Reading additional input from stdin... 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: 019e0d4f-f2b4-7931-8e1a-7fe83e42afae -------- 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_20260509_1516.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 campo vivo e il contesto operativo prima di scegliere l’esperimento. Controllerò anche le direttive e le memorie cross-agent recenti, perché in questo lab possono cambiare la tensione da attaccare. 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' /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 '1,260p' 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. Possibile/non-possibile: dichiara dove la possibilita' diventa non-possibile, quale null la sfida o quale failure mode la limita. 6. Proiezione: solo dopo scegli osservabile, perimetro