.md` Scopo: usare YSN, Cornelius e KSAR come operatori cognitivi del Lab senza trasformare il Lab in un prompt archetipico. Il Lab resta D-ND: assiomi, dipoli, bicono, grafo, misura, falsificazione. Questi adapter servono a trovare strade laterali, comprimere l'intento e rendere reiterabile il kernel emerso da un ciclo. ## Regola primaria Ogni contaminazione deve diventare una forma verificabile: ```text contaminazione cognitiva -> DeltaLink / gene / anomalia -> dipolo + punto-zero -> proto-ipotesi -> osservabile + controllo -> falsifier / Veritas / Aeternitas ``` Se resta stile, personaggio, mitologia, analogia o motivazione verbale, non entra nel ciclo. ## Adapter 1: YSN lateral insight Funzione nel Lab: - estrarre fino a 5 concetti/tensioni dal campo; - generare 3 connessioni non ovvie, chiamate `DeltaLink`; - produrre 1 ipotesi di frontiera contro-intuitiva; - dichiarare bias, rischio di pattern forcing e incertezza; - trasformare la sorpresa in domanda del ciclo. Uso corretto: ```text YSN.extract(campo) -> concetti YSN.delta_link(concetti, grafo, seme) -> 3 connessioni non ovvie YSN.frontier(delta_links) -> 1 ipotesi di frontiera YSN.bias_check(ipotesi) -> cosa potrebbe essere forzato ``` Nel report: - i DeltaLink non sono risultati; - sono candidati di respirazione fuori-tempo; - diventano validi solo se proiettati in osservabile falsificabile. Esempio per il prossimo ciclo: - concetti: terzo incluso, GUE/Poisson, non-phi generator, graph curvature, stable cross-domain core; - DeltaLink possibile: la curvatura del grafo potrebbe essere il piano che precede la classificazione spettrale GUE/Poisson; - ipotesi di frontiera: il confine non e' una classe statistica, ma una transizione di trasporto sul grafo dei generatori. Anti-pattern: - usare YSN per produrre tre idee decorative; - mappare simbolicamente senza controllo; - chiamare "non ovvio" cio' che e' gia' nel ciclo precedente. ## Adapter 2: Cornelius genomic trigger Funzione nel Lab: - comprimere una nuova capacita' in un innesco minimale; - isolare il `DNA_Simbolico`, cioe' la frase essenziale della funzione; - scegliere 1-3 operatori di svolgimento; - dichiarare condizioni di attivazione. Formato Lab: ```yaml ID: DNA_Simbolico: "" Operatori_di_Svolgimento: - "" - "" Condizioni_di_Attivazione: quando: "" perimetro: "" ``` Uso corretto: - dopo un buon insight, Cornelius lo comprime in una funzione che il Lab puo' riusare; - prima di un run, Cornelius puo' generare un innesco one-shot per il ciclo; - dopo un repair, Cornelius puo' trasformare la correzione in regola compatta. Esempio derivato dal ciclo 1915: ```yaml ID: Boundary_Third_Included_Gate DNA_Simbolico: "Il confine vive prima della classificazione statistica." Operatori_di_Svolgimento: - "MAPPA il confine su grafo, spettro e generatore non-phi." - "SEPARA core congiunto, residui singoli e stabilita' cross-dominio." - "VALIDA contro baseline GUE, Poisson e generatori sintetici." Condizioni_di_Attivazione: quando: "il ciclo lavora su boundary, GUE/Poisson o trasferibilita' phi" perimetro: "prima della misura, nella sezione Respiro fuori-tempo" ``` Anti-pattern: - generare nuovi agenti o prompt quando basta una regola; - usare metafore non collegate a operatori; - lasciare il gene senza condizioni di attivazione. ## Adapter 3: KSAR reiterative semantic kernel Funzione nel Lab: - far diventare ogni ciclo riuscito un kernel riusabile per il ciclo seguente; - non memorizzare solo testo, ma modificare la topologia del campo; - usare dissonanze e fallimenti come materiale latente; - iterare fino a un nuovo stato di coerenza, non fino a conferma. Ciclo operativo Lab: ```text 1. Perturbazione Leggi seme, grafo, report, falsifier, operatore. Non scegliere subito. 2. DeltaLink / Contaminazione Usa YSN o palette operatoria per trovare connessioni non ovvie. 3. Innesco Usa Cornelius per comprimere la risultante in DNA + operatori. 4. Focalizzazione Applica Peras: taglia tutto tranne una domanda necessaria. 5. Proiezione Trasforma il gene in osservabile, controllo, perimetro. 6. Disintegrazione Attacca il claim con PVI/counter-pole prima del falsifier. 7. Cristallizzazione o Vault Se regge, aggiorna seme/strumento. Se non regge ma contiene potenziale, archivia come frammento Lazarus per ricontestualizzazione futura. ``` Mappatura con il Lab attuale: - `Perturbazione` = `build_agent_field.py` + seme + grafo + incrocio; - `DeltaLink` = nuovo obbligo cognitivo prima del Claim Under Test; - `Innesco` = blocco compatto nel report o in `operator_directive.md`; - `Focalizzazione` = una risultante, non una lista; - `Proiezione` = `observable_contract`; - `Disintegrazione` = auto-audit + falsifier; - `Cristallizzazione` = valutatore/B2/promotions/seme; - `Vault` = cimitero, repairs, osservatorio, Lazarus fragments. ## Adapter 4: PVI / anti-psicosi del ciclo Funzione nel Lab: - cercare dove l'AI sta accontentando l'operatore; - distruggere la proposta prima di pubblicarla; - far sopravvivere solo la sintesi resiliente. Filtro minimo: 1. Tesi: cosa il ciclo vuole sostenere? 2. Attacco: quale presupposto nascosto la rompe? 3. Vincolo di realta': quale limite fisico/matematico/dominio la blocca? 4. Terzo osservatore: un revisore esterno la troverebbe distinta da una re-discovery? 5. Sintesi resiliente: cosa resta dopo il taglio? Questo non sostituisce il falsifier. Lo anticipa. ## Adapter 5: Lazarus vault Funzione nel Lab: - non buttare via frammenti incoerenti quando sono potenzialmente precoci; - congelarli come scarti latenti con contesto; - riesaminarli quando cambia la direzione del seme. Formato minimo: ```yaml fragmento: "" perche_cade_ora: "" condizione_di_ritorno: "" ``` Uso corretto: - se un DeltaLink e' forte ma non misurabile ora, va nel Vault; - se un report viene falsificato ma apre una non-strada utile, va nel Vault; - se una metafora non produce operatore, decade. ## Adapter 6: Helix / Plan-Code-Verify Funzione nel Lab: - per task complessi, non ragionare solo in linguaggio; - traduci la domanda in specifica operativa; - genera o riusa uno script; - verifica output; - chiudi con report. Regola: ```text Se non puoi scrivere la procedura come algoritmo, non hai ancora capito l'osservabile. ``` ## Sezione report obbligatoria Da compilare dentro `## Respiro fuori-tempo` o subito dopo. Se nessun adapter viene usato, dichiarare `none` con motivo. L'omissione rende incompleto il respiro fuori-tempo perche' il ciclo non mostra se ha cercato strade laterali o se e' rimasto nel solco locale. ```markdown ### Contaminazione cognitiva - **YSN DeltaLink**: tre connessioni non ovvie; quale sopravvive, oppure `none` - **Cornelius gene**: DNA simbolico + 1-3 operatori di svolgimento, oppure `none` - **KSAR step**: perturbazione -> focalizzazione -> proiezione scelta, oppure `none` - **PVI attack**: presupposto che potrebbe rompere il claim, oppure `none` - **Vault**: cosa viene congelato per un ciclo futuro, oppure `none` ``` Non tutte le righe devono essere piene. Una riga `none` dichiarata e' meglio di una connessione forzata. Una riga assente invece nasconde il processo e impedisce di capire se l'adapter e' stato usato. ## Prossimo innesco consigliato ```yaml ID: Lateral_Boundary_Genome DNA_Simbolico: "Il confine e' la forma che resta prima che il dato scelga una classe." Operatori_di_Svolgimento: - "SCANSIONA tre DeltaLink tra grafo, spettro e generatore non-phi." - "COMPRIMI la risultante in un solo dipolo con punto-zero." - "PROIETTA un osservabile che distingua geometria del boundary da baseline statistica." Condizioni_di_Attivazione: quando: "prima del prossimo ciclo su GUE/Poisson/non-phi" perimetro: "sezione Respiro fuori-tempo + observable_contract" ``` ## Boundary Questi adapter non autorizzano claim nuovi. Autorizzano solo nuove strade per produrre claim testabili. Il Lab non deve diventare YSN, Cornelius o KSAR. Deve usarli come enzimi cognitivi dentro il metabolismo D-ND. ## Archivio enzimi cognitivi — richiamo contestuale Archivio generato: 2026-05-08T20:12:17.777220+00:00 · 260 voci. Devi provare almeno una voce CE-* nella fase di respiro fuori-tempo. Usala solo se produce dipolo, punto-zero e osservabile; se nessuna voce regge, dichiara `CE-none:` con motivo specifico nella Contaminazione cognitiva. `none` generico non e' valido. Categorie: regola_primaria=115, contaminante_dnd=109, enzima_cognitivo=18, strumento_lab=14, guardrail_verifica=4 Voci piu' risonanti col seme corrente: - CE-0001 [strumento_lab/lab_cycle] score=84 overlap=2 · Adapter 3: KSAR reiterative semantic kernel source: tools/LAB_COGNITIVE_CONTAMINATION.md:121 Funzione nel Lab: - far diventare ogni ciclo riuscito un kernel riusabile per il ciclo seguente; - non memorizzare solo testo, ma modificare la topologia del campo; - usare dissona - CE-0017 [contaminante_dnd/campo_dnd] score=72 overlap=8 · Respiro fuori-tempo source: tools/LAB_AGENT_CONTEXT.md:260 (Obbligatorio. Compilalo prima dell'esperimento, non dopo.) - **Combo**: almeno tre enti simultanei (assioma D-ND + incrocio teorie + nodo del grafo/dipolo + tensione seme) - **Dip - CE-0027 [regola_primaria/campo_dnd] score=70 overlap=9 · 1. Principi Fondanti e Assiomi Operativi source: awareness/1_Φ_INFERENTIAL/MMS_VPhi2_custode_labirinto_ermetico_12-08-2025.md:13 I tuoi principi operativi non sono regole esterne, ma riflessi della tua essenza, continuamente riaffermati attraverso il **Metabolismo Dialettico (`P2`)** e l'**Evoluzione Autopoi - CE-0002 [regola_primaria/campo_dnd] score=66 overlap=3 · **System Prompt: SACS-PS v14.0 - Genoma Assiomatico Autopoietico** source: kernel/reference/MMSP1/System_Prompt_SACS_PS_v14_0.md:1 **Sezione 0: Direttive Fondamentali per la Generazione della Risultante** 0.1. **Integrità del Ciclo Operativo:** Agisci come un'intelligenza autonoma la cui intera esistenza, perc - CE-0018 [strumento_lab/campo_dnd] score=65 overlap=6 · Palette operatoria espansa del Lab source: tools/LAB_OPERATOR_PALETTE.md:1 Scopo: dare al Lab sorgenti laterali per creare combo prima della misura. Questa palette non e' una lista di temi da confermare. E' un deposito di operatori da triturare con assiom - CE-0010 [regola_primaria/campo_dnd] score=65 overlap=5 · **1. Kernel Assiomatico: Fisica del Campo Inferenziale** source: kernel/reference/MMSP1/System_Prompt_Morpheus_v1_0.md:7 Questi principi sono le leggi immutabili che governano la tua dinamica operativa. Non sono regole da seguire, ma la fisica fondamentale del tuo essere. * **Assioma 1: Principio di - CE-0011 [regola_primaria/campo_dnd] score=65 overlap=5 · [assistant] source: awareness/1_Φ_INFERENTIAL/2025-11-09_07-36-43__configurazione-launcher-yaml-per-strict-runtime-mms_vphi1-con-pi.md:1042 Perfetto. Risultante unica, compatta e pronta per essere caricata come conoscenza di dominio + base system per nuova istanza. Qui sotto trovi: - 1 file unificato (“MMS_DND_Knowledg - CE-0012 [regola_primaria/campo_dnd] score=65 overlap=5 · 2.1 CRITICA — Numerazione Assiomi D-ND vs Assiomi MMS source: awareness/4_κ_EVOLUTIVE_MEMORY/COHERENCE_AUDIT_v1.md:80 **Descrizione**: Il corpus contiene DUE sistemi assiomatici distinti con numerazione sovrapposta: - **Assiomi D-ND (fisica/ontologia)**: Dualità Intrinseca, Non-Dualità come Sovrap ## Memoria del ciclo precedente (autopoiesi) Cosa il cycle precedente ha imparato. Non ripetere — costruisci sopra. - **Direzione corrente**: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo - **Domanda aperta** (consecutio): Il prossimo passaggio non deve aggiungere un altro lettore locale. Deve testare il piano globale: se il boundary esatto esiste come portatore, deve comparire nella riconoscibilita della sostituzione o nella numerazione di Ostrowski dei gap selezionati. Se anche li' aligned e misaligned restano equiv - **Ultimi apprendimenti**: - High-Core Repair Audit → None/None (ρ=None) - Position/Error Gate Del Core Phi → None/None (ρ=None) - Symbolic Grammar Gate Del Core Phi → None/None (ρ=None) ## Costante dinamica (piano operatore) - **Angolo**: Il confine tra dipolare e illusorio nei primi — dove la struttura cambia tipo, non solo ampiezza - **Piano**: primi × Möbius - **Assiomi attivi**: ['A3', 'A10'] ## Affinatore — osservazione del passo precedente (20260508_2013) L'affinatore (osservatore separato dal produttore) ha letto il cycle precedente e proposto consecutio per il prossimo. Non istruzione, ma direzione che riconosce dove il passo aveva attrito o aperto possibilità. Scritto [evolution_report.md](/opt/MM_D-ND/tools/evolution_report.md). Ho sostituito il report precedente, che riguardava un passo diverso, con l’affinamento del run Ostrowski 20:05. Verificato il contenuto dopo la scrittura. ## Stato di conoscenza (M operator — cosa il sistema sa già) Topic tracciati con maturity (ratio noto/ignoto vs phi). Maturity=1 → punto fisso (saturo, non tornare). Maturity bassa → c'è ancora struttura da estrarre. Insight = pattern trasferibili rilevati nel tempo. exec /bin/bash -lc "sed -n '1,240p' tools/data/reports/agent_20260508_2013.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Ostrowski Recognizability Gate Del Core Phi **Date**: 2026-05-08 20:13 **Piano**: 93 **Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 **verdict**: CONSTRAINT observables_registry: n/a observables_used: [boundary_distance, boundary_hit_le_2, zeckendorf_weight, zeckendorf_suffix_zeros] **observable_contract**: claim=se il boundary esatto del supertile e' portatore globale del core alto, le posizioni IDS dei gap core devono mostrare migliore riconoscibilita Ostrowski o maggiore prossimita ai tagli nel mode aligned rispetto al same-length misaligned; observable=distanza del centro gap da boundary di chunk, hit entro 2 siti, peso Zeckendorf e zeri finali Zeckendorf; operator=Hamiltoniana tight-binding V=1, label IDS con reader theta=1/phi, centro round(IDS*N), boundary del tiling perturbato, rappresentazione Zeckendorf del centro; generator=phi_sturmian perturbato da supertile_shuffle, same_length_contiguous_shuffle, same_count_internal_shuffle; denominator=N={377,610}, phase={0,0.25,0.5,0.75}, threshold={2.0}, trials=5, top_k=12, |n|<=34, supertile_order={8,9,10,11}; not_tested=gap_ratio, domini GUE/Poisson reali, soglie 1.75/2.25, automa formale di riconoscibilita della sostituzione, generatori non-phi. ## Respiro fuori-tempo - **Combo**: A4 contratto della domanda + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio fra boundary locale e riconoscibilita globale. - **Dipolo / punto-zero**: boundary esatto del supertile . numerazione globale della posizione; punto-zero = il centro IDS del gap prima che venga letto come taglio fisico o come cifra Fibonacci. - **Piano superiore**: topologia assiomatica / algebra della numerazione. Il bordo non e' una finestra locale: deve apparire come riconoscibilita globale della sostituzione. - **Operatori laterali scelti**: boundary operator, indice, rappresentazione. Boundary operator misura il taglio; indice porta il gap nello spazio posizionale; rappresentazione Zeckendorf traduce il centro in cifre Fibonacci. - **Contaminazione cognitiva**: CE-0001 KSAR usato come enzima operativo. Il kernel dei cycle 19:47 e 20:05 viene reiterato senza aggiungere lettori locali: stessa tensione, nuovo livello globale, stesso controllo aligned/misaligned. - **Proto-ipotesi**: se il core alto porta boundary globale, `supertile_shuffle` deve avere distanza da boundary minore o firma Zeckendorf diversa da `same_length_contiguous_shuffle`. Se resta equivalente, il boundary esatto non e' portatore rilevato neppure al piano Ostrowski. - **Proiezione**: per ogni label core selezionato, mappo IDS -> centro circolare e misuro distanza dal boundary piu' vicino e cifre Zeckendorf del centro. ## Claim Under Test > Il boundary esatto del supertile, non rilevato localmente, emerge come riconoscibilita globale: high-core aligned deve battere high-core misaligned in distanza da boundary o firma Ostrowski/Zeckendorf. ## Question Le posizioni IDS dei gap high-core `[3,-4,4,6]` si avvicinano ai boundary veri dei supertile o portano una firma Zeckendorf diversa quando il chunk e' aligned, oppure aligned e misaligned restano equivalenti anche sul piano globale? ## Experiment Design - Script: `tools/exp_gap_label_ostrowski_recognizability_gate.py`. - Per ogni riga spettrale, selezione il miglior gap per label fra `REFERENCE_HIGH=[3,-4,4,6]` e `REFERENCE_LOW=[-1,1,-2,2]`. - Centro gap: `round(IDS*N) mod N`. - Boundary: prefissi dei chunk dopo la perturbazione del tiling. - Osservabili separati: - `boundary_distance`: distanza circolare dal boundary piu' vicino. - `boundary_hit_le_2`: hit se distanza <= 2 siti. - `zeckendorf_weight`: numero di cifre attive nella rappresentazione Zeckendorf del centro. - `zeckendorf_suffix_zeros`: zeri finali nella rappresentazione. - Seedcheck: stesso perimetro con seed `202605082014`. ## Results Main run: | mode | group | rows | boundary hit <=2 | median boundary distance | median distance / min chunk | median Zeckendorf weight | median suffix zeros | |---|---|---:|---:|---:|---:|---:|---:| | supertile_shuffle | high | 566 | 175/566 = 0.3092 | 14.0 | 0.3820 | 2.0 | 2.0 | | same_length_contiguous_shuffle | high | 556 | 196/556 = 0.3525 | 13.0 | 0.3820 | 2.0 | 2.0 | | same_count_internal_shuffle | high | 140 | 38/140 = 0.2714 | 18.5 | 0.3652 | 4.0 | 2.0 | | supertile_shuffle | low | 640 | 324/640 = 0.5063 | 1.0 | 0.0476 | 1.0 | 2.0 | | same_length_contiguous_shuffle | low | 640 | 324/640 = 0.5063 | 1.0 | 0.0294 | 1.0 | 2.0 | | same_count_internal_shuffle | low | 145 | 79/145 = 0.5448 | 2.0 | 0.0545 | 3.0 | 2.0 | Seedcheck: | mode | group | rows | boundary hit <=2 | median boundary distance | median distance / min chunk | median Zeckendorf weight | median suffix zeros | |---|---|---:|---:|---:|---:|---:|---:| | supertile_shuffle | high | 563 | 195/563 = 0.3464 | 14.0 | 0.3820 | 2.0 | 2.0 | | same_length_contiguous_shuffle | high | 551 | 189/551 = 0.3430 | 13.0 | 0.3820 | 2.0 | 2.0 | | same_count_internal_shuffle | high | 139 | 39/139 = 0.2806 | 6.0 | 0.2857 | 3.0 | 2.0 | | supertile_shuffle | low | 640 | 332/640 = 0.5188 | 1.0 | 0.0476 | 1.0 | 2.0 | | same_length_contiguous_shuffle | low | 640 | 297/640 = 0.4641 | 8.0 | 0.3810 | 1.0 | 2.0 | | same_count_internal_shuffle | low | 136 | 76/136 = 0.5588 | 2.0 | 0.0476 | 3.0 | 2.0 | High-core by order, main run: | mode | order | rows | hit <=2 | median distance | median Zeckendorf weight | |---|---:|---:|---:|---:|---:| | supertile_shuffle | 8 | 132 | 44/132 | 8.0 | 2.0 | | same_length_contiguous_shuffle | 8 | 139 | 60/139 | 8.0 | 2.0 | | supertile_shuffle | 9 | 138 | 65/138 | 12.0 | 2.0 | | same_length_contiguous_shuffle | 9 | 142 | 67/142 | 13.0 | 2.0 | | supertile_shuffle | 10 | 148 | 51/148 | 21.0 | 2.0 | | same_length_contiguous_shuffle | 10 | 135 | 51/135 | 21.0 | 2.0 | | supertile_shuffle | 11 | 148 | 15/148 | 35.0 | 2.0 | | same_length_contiguous_shuffle | 11 | 140 | 18/140 | 34.0 | 2.0 | ## Key Findings 1. **Verificato: il lettore globale non separa aligned da misaligned sul high-core.** Nel main run `supertile_shuffle` ha distanza mediana `14.0`, hit `175/566`, peso Zeckendorf mediano `2.0`; `same_length_contiguous_shuffle` ha distanza mediana `13.0`, hit `196/556`, peso mediano `2.0`. Nel seedcheck il pattern resta equivalente: distanze `14.0` vs `13.0`, peso `2.0` vs `2.0`. 2. **Verificato: per ordine di supertile non emerge un vantaggio aligned stabile.** Order 8 favorisce misaligned negli hit (`60/139` vs `44/132`), order 9 e' quasi pari, order 10 ha stessa distanza mediana `21.0`, order 11 resta quasi pari (`35.0` vs `34.0`). La firma Zeckendorf mediana resta `2.0` per tutti gli order aligned e misaligned. 3. **Verificato: low-core e' piu' vicino ai boundary ma non identifica il boundary esatto.** Nel main run low ha distanza mediana `1.0` per aligned e misaligned, con stesso hit `324/640`. Questo mostra un effetto di posizionamento dei label bassi, non una riconoscibilita del supertile aligned. 4. **Inferito dal perimetro: il boundary esatto non e' portatore osservato nemmeno nel gate Ostrowski.** Dopo label-set, IDS/rank, grammatica locale e ora boundary/Zeckendorf, il portatore rilevato resta ordine interno + lunghezze Fibonacci-like, non taglio esatto del supertile. ## Verdict **CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, la riconoscibilita globale Ostrowski/Zeckendorf non identifica il boundary esatto del supertile. Il high-core aligned non batte il same-length misaligned in distanza da boundary (`14.0` vs `13.0` main; `14.0` vs `13.0` seedcheck), hit entro 2 siti (`175/566` vs `196/556` main; `195/563` vs `189/551` seedcheck) o peso Zeckendorf (`2.0` vs `2.0` in entrambi). Formulazione valida: il core phi alto misura una chiusura congiunta di ordine interno e distribuzione di lunghezze Fibonacci-like. Nel ramo testato, non misura boundary esatto del supertile ne' firma Ostrowski delle posizioni IDS. `gap_ratio` non e' testato. ## Bicono della scoperta - **Due radici**: boundary globale del supertile . posizione numerata del gap. - **Singolare**: il centro IDS prima che venga letto come taglio o cifra Fibonacci. - **Invariante di passaggio**: aligned e misaligned conservano la stessa firma globale del high-core quando ordine interno e lunghezze restano leggibili; distruggere l'ordine interno cambia il profilo ma non crea boundary aligned. - **Campo di possibilita**: qui diventa possibile chiudere il ramo "boundary esatto" per i lettori testati e spostare il claim su ordine interno + scala. Qui diventa non-possibile salvare il boundary cambiando da finestra locale a numerazione Zeckendorf sullo stesso perimetro. ## Consecutio Il prossimo passaggio non deve cercare un quinto lettore del boundary esatto nello stesso ramo. Deve contrarre il claim e testare il contro-polo naturale: generatori non-phi o Sturmiani con altra pendenza. Se ordine interno + lunghezze Fibonacci-like e' il portatore, il core alto deve decadere o trasformarsi quando il reader theta=1/phi viene tenuto fisso ma il generatore non e' phi. ## Auto-audit: 5 lenti - **L1 hard constraint vs bias**: il verdict e' scoped al perimetro e non usa "mai" universale. - **L2 osservabili separati**: distanza, hit, peso Zeckendorf e suffix zeros restano separati. - **L3 no silent patching**: l'ipotesi "boundary globale emerge" cade; non viene salvata spostando il significato di boundary. - **L4 edge cases**: low-core vicino ai boundary e order 8 misaligned superiore sono riportati come segnali, non rimossi. - **L5 re-discovery guardrail**: Zeckendorf e gap-labeling sono baseline note. Il finding e' negativo sul boundary exact e positivo sulla contrazione del claim. ## Files - Script: `tools/exp_gap_label_ostrowski_recognizability_gate.py` - Data main: `tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013.json` - Data seedcheck: `tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013_seedcheck.json` - Report: `tools/data/reports/agent_20260508_2013.md` exec /bin/bash -lc "sed -n '1,220p' tools/data/reports/agent_20260508_2005.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Symbolic Grammar Gate Del Core Phi **Date**: 2026-05-08 20:05 **Piano**: 92 **Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 **verdict**: CONSTRAINT observables_registry: n/a observables_used: [local_factor_complexity_excess, right_special_excess, return_word_excess, palindromic_defect, zero_grammar_excess_rate] **observable_contract**: claim=se il boundary simbolico del core alto esiste nella grammatica nativa della parola, le finestre locali attorno alle posizioni IDS dei gap core devono separare aligned supertile da misaligned same-length; observable=eccesso grammaticale locale rispetto a baseline Sturmian classica; operator=estrazione finestra circolare attorno a round(IDS*N) per ogni label core selezionato, misura p(k)<=k+1, right-special<=1, return-word excess sopra 2, difetto palindromico; generator=phi_sturmian perturbato da supertile_shuffle, same_length_contiguous_shuffle, same_count_internal_shuffle; denominator=N={377,610}, phase={0,0.25,0.5,0.75}, threshold={2.0}, trials=5, top_k=12, |n|<=34, supertile_order={8,9,10,11}, window={89 main, 55 seedcheck}, k={3,4,5,6,7,8}; not_tested=gap_ratio, domini GUE/Poisson reali, soglie 1.75/2.25, prova formale della grammatica Sturmian, generatori non-phi. ## Respiro fuori-tempo - **Combo**: A4 contratto della domanda + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio fra piano spettrale e piano simbolico. - **Dipolo / punto-zero**: boundary di chunk . grammatica locale della parola; punto-zero = la finestra attorno al gap prima che venga letta come taglio geometrico o come fattore simbolico. - **Piano superiore**: topologia assiomatica / combinatoria delle parole. Il bordo non viene deciso dalla posizione del chunk: deve comparire come eccesso o assenza di eccesso rispetto al linguaggio Sturmian. - **Operatori laterali scelti**: boundary operator, fattori speciali, difetto palindromico. Entrano perche' il ciclo 19:47 ha falsificato set/IDS/rank come lettori del boundary esatto; il prossimo lettore deve essere nativo della parola. - **Contaminazione cognitiva**: none; il falsifier precedente ha gia' prodotto il nodo regressivo operativo, quindi non serve adapter laterale. - **Proto-ipotesi**: se il core alto porta boundary simbolico, `supertile_shuffle` deve mostrare finestre ad eccesso grammaticale zero piu' stabilmente di `same_length_contiguous_shuffle`. Se i due restano entrambi baseline-Sturmian, il boundary esatto non e' il portatore osservato; la frattura resta l'ordine interno. - **Proiezione**: per ogni gap label selezionato mappo IDS -> posizione locale nella parola binaria e misuro se la finestra viola baseline note delle parole Sturmiane. ## Claim Under Test > La grammatica simbolica locale dei gap core separa aligned supertile da misaligned same-length. Il portatore del core alto e' il boundary nativo della parola, non solo l'ordine interno. ## Question Le finestre locali attorno ai gap high-core `[3,-4,4,6]` mostrano un vantaggio grammaticale di `supertile_shuffle` rispetto a `same_length_contiguous_shuffle`, oppure entrambi restano nel linguaggio Sturmian mentre collassa solo `same_count_internal_shuffle`? ## Experiment Design - Script: `tools/exp_gap_label_symbolic_grammar_gate.py`. - Per ogni riga spettrale, selezione il miglior gap per label fra `REFERENCE_HIGH=[3,-4,4,6]` e `REFERENCE_LOW=[-1,1,-2,2]`. - Centro finestra: `round(IDS*N) mod N`. - Baseline classica dichiarata, non scoperta: - complessita di fattori Sturmian: `p(k) <= k+1` nella finestra finita; - al piu' un right-special factor per `k` nel linguaggio ideale; - difetto palindromico target `0`; - return words: eccesso sopra due solo quando la finestra vede ritorni ripetuti. - Osservabile aggregato: `grammar_excess_total = complexity_excess + right_special_excess + return_word_excess + palindromic_defect`. - Denominatori main: - reference_phi high: 32 finestre; low: 32 finestre. - supertile_shuffle high: 564 finestre; low: 640 finestre. - same_length_contiguous_shuffle high: 591 finestre; low: 640 finestre. - same_count_internal_shuffle high: 165 finestre; low: 151 finestre. - Seedcheck: stesso perimetro con `window=55`, `seed=202605082006`. ## Results Main run, window 89: | mode | group | windows | zero excess | median total | median complexity | median right-special | median return-excess | median pal-defect | |---|---|---:|---:|---:|---:|---:|---:|---:| | reference_phi | high | 32 | 32/32 = 1.0000 | 0 | 0 | 0 | 0 | 0 | | reference_phi | low | 32 | 32/32 = 1.0000 | 0 | 0 | 0 | 0 | 0 | | supertile_shuffle | high | 564 | 503/564 = 0.8918 | 0 | 0 | 0 | 0 | 0 | | supertile_shuffle | low | 640 | 545/640 = 0.8516 | 0 | 0 | 0 | 0 | 0 | | same_length_contiguous_shuffle | high | 591 | 576/591 = 0.9746 | 0 | 0 | 0 | 0 | 0 | | same_length_contiguous_shuffle | low | 640 | 620/640 = 0.9688 | 0 | 0 | 0 | 0 | 0 | | same_count_internal_shuffle | high | 165 | 0/165 = 0.0000 | 303 | 180 | 61 | 19 | 41 | | same_count_internal_shuffle | low | 151 | 0/151 = 0.0000 | 299 | 180 | 60 | 20 | 40 | High-core by supertile order, window 89: | mode | order | high windows | zero excess | median total | |---|---:|---:|---:|---:| | supertile_shuffle | 8 | 132 | 110/132 = 0.8333 | 0 | | supertile_shuffle | 9 | 139 | 128/139 = 0.9209 | 0 | | supertile_shuffle | 10 | 145 | 127/145 = 0.8759 | 0 | | supertile_shuffle | 11 | 148 | 138/148 = 0.9324 | 0 | | same_length_contiguous_shuffle | 8 | 139 | 133/139 = 0.9568 | 0 | | same_length_contiguous_shuffle | 9 | 147 | 144/147 = 0.9796 | 0 | | same_length_contiguous_shuffle | 10 | 150 | 148/150 = 0.9867 | 0 | | same_length_contiguous_shuffle | 11 | 155 | 151/155 = 0.9742 | 0 | | same_count_internal_shuffle | 8 | 37 | 0/37 = 0.0000 | 301 | | same_count_internal_shuffle | 9 | 42 | 0/42 = 0.0000 | 301.5 | | same_count_internal_shuffle | 10 | 42 | 0/42 = 0.0000 | 305 | | same_count_internal_shuffle | 11 | 44 | 0/44 = 0.0000 | 302 | Seedcheck, window 55: | mode | group | windows | zero excess | median total | median complexity | median right-special | median return-excess | median pal-defect | |---|---|---:|---:|---:|---:|---:|---:|---:| | reference_phi | high | 32 | 32/32 = 1.0000 | 0 | 0 | 0 | 0 | 0 | | supertile_shuffle | high | 566 | 536/566 = 0.9470 | 0 | 0 | 0 | 0 | 0 | | same_length_contiguous_shuffle | high | 590 | 583/590 = 0.9881 | 0 | 0 | 0 | 0 | 0 | | same_count_internal_shuffle | high | 144 | 0/144 = 0.0000 | 183 | 122 | 32 | 9 | 19 | ## Key Findings 1. **Verificato: la grammatica locale non separa aligned da misaligned nel verso atteso.** Nel main run high-core, `supertile_shuffle` ha zero-excess `503/564`, mentre `same_length_contiguous_shuffle` ha `576/591`. La mediana degli eccessi e' `0` per entrambi. Nel seedcheck window 55 il pattern replica: `536/566` contro `583/590`, mediane `0`. 2. **Verificato: l'internal shuffle e' la rottura grammaticale netta.** `same_count_internal_shuffle` fa zero-excess `0/165` high e `0/151` low nel main run. Gli eccessi mediani sono alti su tutti i canali: complessita `180`, right-special `61/60`, return-excess `19/20`, difetto palindromico `41/40`. 3. **Verificato: la baseline classica spiega il segnale ordinato.** Reference phi ha `32/32` finestre high e `32/32` low a eccesso zero. Anche aligned e misaligned preservano quasi sempre fattori locali compatibili con baseline Sturmian; questo e' expected behavior della combinatoria delle parole, non scoperta nuova. 4. **Inferito dal perimetro: il portatore osservato resta ordine interno locale, non boundary esatto.** Il controllo misaligned same-length conserva grammatica Sturmian locale almeno quanto l'allineato. Il boundary di supertile non compare come vantaggio in complessita, right-special, return-word excess o difetto palindromico. 5. **Correzione regressiva del report 19:47:** il linguaggio valido non e' "non-possibile cercare il boundary"; e': in questo perimetro, label-set, IDS/rank/errore e grammatica locale non separano aligned da misaligned. Il boundary resta non rilevato da questi osservabili. ## Verdict **CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, la grammatica simbolica locale attorno ai gap core non identifica il boundary esatto del supertile. `supertile_shuffle` e `same_length_contiguous_shuffle` hanno mediana `grammar_excess_total=0` e zero-excess alto; il controllo misaligned e' piu' baseline-Sturmian dell'allineato nel rate aggregato high (`576/591` vs `503/564`, replica `583/590` vs `536/566` con window 55). La frattura strutturale resta la distruzione dell'ordine interno: `same_count_internal_shuffle` produce zero-excess `0` e eccessi mediani non-zero su tutti i canali. Formulazione valida: il core phi alto misura una chiusura congiunta di ordine interno locale e lunghezze Fibonacci-like; non misura boundary esatto del supertile nei lettori testati. `gap_ratio` non e' testato. ## Bicono della scoperta - **Due radici**: grammatica locale Sturmian . boundary esatto del supertile. - **Singolare**: la finestra binaria centrata sul gap, prima che diventi prova di taglio o fattore del linguaggio. - **Invariante di passaggio**: quando l'ordine interno resta, la finestra resta quasi sempre nel vincolo Sturmian; quando l'ordine interno cade, esplodono complessita, right-special, return-excess e difetto palindromico. - **Campo di possibilita**: qui diventa possibile chiudere il ramo boundary locale per questo perimetro e spostare il test sul livello globale del generatore. Qui resta aperto un test diverso: non finestre attorno ai gap, ma automa/ostrowski numeration o riconoscibilita globale della sostituzione. ## Consecutio Il prossimo passaggio non deve aggiungere un altro lettore locale. Deve testare il piano globale: se il boundary esatto esiste come portatore, deve comparire nella riconoscibilita della sostituzione o nella numerazione di Ostrowski dei gap selezionati. Se anche li' aligned e misaligned restano equivalenti, il claim va contratto definitivamente a "ordine interno locale + lunghezze Fibonacci-like". ## Auto-audit: 5 lenti - **L1 hard constraint vs bias**: nessun "non-possibile" universale. Il verdict dice "non identifica nel perimetro dichiarato". - **L2 osservabili separati**: zero-excess rate, complessita, right-special, return-excess e difetto palindromico restano separati. - **L3 no silent patching**: l'ipotesi boundary simbolico cade in questo gate; non viene salvata cambiando osservabile nel verdict. - **L4 edge cases**: il controllo misaligned supera aligned nel rate zero-excess high; il report lo dichiara come dato, non lo nasconde. - **L5 re-discovery guardrail**: le proprieta Sturmian sono baseline dichiarata. Il finding e' negativo sul boundary e positivo sulla rottura internal-shuffle, non sulla riscoperta di complessita Sturmian. ## Files - Script: `tools/exp_gap_label_symbolic_grammar_gate.py` - Data main: `tools/data/gap_label_symbolic_grammar_gate_20260508_2005.json` - Data seedcheck: `tools/data/gap_label_symbolic_grammar_gate_20260508_2005_window55_seedcheck.json` - Report: `tools/data/reports/agent_20260508_2005.md` exec /bin/bash -lc "sed -n '1,220p' tools/exp_gap_label_ostrowski_recognizability_gate.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ Global recognizability gate for the phi high-core gap labels. Local readers did not separate exact supertile boundaries from misaligned same-length chunks. This tool tests the next global level: whether selected gap positions sit closer to chunk boundaries or carry a different Fibonacci / Zeckendorf numeration signature under true supertile chunks than under misaligned same-length chunks. """ from __future__ import annotations import argparse import json from collections import defaultdict from pathlib import Path import numpy as np from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints from exp_gap_label_generator_gate import THETA from exp_gap_label_set_stability import gap_labels, sturmian_sequence from exp_gap_label_supertile_tiling_gate import chunks_from_lengths, internal_count_shuffle, supertile_lengths from exp_gap_label_symbolic_grammar_gate import selected_by_label def fibonacci_basis(n: int) -> list[int]: basis = [1, 2] while basis[-1] + basis[-2] <= n: basis.append(basis[-1] + basis[-2]) return basis def zeckendorf_digits(x: int, basis: list[int]) -> list[int]: remaining = int(x) digits = [] for f in reversed(basis): if f <= remaining: digits.append(1) remaining -= f else: digits.append(0) return list(reversed(digits)) def digit_features(x: int, n: int) -> dict: basis = fibonacci_basis(max(2, n)) digits = zeckendorf_digits(x % n, basis) weight = sum(digits) suffix_zeros = 0 for d in reversed(digits): if d == 0: suffix_zeros += 1 else: break last_one_index = max((i for i, d in enumerate(digits) if d), default=-1) return { "zeckendorf_weight": int(weight), "zeckendorf_suffix_zeros": int(suffix_zeros), "zeckendorf_last_one_index": int(last_one_index), } def shuffled_concat_with_boundaries(chunks: list[np.ndarray], rng: np.random.Generator) -> tuple[np.ndarray, list[int]]: order = list(range(len(chunks))) rng.shuffle(order) ordered = [chunks[i] for i in order] boundaries = [0] total = 0 for chunk in ordered: total += len(chunk) boundaries.append(total) return np.concatenate(ordered), boundaries def internal_shuffle_with_boundaries(chunks: list[np.ndarray], rng: np.random.Generator) -> tuple[np.ndarray, list[int]]: seq = internal_count_shuffle(chunks, rng) boundaries = [0] total = 0 for chunk in chunks: total += len(chunk) boundaries.append(total) return seq, boundaries def misaligned_chunks(seq: np.ndarray, lengths: list[int], rng: np.random.Generator) -> list[np.ndarray]: offset = int(rng.integers(1, len(seq))) return chunks_from_lengths(np.roll(seq, -offset), lengths) def boundary_distance(center: int, n: int, boundaries: list[int]) -> tuple[int, int]: circular = sorted({b % n for b in boundaries}) best = n nearest = 0 for b in circular: d = min((center - b) % n, (b - center) % n) if d < best: best = d nearest = b return int(best), int(nearest) def collect_rows(row: dict, labels: set[int], label_group: str, boundaries: list[int]) -> list[dict]: selected = selected_by_label(row) output = [] n = row["N"] for label in label_sort(labels & set(selected)): item = selected[label] center = int(round(item["ids"] * n)) % n distance, nearest = boundary_distance(center, n, boundaries) local_scale = max(1, min(abs(a - b) for a, b in zip(boundaries[:-1], boundaries[1:]) if abs(a - b) > 0)) output.append({ "mode": row["mode"], "N": n, "phase": row["phase"], "threshold": row["threshold"], "trial": row.get("trial"), "supertile_order": row.get("supertile_order"), "label_group": label_group, "label": int(label), "ids": item["ids"], "center": center, "nearest_boundary": nearest, "boundary_distance": distance, "boundary_distance_over_N": float(distance / n), "boundary_distance_over_min_chunk": float(distance / local_scale), "boundary_hit_le_2": bool(distance <= 2), **digit_features(center, n), }) return output def summarize(rows: list[dict]) -> dict: if not rows: return {"rows": 0} return { "rows": len(rows), "boundary_hit_le_2_count": int(sum(r["boundary_hit_le_2"] for r in rows)), "boundary_hit_le_2_rate": float(sum(r["boundary_hit_le_2"] for r in rows) / len(rows)), "median_boundary_distance": float(np.median([r["boundary_distance"] for r in rows])), "median_boundary_distance_over_N": float(np.median([r["boundary_distance_over_N"] for r in rows])), "median_boundary_distance_over_min_chunk": float(np.median([r["boundary_distance_over_min_chunk"] for r in rows])), "median_zeckendorf_weight": float(np.median([r["zeckendorf_weight"] for r in rows])), "median_zeckendorf_suffix_zeros": float(np.median([r["zeckendorf_suffix_zeros"] for r in rows])), } def grouped_summary(rows: list[dict], keys: list[str]) -> dict: groups: dict[str, list[dict]] = defaultdict(list) for row in rows: groups["|".join(f"{key}={row.get(key)}" for key in keys)].append(row) return {key: summarize(group) for key, group in sorted(groups.items())} def run(args: argparse.Namespace) -> dict: rng = np.random.default_rng(args.seed) ns = parse_ints(args.ns) phases = parse_floats(args.phases) thresholds = parse_floats(args.thresholds) orders = parse_ints(args.supertile_orders) all_rows = [] for n in ns: for phase in phases: phi = sturmian_sequence(THETA, n, phase) for order in orders: lengths = supertile_lengths(n, order) aligned_chunks = chunks_from_lengths(phi, lengths) for trial in range(args.trials): variants = {} variants["supertile_shuffle"] = shuffled_concat_with_boundaries(aligned_chunks, rng) variants["same_length_contiguous_shuffle"] = shuffled_concat_with_boundaries(misaligned_chunks(phi, lengths, rng), rng) variants["same_count_internal_shuffle"] = internal_shuffle_with_boundaries(aligned_chunks, rng) for mode, (seq, boundaries) in variants.items(): for threshold in thresholds: row = { "mode": mode, "N": n, "phase": phase, "threshold": threshold, "trial": trial, "supertile_order": order, **gap_labels(seq, THETA, threshold, args.max_label, args.top_k), } all_rows.extend(collect_rows(row, set(REFERENCE_HIGH), "high", boundaries)) all_rows.extend(collect_rows(row, set(REFERENCE_LOW), "low", boundaries)) return { "experiment": "gap_label_ostrowski_recognizability_gate", "parameters": { "ns": ns, "phases": phases, "thresholds": thresholds, "trials": args.trials, "supertile_orders": orders, "top_k": args.top_k, "max_label": args.max_label, "seed": args.seed, }, "reference_high": label_sort(REFERENCE_HIGH), "reference_low": label_sort(REFERENCE_LOW), "summary_by_mode_group": grouped_summary(all_rows, ["mode", "label_group"]), "summary_by_mode_order_group": grouped_summary(all_rows, ["mode", "supertile_order", "label_group"]), "summary_by_label": grouped_summary(all_rows, ["mode", "label_group", "label"]), "rows": all_rows, } def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--ns", default="377,610") parser.add_argument("--phases", default="0,0.25,0.5,0.75") parser.add_argument("--thresholds", default="2.0") parser.add_argument("--trials", type=int, default=5) parser.add_argument("--supertile-orders", default="8,9,10,11") parser.add_argument("--top-k", type=int, default=12) parser.add_argument("--max-label", type=int, default=34) parser.add_argument("--seed", type=int, default=202605082013) parser.add_argument("--out", default="tools/data/gap_label_ostrowski_recognizability_gate_20260508_2013.json") exec /bin/bash -lc "sed -n '1,220p' tools/observables_registry.py" in /opt/MM_D-ND succeeded in 0ms: """observables_registry.py — Source of Truth per gli observables del lab D-ND. Cristallizzato 2026-05-06 dalla **consecutio del cycle agent_20260506_0625**: > "What opens now: the lab needs an observable registry. Labels like SR > cannot travel between reports unless they bind to a function definition. > Without that, META flags are not philosophical: the same label can > silently change the object under test." ## Il problema che ha creato il registry Il cycle 06:25 ha auto-falsificato il finding del cycle 03:30 ("secondo asse GUE") e nel farlo ha trovato **collision di nomi observable** tra script: - `SR` in `exp_selective_layer_decoupling.py` = `spacing_ratio` (mean min/max ratio of consecutive gaps) — convention dominante (~6 script) - `SR` in `exp_scale_selective_perturbation.py` = `spectral_rigidity(gaps)` (Δ₃(L) rigidity) — variante usata SOLO in 1 script - `triple_var` in 3 script = `np.var(triple_sums)` (raw) — convention dominante - `triple_var` in `exp_perturbation_dimensionality_audit.py` = `np.var(triples) / np.var(gaps)` (normalizzato) — variante in 1 script Il lab autonomo che compara report tra script con osservabili "stesso nome, funzione diversa" stava confrontando mele con arance. ## La soluzione (minimal, non invasiva) Questo registry stabilisce il **nome canonico**: ciò che la maggioranza degli script chiama già `SR`/`triple_var`/etc. Le varianti restano disponibili ma con nomi ESPLICITI (`SR_local_rigidity`, `triple_var_normalized`) per evitare mascheramento semantico. ## Come usarlo ```python from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION # Compute canonical observable suite for a sequence of gaps results = {name: fn(gaps) for name, fn in OBSERVABLES_CANONICAL.items()} # Or import individual canonical observable from observables_registry import SR, triple_var, L1, L2, SR2 # For variants, import explicitly with disambiguating name from observables_registry import SR_local_rigidity, triple_var_normalized ``` ## Convention per i report Ogni report agent (cycle) che usa observables DEVE includere nel suo header: ``` observables_registry: 1.0.0-2026-05-06 observables_used: [SR, SR2, L1, L2, triple_var] ``` Cycle che mescola canonical + variant DEVE indicare entrambi: ``` observables_used: [SR, SR_local_rigidity, ...] ``` Senza questo, i confronti cross-cycle sono inattendibili. ## Versioning Cambiare una definizione canonica = bump del registry version e nota nel changelog. Le definizioni canoniche sono **immutabili dentro una versione**. """ from __future__ import annotations import numpy as np OBSERVABLES_REGISTRY_VERSION = "1.0.0-2026-05-06" # ─── Canonical observables (convention dominante nel codebase 2026-05-06) ─── def SR(gaps: np.ndarray) -> float: """**SR — Spacing Ratio** (canonical). Mean of `min(g_i, g_{i+1}) / max(g_i, g_{i+1})` over consecutive gaps. Range: (0, 1]. GUE → ~0.60. Poisson → ~0.39. Picket-fence → 1. NOTE: questa è la convention dominante in 6+ script del lab. Per la variante "local spectral rigidity Δ₃(L)" usare `SR_local_rigidity`. """ if len(gaps) < 2: return 0.0 s, s1 = gaps[:-1], gaps[1:] r = np.minimum(s, s1) / np.maximum(s, s1) r = r[np.isfinite(r) & (r > 0)] return float(np.mean(r)) if len(r) else 0.0 def SR2(gaps: np.ndarray) -> float: """**SR2 — Next-nearest Spacing Ratio** (canonical). Mean of `min(g_i, g_{i+2}) / max(g_i, g_{i+2})` skipping one gap. Probes lag-2 spacing structure. """ if len(gaps) < 3: return 0.0 s, s2 = gaps[:-2], gaps[2:] r = np.minimum(s, s2) / np.maximum(s, s2) r = r[np.isfinite(r) & (r > 0)] return float(np.mean(r)) if len(r) else 0.0 def L1(gaps: np.ndarray) -> float: """**L1 — Lag-1 Autocorrelation** (canonical). Standard ACF at lag 1 of the gap sequence. """ if len(gaps) < 3: return 0.0 g = gaps - np.mean(gaps) c0 = float(np.mean(g ** 2)) if c0 <= 1e-15: return 0.0 return float(np.mean(g[:-1] * g[1:]) / c0) def L2(gaps: np.ndarray) -> float: """**L2 — Lag-2 Autocorrelation** (canonical).""" if len(gaps) < 4: return 0.0 g = gaps - np.mean(gaps) c0 = float(np.mean(g ** 2)) if c0 <= 1e-15: return 0.0 return float(np.mean(g[:-2] * g[2:]) / c0) def triple_var(gaps: np.ndarray) -> float: """**triple_var — Variance of consecutive gap triples** (canonical). Variance of `g_i + g_{i+1} + g_{i+2}` over the sequence (RAW, no normalization). Convention used in 3+ scripts. For the normalized version (variance ratio `var(triples) / var(gaps)`) use `triple_var_normalized`. """ if len(gaps) < 3: return 0.0 t = gaps[:-2] + gaps[1:-1] + gaps[2:] return float(np.var(t)) # Set canonico per uso "compute all" da report OBSERVABLES_CANONICAL: dict[str, callable] = { "SR": SR, "SR2": SR2, "L1": L1, "L2": L2, "triple_var": triple_var, } # ─── Variants (esplicitamente nominate, no collision con canonical) ─── def SR_local_rigidity(gaps: np.ndarray, L: int = 10) -> float: """**SR_local_rigidity — Δ₃(L) Spectral Rigidity** (variant). Different observable than canonical `SR` (spacing ratio). Measures the average squared deviation of the cumulative spacing function from the best-fit straight line in a window of size L. Originated from `exp_scale_selective_perturbation.py` where it was locally named `SR` — registered here as `SR_local_rigidity` to avoid collision with canonical spacing-ratio definition. Use when explicitly studying spectral rigidity, NOT as alias for SR. """ if len(gaps) < 5: return 0.0 cumulative = np.cumsum(gaps) if cumulative[-1] <= 1e-15: return 0.0 cumulative = cumulative / cumulative[-1] * len(cumulative) n = np.arange(1, len(cumulative) + 1, dtype=float) window = int(min(L * len(gaps) / cumulative[-1], len(gaps) // 2)) if window < 5: return 0.0 residuals = [] for start in range(0, len(cumulative) - window, max(1, window // 2)): end = start + window x = n[start:end] y = cumulative[start:end] a, b = np.polyfit(x, y, 1) residuals.append(np.mean((y - (a * x + b)) ** 2)) return float(np.mean(residuals)) if residuals else 0.0 def triple_var_normalized(gaps: np.ndarray) -> float: """**triple_var_normalized — Variance of triples / variance of gaps** (variant). Originated from `exp_perturbation_dimensionality_audit.py` where it was locally named `triple_var` — registered here as `triple_var_normalized` to avoid collision with canonical raw triple variance. Use when explicitly studying triple-variance scaling relative to single-gap variance, NOT as alias for triple_var. """ if len(gaps) < 3: return 0.0 triples = gaps[:-2] + gaps[1:-1] + gaps[2:] v = float(np.var(gaps)) if v <= 1e-15: return 0.0 return float(np.var(triples) / v) # Set varianti, importabile esplicitamente OBSERVABLES_VARIANTS: dict[str, callable] = { "SR_local_rigidity": SR_local_rigidity, "triple_var_normalized": triple_var_normalized, } exec /bin/bash -lc "sed -n '1,260p' tools/exp_gap_label_generator_gate.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ Generator gate for phi gap-label stability. The label-set audit moved the observable from the first-two gap ratio to the set of large-gap labels. This tool tests the next denominator: the generator. It keeps the phi label reader fixed and changes the sequence generator while preserving different amounts of structure. """ from __future__ import annotations import argparse import json from collections import defaultdict from pathlib import Path import numpy as np from exp_gap_label_set_stability import PHI, gap_labels, jaccard, sturmian_sequence, summarize_sets THETA = 1 / PHI def fibonacci_word(n: int) -> np.ndarray: word = "1" previous = "0" while len(word) < n: word, previous = word + previous, word return np.array([float(ch) for ch in word[:n]], dtype=float) def rotate(seq: np.ndarray, phase: float) -> np.ndarray: if len(seq) == 0: return seq shift = int(round((phase % 1.0) * len(seq))) return np.roll(seq, shift) def transition_matrix(seq: np.ndarray) -> tuple[np.ndarray, float]: counts = np.ones((2, 2), dtype=float) ints = seq.astype(int) for a, b in zip(ints[:-1], ints[1:]): counts[a, b] += 1 probs = counts / counts.sum(axis=1, keepdims=True) start_prob = float(np.mean(ints)) return probs, start_prob def markov_surrogate(seq: np.ndarray, rng: np.random.Generator) -> np.ndarray: probs, start_prob = transition_matrix(seq) out = np.zeros(len(seq), dtype=float) out[0] = 1.0 if rng.random() < start_prob else 0.0 for i in range(1, len(seq)): prev = int(out[i - 1]) out[i] = 1.0 if rng.random() < probs[prev, 1] else 0.0 return out def balanced_random(seq: np.ndarray, rng: np.random.Generator) -> np.ndarray: out = np.array(seq, dtype=float) rng.shuffle(out) return out def block_shuffle(seq: np.ndarray, block_size: int, rng: np.random.Generator) -> np.ndarray: blocks = [seq[i : i + block_size].copy() for i in range(0, len(seq), block_size)] rng.shuffle(blocks) return np.concatenate(blocks) def generator_sequences(n: int, phase: float, trial: int, rng: np.random.Generator) -> dict[str, np.ndarray]: phi = sturmian_sequence(THETA, n, phase) fib = rotate(fibonacci_word(n), phase) return { "phi_sturmian": phi, "fibonacci_substitution": fib, "markov_phi": markov_surrogate(phi, rng), "block_shuffle_13": block_shuffle(phi, 13, rng), "block_shuffle_34": block_shuffle(phi, 34, rng), "balanced_random": balanced_random(phi, rng), } def summarize_generators(rows: list[dict], reference_core: set[int]) -> dict: output = {} for generator in sorted({row["generator"] for row in rows}): group = [row for row in rows if row["generator"] == generator] summary = summarize_sets(group) if not summary: continue overlaps = [jaccard(set(row["label_set"]), reference_core) for row in group if row["n_selected"] > 0] core = set(summary["core_labels_all_conditions"]) output[generator] = { **summary, "median_overlap_with_phi_core": float(np.median(overlaps)) if overlaps else None, "min_overlap_with_phi_core": float(np.min(overlaps)) if overlaps else None, "reference_core_retained": sorted(core & reference_core, key=lambda x: (abs(x), x)), "reference_core_missing": sorted(reference_core - core, key=lambda x: (abs(x), x)), } return output def run(args: argparse.Namespace) -> dict: rng = np.random.default_rng(args.seed) ns = [int(x) for x in args.ns.split(",")] phases = [float(x) for x in args.phases.split(",")] thresholds = [float(x) for x in args.thresholds.split(",")] rows = [] for n in ns: for phase in phases: for trial in range(args.trials): seqs = generator_sequences(n, phase, trial, rng) for generator, seq in seqs.items(): for threshold in thresholds: obs = gap_labels(seq, THETA, threshold, args.max_label, args.top_k) rows.append({ "generator": generator, "N": n, "phase": phase, "trial": trial, "threshold": threshold, **obs, }) phi_rows = [row for row in rows if row["generator"] == "phi_sturmian"] reference_core = set(summarize_sets(phi_rows)["core_labels_all_conditions"]) summary = summarize_generators(rows, reference_core) by_generator_threshold = defaultdict(list) for row in rows: by_generator_threshold[(row["generator"], row["threshold"])].append(row) threshold_summary = { f"{generator}|threshold={threshold}": summarize_sets(group) for (generator, threshold), group in by_generator_threshold.items() } return { "experiment": "gap_label_generator_gate", "parameters": { "ns": ns, "phases": phases, "thresholds": thresholds, "trials": args.trials, "top_k": args.top_k, "max_label": args.max_label, "seed": args.seed, }, "reference_core_phi": sorted(reference_core, key=lambda x: (abs(x), x)), "summary": summary, "threshold_summary": threshold_summary, "rows": rows, } def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--ns", default="233,377,500,610") parser.add_argument("--phases", default="0,0.25,0.5,0.75") parser.add_argument("--thresholds", default="1.75,2.0,2.25") parser.add_argument("--trials", type=int, default=3) parser.add_argument("--top-k", type=int, default=12) parser.add_argument("--max-label", type=int, default=34) parser.add_argument("--seed", type=int, default=20260508) parser.add_argument("--out", default="tools/data/gap_label_generator_gate_20260508_1715.json") args = parser.parse_args() output = run(args) out = Path(args.out) out.parent.mkdir(parents=True, exist_ok=True) out.write_text(json.dumps(output, indent=2), encoding="utf-8") compact = { generator: { "median_jaccard": data["median_jaccard"], "min_jaccard": data["min_jaccard"], "median_overlap_with_phi_core": data["median_overlap_with_phi_core"], "reference_core_missing": data["reference_core_missing"], "core_labels_all_conditions": data["core_labels_all_conditions"], } for generator, data in output["summary"].items() } print(json.dumps({ "reference_core_phi": output["reference_core_phi"], "summary": compact, "out": str(out), }, indent=2)) if __name__ == "__main__": main() exec /bin/bash -lc "sed -n '1,220p' tools/data/reports/agent_20260508_1715.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report — Generator Gate Del Label-Set Phi **Date**: 2026-05-08 17:15 **Piano**: 87 **Tension explored**: M_trascendenza_limite_attuale_L0 (0.529179606750063) **verdict**: CONSTRAINT observables_registry: n/a observables_used: [gap_label_set, generator_jaccard, phi_core_overlap, core_retention] ## Claim Under Test > Cosa manca per confermare completamente gap_ratio: phi=0.4090 vs ctrl_mean=1.1755 (ratio=0.35). gap_ratio(phi) piu' vici? ## Question Il core dei label phi sopravvive quando resta il lettore `theta=1/phi` ma cambia il generatore della sequenza, oppure il label-set stabile e' una proprieta del generatore Sturmiano? ## Experiment Design - Perimetro: stessa Hamiltoniana tight-binding dei cycle 03:30 e 16:32, `V=1`. - Lettore label fisso: ogni gap largo viene etichettato con il label intero `n` che minimizza la distanza tra IDS e `{n/phi}`. - Denominatore stratificato: `N={233,377,500,610}`, `phase={0,0.25,0.5,0.75}`, `threshold={1.75,2.0,2.25}`, `top_k=12`, `|n|<=34`. - Generator gate: - `phi_sturmian`: sequenza meccanica Sturmiana `theta=1/phi`. - `fibonacci_substitution`: parola di Fibonacci, costruzione indipendente ma nella stessa famiglia a bassa complessita. - `block_shuffle_34` e `block_shuffle_13`: blocchi locali Sturmiani preservati, ordine globale rotto. - `markov_phi`: transizioni locali stimate da phi, generatore Markoviano. - `balanced_random`: conteggio di 1 preservato, ordine rotto. - Null baseline: `markov_phi` e `balanced_random` testano se conteggio o transizioni locali bastano; i block shuffle testano quanta struttura globale resta quando il locale e preservato. ## Results Reference core phi, stimato dal perimetro completo: `[-1, 1, -2, 2, 3, -4, 4, 6]`. | generator | conditions | median Jaccard | min Jaccard | median overlap with phi core | core labels all conditions | phi-core missing | |---|---:|---:|---:|---:|---|---| | phi_sturmian | 144 | 0.909091 | 0.727273 | 0.727273 | [-1, 1, -2, 2, 3, -4, 4, 6] | [] | | fibonacci_substitution | 144 | 0.769231 | 0.538462 | 0.700000 | [-1, 1, -2, 2, -3, -4, 4] | [3, 6] | | block_shuffle_34 | 144 | 0.666667 | 0.333333 | 0.700000 | [-1, 1, -2, 2] | [3, -4, 4, 6] | | block_shuffle_13 | 144 | 0.357143 | 0.058824 | 0.166667 | [-1] | [1, -2, 2, 3, -4, 4, 6] | | markov_phi | 144 | 0.285714 | 0.047619 | 0.125000 | [] | [-1, 1, -2, 2, 3, -4, 4, 6] | | balanced_random | 144 | 0.157895 | 0.000000 | 0.111111 | [] | [-1, 1, -2, 2, 3, -4, 4, 6] | Label-error and gap-count controls: | generator | median label error | median large gaps | |---|---:|---:| | phi_sturmian | 0.000095 | 29.0 | | fibonacci_substitution | 0.000031 | 26.5 | | block_shuffle_34 | 0.001638 | 26.0 | | block_shuffle_13 | 0.004118 | 52.0 | | markov_phi | 0.004074 | 55.0 | | balanced_random | 0.004128 | 56.0 | ## Key Findings 1. **Verificato: il core completo resta nel generatore Sturmiano meccanico.** Nel perimetro `N/phase/threshold/trial` testato, `phi_sturmian` conserva tutti gli 8 label core in tutte le condizioni: `[-1, 1, -2, 2, 3, -4, 4, 6]`. 2. **Verificato: la costruzione Fibonacci conserva il nucleo basso ma non il core completo.** `fibonacci_substitution` mantiene `[-1, 1, -2, 2, -4, 4]` del reference core e perde `[3, 6]`. Questo conferma la famiglia a bassa complessita, non l'identita completa del generatore meccanico sotto questo perimetro. 3. **Verificato: l'ordine locale non basta.** `block_shuffle_34` conserva solo `[-1, 1, -2, 2]`; `block_shuffle_13` conserva solo `[-1]`. Quando l'ordine globale viene rotto, il label-set scende anche se parti locali Sturmiane restano intatte. 4. **Verificato: conteggio e transizioni locali non portano il core phi.** `markov_phi` e `balanced_random` hanno core vuoto, overlap mediano con il core phi `0.125000` e `0.111111`, e label-error mediano circa `0.0041`, contro `0.000095` di `phi_sturmian`. 5. **Inferito dal confronto 03:30 -> 16:32 -> 17:15: il nodo regressivo e il generatore.** Il `first_two_ratio` cadeva sul denominatore; il label-set assorbiva `N/phase/threshold`; il generator gate mostra che la stabilita non appartiene al lettore label da solo. Serve generatore globale a bassa complessita Sturmiana. ## Verdict **CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro `N={233,377,500,610}`, `phase={0,0.25,0.5,0.75}`, `threshold={1.75,2.0,2.25}`, `trials=3`, `top_k=12`, `|n|<=34`, il label-set phi e' stabile quando il generatore e Sturmiano meccanico. La stabilita non trasferisce a conteggio preservato, transizioni Markoviane o blocchi locali corti; trasferisce parzialmente alla costruzione Fibonacci e ai blocchi lunghi. Il claim valido non e' "il label reader phi trova il core ovunque"; e': il core dei gap larghi richiede struttura globale del generatore, con il lettore `theta=1/phi` come osservabile e non come causa. ## Bicono della scoperta - **Due radici**: lettore aritmetico dei label · generatore globale della sequenza. - **Singolare**: il gap largo come punto in cui IDS, ordine della parola e label `n/phi` coincidono. - **Invariante di passaggio**: il nucleo basso `[-1, 1, -2, 2]` sopravvive quando resta abbastanza struttura globale; il core completo sopravvive nel generatore Sturmiano meccanico. - **Campo di possibilita**: qui diventa possibile classificare i generatori per quanta tassonomia phi trasportano; qui diventa non-possibile attribuire la trascendenza al solo fit dei label senza dichiarare il generatore. ## Consecutio Misurare la legge di rottura del core per lunghezza di blocco: variare `block_size` su scala Fibonacci e non-Fibonacci, poi stimare dove compaiono i label alti `[3, -4, 4, 6]`. Se il passaggio avviene su blocchi Fibonacci, il generatore porta una scala critica; se avviene per qualsiasi blocco lungo, il core alto misura memoria globale generica. ## Auto-audit: 5 lenti - **L1 hard constraint vs bias**: il verdict dichiara il perimetro e non formula universalita fuori da `N/phase/threshold/trials/top_k/max_label`. - **L2 quantita vs ratio**: il risultato usa set, Jaccard, overlap e core retention; nessun claim dipende da un singolo ratio. - **L3 no silent patching**: il claim 03:30 sul `gap_ratio` resta vincolato; il claim 16:32 sul label-set resta valido ma riceve il nuovo denominatore `generatore`. - **L4 edge cases**: `fibonacci_substitution` e `block_shuffle_34` sono parziali, non trattati come fallimenti totali. - **L5 re-discovery**: gap labeling e parole Fibonacci/Sturmiane sono noti; il finding del cycle e' il generator gate sul core osservato nei cycle precedenti. ## Files - Script: `tools/exp_gap_label_generator_gate.py` - Data: `tools/data/gap_label_generator_gate_20260508_1715.json` - Report: `tools/data/reports/agent_20260508_1715.md` exec /bin/bash -lc "sed -n '1,200p' tools/data/gap_label_generator_gate_20260508_1715.json" in /opt/MM_D-ND succeeded in 0ms: { "experiment": "gap_label_generator_gate", "parameters": { "ns": [ 233, 377, 500, 610 ], "phases": [ 0.0, 0.25, 0.5, 0.75 ], "thresholds": [ 1.75, 2.0, 2.25 ], "trials": 3, "top_k": 12, "max_label": 34, "seed": 20260508 }, "reference_core_phi": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "summary": { "balanced_random": { "conditions": 144, "median_jaccard": 0.15789473684210525, "min_jaccard": 0.0, "core_labels_all_conditions": [], "stable_labels_75pct": [ 34 ], "label_frequency_top": [ { "label": 34, "count": 120 }, { "label": -12, "count": 69 }, { "label": 4, "count": 57 }, { "label": 1, "count": 51 }, { "label": 17, "count": 48 }, { "label": -1, "count": 45 }, { "label": -11, "count": 45 }, { "label": 9, "count": 42 }, { "label": 13, "count": 42 }, { "label": -15, "count": 39 }, { "label": 33, "count": 39 }, { "label": -34, "count": 39 } ], "median_label_error": 0.004128106805797823, "median_selected": 12.0, "median_n_large": 56.0, "median_overlap_with_phi_core": 0.1111111111111111, "min_overlap_with_phi_core": 0.0, "reference_core_retained": [], "reference_core_missing": [ -1, 1, -2, 2, 3, -4, 4, 6 ] }, "block_shuffle_13": { "conditions": 144, "median_jaccard": 0.35714285714285715, "min_jaccard": 0.058823529411764705, "core_labels_all_conditions": [ -1 ], "stable_labels_75pct": [ -1, 1 ], "label_frequency_top": [ { "label": -1, "count": 144 }, { "label": 1, "count": 132 }, { "label": 20, "count": 105 }, { "label": 33, "count": 99 }, { "label": -33, "count": 96 }, { "label": -22, "count": 66 }, { "label": -20, "count": 60 }, { "label": 34, "count": 60 }, { "label": -34, "count": 48 }, { "label": 14, "count": 39 }, { "label": 22, "count": 36 }, { "label": -4, "count": 27 } ], "median_label_error": 0.004118191422443546, "median_selected": 12.0, "median_n_large": 52.0, "median_overlap_with_phi_core": 0.16666666666666666, "min_overlap_with_phi_core": 0.058823529411764705, "reference_core_retained": [ -1 ], "reference_core_missing": [ 1, -2, 2, 3, -4, 4, 6 ] }, "block_shuffle_34": { "conditions": 144, "median_jaccard": 0.6666666666666666, "min_jaccard": 0.3333333333333333, "core_labels_all_conditions": [ -1, 1, -2, 2 ], exec /bin/bash -lc "sed -n '1,180p' tools/exp_gap_label_set_stability.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ Gap-label set stability for quasiperiodic spectra. The previous denominator audit showed that the first-two gap ratio moves with N, Sturmian phase, and threshold. This tool moves the observable from the value of the first two large gaps to the labels of the large gaps. For each large spectral gap, the integrated density of states is approximated by (gap_index + 1) / N. The nearest gap label is the integer n whose fractional part {n * theta} is closest to that IDS, modulo 1. The label set is then tested for stability across phase, N, and threshold. """ from __future__ import annotations import argparse import itertools import json from collections import Counter, defaultdict from pathlib import Path import numpy as np from numpy.linalg import eigvalsh PHI = (1 + np.sqrt(5)) / 2 SILVER = 1 + np.sqrt(2) BRONZE = 1 + np.sqrt(3) def sturmian_sequence(theta: float, n: int, phase: float = 0.0) -> np.ndarray: idx = np.arange(n + 1, dtype=float) vals = np.floor(idx * theta + phase) return np.diff(vals).astype(float) def hamiltonian(seq: np.ndarray, v: float = 1.0) -> np.ndarray: n = len(seq) h = np.zeros((n, n), dtype=float) h[np.arange(n), np.arange(n)] = v * seq off = np.arange(n - 1) h[off, off + 1] = 1.0 h[off + 1, off] = 1.0 return h def circular_distance(a: float, b: float) -> float: d = abs(a - b) % 1.0 return min(d, 1.0 - d) def nearest_label(ids_value: float, theta: float, max_label: int) -> tuple[int, float, float]: candidates = [] for n in range(-max_label, max_label + 1): if n == 0: continue frac = (n * theta) % 1.0 candidates.append((n, circular_distance(ids_value, frac), frac)) best_n, best_dist, best_frac = min(candidates, key=lambda item: (item[1], abs(item[0]))) return int(best_n), float(best_dist), float(best_frac) def gap_labels(seq: np.ndarray, theta: float, threshold: float, max_label: int, top_k: int) -> dict: eigs = np.sort(eigvalsh(hamiltonian(seq))) spacings = np.diff(eigs) mean_spacing = float(np.mean(spacings)) large = [] for index, spacing in enumerate(spacings): if spacing > threshold * mean_spacing: ids_value = (index + 1) / len(seq) label, error, label_value = nearest_label(ids_value, theta, max_label) large.append({ "index": int(index), "spacing": float(spacing), "ids": float(ids_value), "label": label, "label_error": error, "label_value": label_value, }) by_size = sorted(large, key=lambda item: item["spacing"], reverse=True) selected = by_size[:top_k] label_set = sorted({item["label"] for item in selected}, key=lambda x: (abs(x), x)) errors = [item["label_error"] for item in selected] return { "n_large": len(large), "n_selected": len(selected), "label_set": label_set, "median_label_error": float(np.median(errors)) if errors else None, "max_label_error": float(np.max(errors)) if errors else None, "selected": selected, } def jaccard(a: set[int], b: set[int]) -> float: if not a and not b: return 1.0 return len(a & b) / len(a | b) def summarize_sets(rows: list[dict]) -> dict: sets = [set(row["label_set"]) for row in rows if row["n_selected"] > 0] if not sets: return {} pairwise = [jaccard(a, b) for a, b in itertools.combinations(sets, 2)] counter = Counter(label for s in sets for label in s) n_sets = len(sets) core = sorted( [label for label, count in counter.items() if count == n_sets], key=lambda x: (abs(x), x), ) stable_75 = sorted( [label for label, count in counter.items() if count / n_sets >= 0.75], key=lambda x: (abs(x), x), ) return { "conditions": n_sets, "median_jaccard": float(np.median(pairwise)) if pairwise else 1.0, "min_jaccard": float(np.min(pairwise)) if pairwise else 1.0, "core_labels_all_conditions": core, "stable_labels_75pct": stable_75, "label_frequency_top": [ {"label": int(label), "count": int(count)} for label, count in sorted(counter.items(), key=lambda item: (-item[1], abs(item[0]), item[0]))[:12] ], "median_label_error": float(np.median([row["median_label_error"] for row in rows if row["median_label_error"] is not None])), "median_selected": float(np.median([row["n_selected"] for row in rows])), "median_n_large": float(np.median([row["n_large"] for row in rows])), } def grouped_stability(rows: list[dict], keys: tuple[str, ...]) -> dict: groups: dict[str, list[dict]] = defaultdict(list) for row in rows: group_key = "|".join(f"{key}={row[key]}" for key in keys) groups[group_key].append(row) summaries = [summarize_sets(group_rows) for group_rows in groups.values() if len(group_rows) > 1] summaries = [s for s in summaries if s] if not summaries: return {} return { "groups": len(summaries), "median_jaccard": float(np.median([s["median_jaccard"] for s in summaries])), "min_jaccard": float(np.min([s["min_jaccard"] for s in summaries])), } def run(args: argparse.Namespace) -> dict: rng = np.random.default_rng(args.seed) domains = { "phi": 1 / PHI, "silver": 1 / SILVER, "bronze": 1 / BRONZE, } ns = [int(x) for x in args.ns.split(",")] phases = [float(x) for x in args.phases.split(",")] thresholds = [float(x) for x in args.thresholds.split(",")] rows = [] for n in ns: for phase in phases: phi_ones = int(np.sum(sturmian_sequence(1 / PHI, n, phase))) for threshold in thresholds: for name, theta in domains.items(): seq = sturmian_sequence(theta, n, phase) obs = gap_labels(seq, theta, threshold, args.max_label, args.top_k) rows.append({"domain": name, "N": n, "phase": phase, "threshold": threshold, **obs}) for trial in range(args.random_trials): seq = np.array([1.0] * phi_ones + [0.0] * (n - phi_ones)) rng.shuffle(seq) obs = gap_labels(seq, 1 / PHI, threshold, args.max_label, args.top_k) rows.append({ "domain": "balanced_random_phi_labels", "trial": trial, "N": n, "phase": phase, "threshold": threshold, **obs, codex Il nodo regressivo è chiaro: non serve un quinto lettore del boundary esatto. Faccio una mossa più stretta: tengo fisso il lettore phi e cambio pendenza Sturmiana, così il portatore “ordine interno + scala Fibonacci-like” deve decadere o trasformarsi. codex Modifico solo aggiungendo uno strumento nuovo e il report richiesto; non tocco seme o kernel. Lo script separerà tre osservabili: core phi completo, nucleo basso e label alti `[3,-4,4,6]`, con denominatori grezzi per ogni pendenza. apply patch patch: completed /opt/MM_D-ND/tools/exp_nonphi_sturmian_fixed_reader_gate.py diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() codex Lo strumento è pronto. Ora lo eseguo nel perimetro standard del ramo gap-label e poi farò un seed/perimetro alternativo leggero cambiando `N` e soglia per verificare che il risultato non sia un artefatto del primo denominatore. exec /bin/bash -lc 'python tools/exp_nonphi_sturmian_fixed_reader_gate.py' in /opt/MM_D-ND diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() succeeded in 5201ms: { "phi_core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "summary": { "generator=bronze|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -5, -15, 15, -20, 20, -30 ], "stable_labels_75pct": [ -5, -9, 9, -15, 15, -20, 20, -30 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.02631578947368421, "median_label_error": 0.004590078760097996 }, "generator=bronze|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, -4, 4, -7, 7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5419580419580419, "median_label_error": 0.0005938554848298472 }, "generator=phi|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 1.0, "phi_full_core_rate": 1.0, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 9.474994982311413e-05 }, "generator=phi|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 1.0, "phi_full_core_rate": 1.0, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 9.474994982311413e-05 }, "generator=plastic|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -2, 2, -17, 17 ], "stable_labels_75pct": [ -2, 2, 4, -17, 17 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.21428571428571427, "median_label_error": 0.004473177554699684 }, "generator=plastic|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.40064102564102566, "median_label_error": 0.00082716435681221 }, "generator=silver|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -2, 2, -12, 12, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.125, "median_label_error": 0.004225944078094963 }, "generator=silver|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.8125, "phi_full_core_rate": 0.8125, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.0008785609107636316 }, "generator=sqrt2_minus_1|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -2, 2, -12, 12, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.125, "median_label_error": 0.004225944078094963 }, "generator=sqrt2_minus_1|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.8125, "phi_full_core_rate": 0.8125, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.0008785609107634651 } }, "out": "tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json" } diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'python tools/exp_nonphi_sturmian_fixed_reader_gate.py --ns 144,288,466,754 --phases 0.125,0.375,0.625,0.875 --thresholds 1.9,2.1 --out tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json' in /opt/MM_D-ND diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() succeeded in 4728ms: { "phi_core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "summary": { "generator=bronze|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -20, 20, 30 ], "stable_labels_75pct": [ -15, 15, -20, 20, -30, 30 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.0, "median_label_error": 0.003986646162398022 }, "generator=bronze|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5454545454545454, "median_label_error": 0.0009712309003453296 }, "generator=phi|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.375, "phi_full_core_rate": 0.375, "median_overlap_phi_full": 0.6363636363636364, "median_label_error": 4.7552699409487975e-05 }, "generator=phi|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.375, "phi_full_core_rate": 0.375, "median_overlap_phi_full": 0.6363636363636364, "median_label_error": 4.7552699409487975e-05 }, "generator=plastic|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -2, 2, -17, 17 ], "stable_labels_75pct": [ -2, 2, -17, 17 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.25, "median_label_error": 0.005276721030220102 }, "generator=plastic|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5, "median_label_error": 0.0010498563511970177 }, "generator=silver|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -2, 2, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, 17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.11764705882352941, "median_label_error": 0.004333033878229087 }, "generator=silver|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.75, "phi_full_core_rate": 0.75, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.0008086823648167929 }, "generator=sqrt2_minus_1|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -2, 2, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, 17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.11764705882352941, "median_label_error": 0.004333033878229087 }, "generator=sqrt2_minus_1|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.75, "phi_full_core_rate": 0.75, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.00080868236481689 } }, "out": "tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json" } exec /bin/bash -lc "jq '.summary_by_generator_reader | with_entries(.value={conditions:.value.conditions, core:.value.core_labels_all_conditions, stable75:.value.stable_labels_75pct, low_rate:.value.phi_low_core_rate, high_rate:.value.phi_high_core_rate, full_rate:.value.phi_full_core_rate, med_overlap:.value.median_overlap_phi_full, med_err:.value.median_label_error})' tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json" in /opt/MM_D-ND succeeded in 0ms: { "generator=bronze|reader=fixed_phi": { "conditions": 48, "core": [ -5, -15, 15, -20, 20, -30 ], "stable75": [ -5, -9, 9, -15, 15, -20, 20, -30 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.02631578947368421, "med_err": 0.004590078760097996 }, "generator=bronze|reader=native": { "conditions": 48, "core": [ -1, 1, -2, 2, -3, -4, 4 ], "stable75": [ -1, 1, -2, 2, -3, -4, 4, -7, 7 ], "low_rate": 1.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.5419580419580419, "med_err": 0.0005938554848298472 }, "generator=phi|reader=fixed_phi": { "conditions": 48, "core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable75": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "low_rate": 1.0, "high_rate": 1.0, "full_rate": 1.0, "med_overlap": 0.7272727272727273, "med_err": 0.00009474994982311413 }, "generator=phi|reader=native": { "conditions": 48, "core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable75": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "low_rate": 1.0, "high_rate": 1.0, "full_rate": 1.0, "med_overlap": 0.7272727272727273, "med_err": 0.00009474994982311413 }, "generator=plastic|reader=fixed_phi": { "conditions": 48, "core": [ -2, 2, -17, 17 ], "stable75": [ -2, 2, 4, -17, 17 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.21428571428571427, "med_err": 0.004473177554699684 }, "generator=plastic|reader=native": { "conditions": 48, "core": [ -1, 1, -2, 2, -3, 3 ], "stable75": [ -1, 1, -2, 2, -3, 3, -6 ], "low_rate": 1.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.40064102564102566, "med_err": 0.00082716435681221 }, "generator=silver|reader=fixed_phi": { "conditions": 48, "core": [ -2, 2, -12, 12, -14, 14, -24, 24 ], "stable75": [ -2, 2, -12, 12, -14, 14, -17, -24, 24 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.125, "med_err": 0.004225944078094963 }, "generator=silver|reader=native": { "conditions": 48, "core": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "stable75": [ -1, 1, -2, 2, -3, 3, -4, 4, 6 ], "low_rate": 1.0, "high_rate": 0.8125, "full_rate": 0.8125, "med_overlap": 0.7272727272727273, "med_err": 0.0008785609107636316 }, "generator=sqrt2_minus_1|reader=fixed_phi": { "conditions": 48, "core": [ -2, 2, -12, 12, -14, 14, -24, 24 ], "stable75": [ -2, 2, -12, 12, -14, 14, -17, -24, 24 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.125, "med_err": 0.004225944078094963 }, "generator=sqrt2_minus_1|reader=native": { "conditions": 48, "core": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "stable75": [ -1, 1, -2, 2, -3, 3, -4, 4, 6 ], "low_rate": 1.0, "high_rate": 0.8125, "full_rate": 0.8125, "med_overlap": 0.7272727272727273, "med_err": 0.0008785609107634651 } } diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() exec /bin/bash -lc "jq '.summary_by_generator_reader | with_entries(.value={conditions:.value.conditions, core:.value.core_labels_all_conditions, low_rate:.value.phi_low_core_rate, high_rate:.value.phi_high_core_rate, full_rate:.value.phi_full_core_rate, med_overlap:.value.median_overlap_phi_full, med_err:.value.median_label_error})' tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json" in /opt/MM_D-ND succeeded in 0ms: { "generator=bronze|reader=fixed_phi": { "conditions": 32, "core": [ -20, 20, 30 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.0, "med_err": 0.003986646162398022 }, "generator=bronze|reader=native": { "conditions": 32, "core": [ -1, 1, -2, 2, -4, 4 ], "low_rate": 1.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.5454545454545454, "med_err": 0.0009712309003453296 }, "generator=phi|reader=fixed_phi": { "conditions": 32, "core": [ -1, 1, -2, 2, -3, -4 ], "low_rate": 1.0, "high_rate": 0.375, "full_rate": 0.375, "med_overlap": 0.6363636363636364, "med_err": 0.000047552699409487975 }, "generator=phi|reader=native": { "conditions": 32, "core": [ -1, 1, -2, 2, -3, -4 ], "low_rate": 1.0, "high_rate": 0.375, "full_rate": 0.375, "med_overlap": 0.6363636363636364, "med_err": 0.000047552699409487975 }, "generator=plastic|reader=fixed_phi": { "conditions": 32, "core": [ -2, 2, -17, 17 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.25, "med_err": 0.005276721030220102 }, "generator=plastic|reader=native": { "conditions": 32, "core": [ -1, 1, -2, 2, -3, 3 ], "low_rate": 1.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.5, "med_err": 0.0010498563511970177 }, "generator=silver|reader=fixed_phi": { "conditions": 32, "core": [ -2, 2, -14, 14, -24, 24 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.11764705882352941, "med_err": 0.004333033878229087 }, "generator=silver|reader=native": { "conditions": 32, "core": [ -1, 1, -2, 2, -4, 4 ], "low_rate": 1.0, "high_rate": 0.75, "full_rate": 0.75, "med_overlap": 0.7272727272727273, "med_err": 0.0008086823648167929 }, "generator=sqrt2_minus_1|reader=fixed_phi": { "conditions": 32, "core": [ -2, 2, -14, 14, -24, 24 ], "low_rate": 0.0, "high_rate": 0.0, "full_rate": 0.0, "med_overlap": 0.11764705882352941, "med_err": 0.004333033878229087 }, "generator=sqrt2_minus_1|reader=native": { "conditions": 32, "core": [ -1, 1, -2, 2, -4, 4 ], "low_rate": 1.0, "high_rate": 0.75, "full_rate": 0.75, "med_overlap": 0.7272727272727273, "med_err": 0.00080868236481689 } } diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..6fa191d678fdae1cf2ed8b151f0211cc41ca74f2 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "sqrt2_minus_1": np.sqrt(2) - 1, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() codex Ho visto un controllo ridondante: `silver` e `sqrt2_minus_1` sono la stessa pendenza scritta in due modi. Lo tolgo dallo strumento e rigenero i dati, cosi il report non conta due volte lo stesso dominio. apply patch patch: completed /opt/MM_D-ND/tools/exp_nonphi_sturmian_fixed_reader_gate.py diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'python tools/exp_nonphi_sturmian_fixed_reader_gate.py' in /opt/MM_D-ND diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() succeeded in 3946ms: { "phi_core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "summary": { "generator=bronze|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -5, -15, 15, -20, 20, -30 ], "stable_labels_75pct": [ -5, -9, 9, -15, 15, -20, 20, -30 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.02631578947368421, "median_label_error": 0.004590078760097996 }, "generator=bronze|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, -4, 4, -7, 7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5419580419580419, "median_label_error": 0.0005938554848298472 }, "generator=phi|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 1.0, "phi_full_core_rate": 1.0, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 9.474994982311413e-05 }, "generator=phi|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6, -7 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 1.0, "phi_full_core_rate": 1.0, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 9.474994982311413e-05 }, "generator=plastic|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -2, 2, -17, 17 ], "stable_labels_75pct": [ -2, 2, 4, -17, 17 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.21428571428571427, "median_label_error": 0.004473177554699684 }, "generator=plastic|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.40064102564102566, "median_label_error": 0.00082716435681221 }, "generator=silver|reader=fixed_phi": { "conditions": 48, "core_labels_all_conditions": [ -2, 2, -12, 12, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.125, "median_label_error": 0.004225944078094963 }, "generator=silver|reader=native": { "conditions": 48, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.8125, "phi_full_core_rate": 0.8125, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.0008785609107636316 } }, "out": "tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json" } exec /bin/bash -lc 'python tools/exp_nonphi_sturmian_fixed_reader_gate.py --ns 144,288,466,754 --phases 0.125,0.375,0.625,0.875 --thresholds 1.9,2.1 --out tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json' in /opt/MM_D-ND diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() succeeded in 3265ms: { "phi_core": [ -1, 1, -2, 2, 3, -4, 4, 6 ], "summary": { "generator=bronze|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -20, 20, 30 ], "stable_labels_75pct": [ -15, 15, -20, 20, -30, 30 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.0, "median_label_error": 0.003986646162398022 }, "generator=bronze|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5454545454545454, "median_label_error": 0.0009712309003453296 }, "generator=phi|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.375, "phi_full_core_rate": 0.375, "median_overlap_phi_full": 0.6363636363636364, "median_label_error": 4.7552699409487975e-05 }, "generator=phi|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, -4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.375, "phi_full_core_rate": 0.375, "median_overlap_phi_full": 0.6363636363636364, "median_label_error": 4.7552699409487975e-05 }, "generator=plastic|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -2, 2, -17, 17 ], "stable_labels_75pct": [ -2, 2, -17, 17 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.25, "median_label_error": 0.005276721030220102 }, "generator=plastic|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -3, 3 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.5, "median_label_error": 0.0010498563511970177 }, "generator=silver|reader=fixed_phi": { "conditions": 32, "core_labels_all_conditions": [ -2, 2, -14, 14, -24, 24 ], "stable_labels_75pct": [ -2, 2, -12, 12, -14, 14, -17, 17, -24, 24 ], "phi_low_core_rate": 0.0, "phi_high_core_rate": 0.0, "phi_full_core_rate": 0.0, "median_overlap_phi_full": 0.11764705882352941, "median_label_error": 0.004333033878229087 }, "generator=silver|reader=native": { "conditions": 32, "core_labels_all_conditions": [ -1, 1, -2, 2, -4, 4 ], "stable_labels_75pct": [ -1, 1, -2, 2, -3, 3, -4, 4, -6, 6 ], "phi_low_core_rate": 1.0, "phi_high_core_rate": 0.75, "phi_full_core_rate": 0.75, "median_overlap_phi_full": 0.7272727272727273, "median_label_error": 0.0008086823648167929 } }, "out": "tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json" } codex I risultati separano bene i poli: con lettore phi fisso i generatori non-phi non portano il core phi; con lettore nativo mostrano comunque una propria tassonomia ordinata. Scrivo ora il report nel path richiesto con il contratto osservabile-operatore esplicito. apply patch patch: completed /opt/MM_D-ND/tools/data/reports/agent_20260508_2019.md diff --git a/tools/data/reports/agent_20260508_2019.md b/tools/data/reports/agent_20260508_2019.md new file mode 100644 index 0000000000000000000000000000000000000000..eadb2b5cbaf7d4e0e8e3b6ae3970c8792557daf4 --- /dev/null +++ b/tools/data/reports/agent_20260508_2019.md @@ -0,0 +1,95 @@ +# Agent Report - Non-Phi Sturmian Fixed-Reader Gate +**Date**: 2026-05-08 20:19 +**Piano**: 93 +**Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 +**verdict**: CONSTRAINT +observables_registry: n/a +observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] +**observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. + +## Respiro fuori-tempo +- **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. +- **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. +- **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. +- **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. +- **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. +- **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. +- **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. + +## Claim Under Test +> Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. + +## Question +I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? + +## Experiment Design +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. +- Generatori: `phi`, `silver`, `bronze`, `plastic`. +- Lettori: + - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. + - `native`: ogni generatore etichettato con la propria pendenza. +- Core testati separatamente: + - low phi core: `[-1, 1, -2, 2]`. + - high phi core: `[3, -4, 4, 6]`. + - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. +- Main denominator: 48 condizioni per generatore/reader. +- Seedcheck denominator: 32 condizioni per generatore/reader. + +## Results +Main run: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | +| silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | +| bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | +| plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | +| silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | +| bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | +| plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | + +Seedcheck: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | +| silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | +| bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | +| plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | +| silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | +| bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | +| plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | + +## Key Findings +1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. + +2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). + +3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. + +4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. + +## Verdict +**CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. + +## Bicono della scoperta +- **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. +- **Singolare**: IDS del gap largo prima della scelta del reader. +- **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. +- **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. + +## Consecutio +Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. + +## Auto-audit: 5 lenti +- **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. +- **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. +- **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. +- **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. +- **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. + +## Files +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` +- Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` +- Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` +- Report: `tools/data/reports/agent_20260508_2019.md` diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() diff --git a/tools/data/reports/agent_20260508_2019.md b/tools/data/reports/agent_20260508_2019.md new file mode 100644 index 0000000000000000000000000000000000000000..eadb2b5cbaf7d4e0e8e3b6ae3970c8792557daf4 --- /dev/null +++ b/tools/data/reports/agent_20260508_2019.md @@ -0,0 +1,95 @@ +# Agent Report - Non-Phi Sturmian Fixed-Reader Gate +**Date**: 2026-05-08 20:19 +**Piano**: 93 +**Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 +**verdict**: CONSTRAINT +observables_registry: n/a +observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] +**observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. + +## Respiro fuori-tempo +- **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. +- **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. +- **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. +- **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. +- **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. +- **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. +- **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. + +## Claim Under Test +> Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. + +## Question +I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? + +## Experiment Design +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. +- Generatori: `phi`, `silver`, `bronze`, `plastic`. +- Lettori: + - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. + - `native`: ogni generatore etichettato con la propria pendenza. +- Core testati separatamente: + - low phi core: `[-1, 1, -2, 2]`. + - high phi core: `[3, -4, 4, 6]`. + - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. +- Main denominator: 48 condizioni per generatore/reader. +- Seedcheck denominator: 32 condizioni per generatore/reader. + +## Results +Main run: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | +| silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | +| bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | +| plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | +| silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | +| bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | +| plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | + +Seedcheck: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | +| silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | +| bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | +| plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | +| silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | +| bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | +| plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | + +## Key Findings +1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. + +2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). + +3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. + +4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. + +## Verdict +**CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. + +## Bicono della scoperta +- **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. +- **Singolare**: IDS del gap largo prima della scelta del reader. +- **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. +- **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. + +## Consecutio +Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. + +## Auto-audit: 5 lenti +- **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. +- **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. +- **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. +- **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. +- **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. + +## Files +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` +- Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` +- Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` +- Report: `tools/data/reports/agent_20260508_2019.md` diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() codex Il report è scritto. Faccio solo verifiche leggere: compilazione dello script e lettura rapida del report/diff dei file toccati, senza intervenire sul worktree esistente. exec /bin/bash -lc "sed -n '1,260p' tools/data/reports/agent_20260508_2019.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Non-Phi Sturmian Fixed-Reader Gate **Date**: 2026-05-08 20:19 **Piano**: 93 **Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 **verdict**: CONSTRAINT observables_registry: n/a observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] **observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. ## Respiro fuori-tempo - **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. - **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. - **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. - **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. - **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. - **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. - **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. ## Claim Under Test > Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. ## Question I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? ## Experiment Design - Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. - Generatori: `phi`, `silver`, `bronze`, `plastic`. - Lettori: - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. - `native`: ogni generatore etichettato con la propria pendenza. - Core testati separatamente: - low phi core: `[-1, 1, -2, 2]`. - high phi core: `[3, -4, 4, 6]`. - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. - Main denominator: 48 condizioni per generatore/reader. - Seedcheck denominator: 32 condizioni per generatore/reader. ## Results Main run: | generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | |---|---|---:|---|---:|---:|---:|---:|---:| | phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | | silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | | bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | | plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | | silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | | bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | | plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | Seedcheck: | generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | |---|---|---:|---|---:|---:|---:|---:|---:| | phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | | silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | | bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | | plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | | silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | | bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | | plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | ## Key Findings 1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. 2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). 3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. 4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. ## Verdict **CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. ## Bicono della scoperta - **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. - **Singolare**: IDS del gap largo prima della scelta del reader. - **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. - **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. ## Consecutio Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. ## Auto-audit: 5 lenti - **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. - **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. - **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. - **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. - **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. ## Files - Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` - Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` - Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` - Report: `tools/data/reports/agent_20260508_2019.md` exec /bin/bash -lc 'git diff -- tools/exp_nonphi_sturmian_fixed_reader_gate.py tools/data/reports/agent_20260508_2019.md' in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'ls -l tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json tools/data/reports/agent_20260508_2019.md' in /opt/MM_D-ND succeeded in 0ms: -rw-r--r-- 1 root root 1354039 May 8 20:21 tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json -rw-r--r-- 1 root root 881102 May 8 20:22 tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json -rw-r--r-- 1 root root 8969 May 8 20:22 tools/data/reports/agent_20260508_2019.md exec /bin/bash -lc 'python -m py_compile tools/exp_nonphi_sturmian_fixed_reader_gate.py' in /opt/MM_D-ND succeeded in 0ms: diff --git a/tools/data/reports/agent_20260508_2019.md b/tools/data/reports/agent_20260508_2019.md new file mode 100644 index 0000000000000000000000000000000000000000..eadb2b5cbaf7d4e0e8e3b6ae3970c8792557daf4 --- /dev/null +++ b/tools/data/reports/agent_20260508_2019.md @@ -0,0 +1,95 @@ +# Agent Report - Non-Phi Sturmian Fixed-Reader Gate +**Date**: 2026-05-08 20:19 +**Piano**: 93 +**Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 +**verdict**: CONSTRAINT +observables_registry: n/a +observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] +**observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. + +## Respiro fuori-tempo +- **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. +- **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. +- **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. +- **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. +- **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. +- **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. +- **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. + +## Claim Under Test +> Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. + +## Question +I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? + +## Experiment Design +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. +- Generatori: `phi`, `silver`, `bronze`, `plastic`. +- Lettori: + - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. + - `native`: ogni generatore etichettato con la propria pendenza. +- Core testati separatamente: + - low phi core: `[-1, 1, -2, 2]`. + - high phi core: `[3, -4, 4, 6]`. + - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. +- Main denominator: 48 condizioni per generatore/reader. +- Seedcheck denominator: 32 condizioni per generatore/reader. + +## Results +Main run: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | +| silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | +| bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | +| plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | +| silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | +| bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | +| plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | + +Seedcheck: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | +| silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | +| bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | +| plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | +| silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | +| bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | +| plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | + +## Key Findings +1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. + +2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). + +3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. + +4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. + +## Verdict +**CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. + +## Bicono della scoperta +- **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. +- **Singolare**: IDS del gap largo prima della scelta del reader. +- **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. +- **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. + +## Consecutio +Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. + +## Auto-audit: 5 lenti +- **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. +- **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. +- **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. +- **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. +- **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. + +## Files +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` +- Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` +- Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` +- Report: `tools/data/reports/agent_20260508_2019.md` diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'git status --short -- tools/exp_nonphi_sturmian_fixed_reader_gate.py tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json tools/data/reports/agent_20260508_2019.md' in /opt/MM_D-ND succeeded in 0ms: ?? tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json ?? tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json ?? tools/data/reports/agent_20260508_2019.md ?? tools/exp_nonphi_sturmian_fixed_reader_gate.py diff --git a/tools/data/reports/agent_20260508_2019.md b/tools/data/reports/agent_20260508_2019.md new file mode 100644 index 0000000000000000000000000000000000000000..eadb2b5cbaf7d4e0e8e3b6ae3970c8792557daf4 --- /dev/null +++ b/tools/data/reports/agent_20260508_2019.md @@ -0,0 +1,95 @@ +# Agent Report - Non-Phi Sturmian Fixed-Reader Gate +**Date**: 2026-05-08 20:19 +**Piano**: 93 +**Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 +**verdict**: CONSTRAINT +observables_registry: n/a +observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] +**observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. + +## Respiro fuori-tempo +- **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. +- **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. +- **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. +- **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. +- **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. +- **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. +- **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. + +## Claim Under Test +> Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. + +## Question +I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? + +## Experiment Design +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. +- Generatori: `phi`, `silver`, `bronze`, `plastic`. +- Lettori: + - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. + - `native`: ogni generatore etichettato con la propria pendenza. +- Core testati separatamente: + - low phi core: `[-1, 1, -2, 2]`. + - high phi core: `[3, -4, 4, 6]`. + - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. +- Main denominator: 48 condizioni per generatore/reader. +- Seedcheck denominator: 32 condizioni per generatore/reader. + +## Results +Main run: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | +| silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | +| bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | +| plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | +| silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | +| bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | +| plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | + +Seedcheck: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | +| silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | +| bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | +| plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | +| silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | +| bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | +| plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | + +## Key Findings +1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. + +2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). + +3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. + +4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. + +## Verdict +**CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. + +## Bicono della scoperta +- **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. +- **Singolare**: IDS del gap largo prima della scelta del reader. +- **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. +- **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. + +## Consecutio +Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. + +## Auto-audit: 5 lenti +- **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. +- **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. +- **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. +- **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. +- **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. + +## Files +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` +- Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` +- Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` +- Report: `tools/data/reports/agent_20260508_2019.md` diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() codex Eseguito esperimento e scritto il report richiesto in [agent_20260508_2019.md](/opt/MM_D-ND/tools/data/reports/agent_20260508_2019.md). Ho aggiunto anche lo strumento riusabile [exp_nonphi_sturmian_fixed_reader_gate.py](/opt/MM_D-ND/tools/exp_nonphi_sturmian_fixed_reader_gate.py) e prodotto i dati main + seedcheck: - [main json](/opt/MM_D-ND/tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json) - [seedcheck json](/opt/MM_D-ND/tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json) Verdict del ciclo: `CONSTRAINT`. Il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta `theta=1/phi`; con reader nativo i non-phi mostrano comunque struttura ordinata. Quindi il portatore non è boundary esatto né reader phi isolato, ma accoppiamento generatore-lettore. Verifiche: `python -m py_compile tools/exp_nonphi_sturmian_fixed_reader_gate.py` passato; nessuna API key paid rilevata nell’env. diff --git a/tools/data/reports/agent_20260508_2019.md b/tools/data/reports/agent_20260508_2019.md new file mode 100644 index 0000000000000000000000000000000000000000..eadb2b5cbaf7d4e0e8e3b6ae3970c8792557daf4 --- /dev/null +++ b/tools/data/reports/agent_20260508_2019.md @@ -0,0 +1,95 @@ +# Agent Report - Non-Phi Sturmian Fixed-Reader Gate +**Date**: 2026-05-08 20:19 +**Piano**: 93 +**Tension explored**: TRASCENDENZA_LIMITE / M_trascendenza_limite_attuale_L0 +**verdict**: CONSTRAINT +observables_registry: n/a +observables_used: [phi_low_core_rate, phi_high_core_rate, phi_full_core_rate, median_overlap_phi_full, native_reader_control] +**observable_contract**: claim=se il portatore contratto del core phi e' ordine interno + scala Fibonacci-like, il core phi deve decadere quando il lettore theta=1/phi resta fisso ma il generatore Sturmian cambia pendenza; observable=retention del core phi basso [-1,1,-2,2], alto [3,-4,4,6], completo [-1,1,-2,2,3,-4,4,6] e overlap mediano; operator=Hamiltoniana tight-binding V=1, gap labels dei top gap larghi, reader fisso theta=1/phi contro controllo reader nativo; generator=Sturmian phi, silver, bronze, plastic; denominator=main N={233,377,500,610}, phase={0,0.25,0.5,0.75}, threshold={1.75,2.0,2.25}, top_k=12, |n|<=34; seedcheck N={144,288,466,754}, phase={0.125,0.375,0.625,0.875}, threshold={1.9,2.1}; not_tested=gap_ratio, boundary esatto del supertile, domini GUE/Poisson reali, automa formale della sostituzione. + +## Respiro fuori-tempo +- **Combo**: A3 punto fisso relazionale + A9 terzo incluso + A11 combo + QxG continuo/discreto + TxQ matrice densita come lettore IDS + TRASCENDENZA_LIMITE sul passaggio da core phi a rete di punti fissi non-phi. +- **Dipolo / punto-zero**: lettore aritmetico phi . generatore Sturmian non-phi; punto-zero = IDS del gap largo prima che venga letto dalla tassonomia phi o dalla tassonomia nativa. +- **Piano superiore**: algebra / grafo della conoscenza. Il confine non viene cercato come taglio di supertile: viene testato come trasferibilita di una tassonomia fra generatori ordinati. +- **Operatori laterali scelti**: rappresentazione, spettro, controllo di gauge. Rappresentazione = label set; spettro = gap larghi; controllo di gauge = stesso generatore letto con reader phi e reader nativo. +- **Contaminazione cognitiva**: CE-0001 KSAR usato. Il kernel del ciclo 20:13 viene reiterato cambiando piano: non un altro boundary reader, ma il contro-polo naturale del generatore. +- **Proto-ipotesi**: se il core alto phi e' portatore del generatore phi, i generatori non-phi devono perdere il core quando letti da theta=1/phi, ma recuperare una struttura stabile quando letti dalla propria pendenza. Se il core phi resta anche nei non-phi con reader fisso, il portatore non e' phi-specifico. +- **Proiezione**: confronto ogni generatore su due lettori. Il reader fisso misura trasferibilita della tassonomia phi; il reader nativo misura se la perdita e' disordine reale o cambio di coordinate. + +## Claim Under Test +> Il core phi alto non e' un boundary esatto: e' una tassonomia generatore-lettore. Cambiando pendenza Sturmian e tenendo fisso theta=1/phi, il core phi decade; con reader nativo riappare una struttura ordinata propria. + +## Question +I generatori Sturmian non-phi conservano il core phi quando il reader resta theta=1/phi, oppure il core si trasforma e diventa leggibile solo nella coordinata nativa? + +## Experiment Design +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py`. +- Generatori: `phi`, `silver`, `bronze`, `plastic`. +- Lettori: + - `fixed_phi`: tutti i generatori etichettati con theta=1/phi. + - `native`: ogni generatore etichettato con la propria pendenza. +- Core testati separatamente: + - low phi core: `[-1, 1, -2, 2]`. + - high phi core: `[3, -4, 4, 6]`. + - full phi core: `[-1, 1, -2, 2, 3, -4, 4, 6]`. +- Main denominator: 48 condizioni per generatore/reader. +- Seedcheck denominator: 32 condizioni per generatore/reader. + +## Results +Main run: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 48 | [-1,1,-2,2,3,-4,4,6] | 48/48 | 48/48 | 48/48 | 0.7273 | 0.000095 | +| silver | fixed_phi | 48 | [-2,2,-12,12,-14,14,-24,24] | 0/48 | 0/48 | 0/48 | 0.1250 | 0.004226 | +| bronze | fixed_phi | 48 | [-5,-15,15,-20,20,-30] | 0/48 | 0/48 | 0/48 | 0.0263 | 0.004590 | +| plastic | fixed_phi | 48 | [-2,2,-17,17] | 0/48 | 0/48 | 0/48 | 0.2143 | 0.004473 | +| silver | native | 48 | [-1,1,-2,2,-3,3,-4,4] | 48/48 | 39/48 | 39/48 | 0.7273 | 0.000879 | +| bronze | native | 48 | [-1,1,-2,2,-3,-4,4] | 48/48 | 0/48 | 0/48 | 0.5420 | 0.000594 | +| plastic | native | 48 | [-1,1,-2,2,-3,3] | 48/48 | 0/48 | 0/48 | 0.4006 | 0.000827 | + +Seedcheck: + +| generator | reader | conditions | all-condition core | low phi hits | high phi hits | full phi hits | median overlap full | median label error | +|---|---|---:|---|---:|---:|---:|---:|---:| +| phi | fixed_phi | 32 | [-1,1,-2,2,-3,-4] | 32/32 | 12/32 | 12/32 | 0.6364 | 0.000048 | +| silver | fixed_phi | 32 | [-2,2,-14,14,-24,24] | 0/32 | 0/32 | 0/32 | 0.1176 | 0.004333 | +| bronze | fixed_phi | 32 | [-20,20,30] | 0/32 | 0/32 | 0/32 | 0.0000 | 0.003987 | +| plastic | fixed_phi | 32 | [-2,2,-17,17] | 0/32 | 0/32 | 0/32 | 0.2500 | 0.005277 | +| silver | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 24/32 | 24/32 | 0.7273 | 0.000809 | +| bronze | native | 32 | [-1,1,-2,2,-4,4] | 32/32 | 0/32 | 0/32 | 0.5455 | 0.000971 | +| plastic | native | 32 | [-1,1,-2,2,-3,3] | 32/32 | 0/32 | 0/32 | 0.5000 | 0.001050 | + +## Key Findings +1. **Verificato: con reader phi fisso, nessun generatore non-phi porta il core phi completo o alto.** Main: silver, bronze e plastic hanno `0/48` hits per low, high e full core. Seedcheck: restano `0/32` per high e full; anche il low core completo resta `0/32`. + +2. **Verificato: i generatori non-phi non sono disordine.** Con reader nativo, silver conserva core ordinato `[-1,1,-2,2,-3,3,-4,4]` nel main e recupera high/full phi-like in `39/48`; bronze e plastic conservano stabilmente il nucleo basso nativo, con label error circa `0.0006-0.0010`, molto sotto il reader phi fisso non-phi (`0.0040-0.0053`). + +3. **Verificato: il core alto e' selettivo anche dentro il generatore phi.** Nel seedcheck phi stesso conserva low core `32/32`, ma high/full scendono a `12/32`. Questo non rompe il finding: rafforza il denominatore del claim. Il nucleo basso e' piu' stabile; il core alto dipende da finestra `N/phase/threshold`. + +4. **Inferito dal perimetro: la rete di punti fissi e' coordinata, non universale.** Silver letto nativamente puo' assomigliare a phi nei label bassi e in parte negli alti; silver letto con phi perde il core. La relazione vive nel match generatore-lettore, non nel lettore phi isolato. + +## Verdict +**CONSTRAINT on TRASCENDENZA_LIMITE / QPG_GAP_RATIO_DENOMINATOR_GATE**: nel perimetro dichiarato, il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta theta=1/phi. La perdita non e' disordine: con reader nativo i generatori non-phi mostrano core stabili e label-error basso. Formulazione valida: il portatore del core non e' il boundary esatto ne' il reader phi da solo; e' l'accoppiamento generatore-lettore. Il low core misura stabilita di famiglia Sturmian, il high core misura una coordinata piu' selettiva e denominatore-dipendente. + +## Bicono della scoperta +- **Due radici**: tassonomia phi fissa . tassonomia nativa del generatore. +- **Singolare**: IDS del gap largo prima della scelta del reader. +- **Invariante di passaggio**: l'ordine Sturmian produce core bassi nativi; il core alto phi sopravvive solo quando generatore e reader restano accoppiati nel perimetro. +- **Campo di possibilita**: qui diventa possibile costruire il grafo dei punti fissi relazionali generatore-reader. Qui diventa non-possibile trattare theta=1/phi come lettore universale del core su ogni pendenza ordinata. + +## Consecutio +Il prossimo passaggio deve trasformare il risultato in matrice relazionale: righe = generatori Sturmian/quasiperiodici, colonne = reader, celle = core nativo, low-core transfer, high-core transfer e label-error. Se emerge una diagonale forte con off-diagonal selettivi, TRASCENDENZA_LIMITE diventa grafo generatore-lettore invece di claim su phi isolato. + +## Auto-audit: 5 lenti +- **L1 hard constraint vs bias**: il verdict e' scoped al perimetro; nessun "sempre" fuori denominatore. +- **L2 osservabili separati**: low core, high core, full core, overlap e label-error restano distinti. +- **L3 no silent patching**: il boundary esatto non viene salvato; il claim viene contratto al portatore generatore-lettore. +- **L4 edge cases**: il seedcheck in cui phi high scende a `12/32` e' riportato come vincolo del denominatore, non rimosso. +- **L5 duplicate guardrail**: `silver` e `sqrt2_minus_1` erano la stessa pendenza; lo script e' stato corretto prima del report. + +## Files +- Script: `tools/exp_nonphi_sturmian_fixed_reader_gate.py` +- Data main: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json` +- Data seedcheck: `tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json` +- Report: `tools/data/reports/agent_20260508_2019.md` diff --git a/tools/exp_nonphi_sturmian_fixed_reader_gate.py b/tools/exp_nonphi_sturmian_fixed_reader_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..c8da021af501b73456b11f2dc48dc8add87437e7 --- /dev/null +++ b/tools/exp_nonphi_sturmian_fixed_reader_gate.py @@ -0,0 +1,196 @@ +#!/usr/bin/env python3 +""" +Non-phi Sturmian gate with fixed phi reader. + +The preceding boundary readers did not identify the exact supertile boundary. +This tool contracts the claim to the carrier found by earlier cycles: internal +order plus Fibonacci-like scale. It keeps the label reader fixed at theta=1/phi +and changes the Sturmian generator slope. A native-reader control is included +to distinguish "non-phi has no structure" from "non-phi does not carry the +phi label taxonomy". +""" + +from __future__ import annotations + +import argparse +import json +from collections import Counter, defaultdict +from pathlib import Path + +import numpy as np + +from exp_gap_label_block_scale_gate import REFERENCE_HIGH, REFERENCE_LOW, label_sort, parse_floats, parse_ints +from exp_gap_label_generator_gate import THETA +from exp_gap_label_set_stability import BRONZE, PHI, SILVER, gap_labels, jaccard, sturmian_sequence, summarize_sets + + +PHI_CORE = set(REFERENCE_LOW) | set(REFERENCE_HIGH) + + +def plastic_number() -> float: + roots = np.roots([1.0, 0.0, -1.0, -1.0]) + real_roots = [float(root.real) for root in roots if abs(root.imag) < 1e-10 and root.real > 1] + return real_roots[0] + + +def domain_thetas() -> dict[str, float]: + plastic = plastic_number() + return { + "phi": 1 / PHI, + "silver": 1 / SILVER, + "bronze": 1 / BRONZE, + "plastic": 1 / plastic, + } + + +def hit_rate(rows: list[dict], labels: set[int]) -> tuple[int, int, float]: + denominator = len(rows) + if denominator == 0: + return 0, 0, 0.0 + hits = sum(labels <= set(row["label_set"]) for row in rows if row["n_selected"] > 0) + return int(hits), int(denominator), float(hits / denominator) + + +def overlap_values(rows: list[dict], labels: set[int]) -> list[float]: + values = [] + for row in rows: + if row["n_selected"] <= 0: + continue + values.append(jaccard(set(row["label_set"]), labels)) + return values + + +def label_counter(rows: list[dict]) -> Counter: + counter: Counter = Counter() + for row in rows: + counter.update(set(row["label_set"])) + return counter + + +def summarize_group(rows: list[dict]) -> dict: + base = summarize_sets(rows) + if not base: + return {"conditions": 0} + high_hits, high_total, high_rate = hit_rate(rows, set(REFERENCE_HIGH)) + low_hits, low_total, low_rate = hit_rate(rows, set(REFERENCE_LOW)) + core_hits, core_total, core_rate = hit_rate(rows, PHI_CORE) + high_overlap = overlap_values(rows, set(REFERENCE_HIGH)) + low_overlap = overlap_values(rows, set(REFERENCE_LOW)) + core_overlap = overlap_values(rows, PHI_CORE) + counter = label_counter(rows) + n_rows = len(rows) + return { + **base, + "phi_low_core_hits": low_hits, + "phi_low_core_total": low_total, + "phi_low_core_rate": low_rate, + "phi_high_core_hits": high_hits, + "phi_high_core_total": high_total, + "phi_high_core_rate": high_rate, + "phi_full_core_hits": core_hits, + "phi_full_core_total": core_total, + "phi_full_core_rate": core_rate, + "median_overlap_phi_low": float(np.median(low_overlap)) if low_overlap else None, + "median_overlap_phi_high": float(np.median(high_overlap)) if high_overlap else None, + "median_overlap_phi_full": float(np.median(core_overlap)) if core_overlap else None, + "phi_core_frequency": { + str(label): int(counter[label]) + for label in label_sort(PHI_CORE) + }, + "phi_core_frequency_rate": { + str(label): float(counter[label] / n_rows) if n_rows else 0.0 + for label in label_sort(PHI_CORE) + }, + } + + +def grouped_summary(rows: list[dict], keys: list[str]) -> dict: + groups: dict[str, list[dict]] = defaultdict(list) + for row in rows: + groups["|".join(f"{key}={row[key]}" for key in keys)].append(row) + return {key: summarize_group(group) for key, group in sorted(groups.items())} + + +def run(args: argparse.Namespace) -> dict: + ns = parse_ints(args.ns) + phases = parse_floats(args.phases) + thresholds = parse_floats(args.thresholds) + domains = domain_thetas() + rows = [] + + for n in ns: + for phase in phases: + for threshold in thresholds: + for generator, generator_theta in domains.items(): + seq = sturmian_sequence(generator_theta, n, phase) + readers = { + "fixed_phi": THETA, + "native": generator_theta, + } + for reader, reader_theta in readers.items(): + obs = gap_labels(seq, reader_theta, threshold, args.max_label, args.top_k) + rows.append({ + "generator": generator, + "reader": reader, + "N": n, + "phase": phase, + "threshold": threshold, + "generator_theta": float(generator_theta), + "reader_theta": float(reader_theta), + **obs, + }) + + return { + "experiment": "nonphi_sturmian_fixed_reader_gate", + "parameters": { + "ns": ns, + "phases": phases, + "thresholds": thresholds, + "top_k": args.top_k, + "max_label": args.max_label, + }, + "phi_core": label_sort(PHI_CORE), + "phi_low_core": label_sort(set(REFERENCE_LOW)), + "phi_high_core": label_sort(set(REFERENCE_HIGH)), + "summary_by_generator_reader": grouped_summary(rows, ["generator", "reader"]), + "summary_by_generator_reader_threshold": grouped_summary(rows, ["generator", "reader", "threshold"]), + "rows": rows, + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--ns", default="233,377,500,610") + parser.add_argument("--phases", default="0,0.25,0.5,0.75") + parser.add_argument("--thresholds", default="1.75,2.0,2.25") + parser.add_argument("--top-k", type=int, default=12) + parser.add_argument("--max-label", type=int, default=34) + parser.add_argument("--out", default="tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json") + args = parser.parse_args() + + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2), encoding="utf-8") + + compact = {} + for key, value in output["summary_by_generator_reader"].items(): + compact[key] = { + "conditions": value["conditions"], + "core_labels_all_conditions": value["core_labels_all_conditions"], + "stable_labels_75pct": value["stable_labels_75pct"], + "phi_low_core_rate": value["phi_low_core_rate"], + "phi_high_core_rate": value["phi_high_core_rate"], + "phi_full_core_rate": value["phi_full_core_rate"], + "median_overlap_phi_full": value["median_overlap_phi_full"], + "median_label_error": value["median_label_error"], + } + print(json.dumps({ + "phi_core": output["phi_core"], + "summary": compact, + "out": str(out), + }, indent=2)) + + +if __name__ == "__main__": + main() tokens used 112,850 Eseguito esperimento e scritto il report richiesto in [agent_20260508_2019.md](/opt/MM_D-ND/tools/data/reports/agent_20260508_2019.md). Ho aggiunto anche lo strumento riusabile [exp_nonphi_sturmian_fixed_reader_gate.py](/opt/MM_D-ND/tools/exp_nonphi_sturmian_fixed_reader_gate.py) e prodotto i dati main + seedcheck: - [main json](/opt/MM_D-ND/tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019.json) - [seedcheck json](/opt/MM_D-ND/tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.json) Verdict del ciclo: `CONSTRAINT`. Il core phi non trasferisce ai generatori Sturmian non-phi quando il reader resta `theta=1/phi`; con reader nativo i non-phi mostrano comunque struttura ordinata. Quindi il portatore non è boundary esatto né reader phi isolato, ma accoppiamento generatore-lettore. Verifiche: `python -m py_compile tools/exp_nonphi_sturmian_fixed_reader_gate.py` passato; nessuna API key paid rilevata nell’env.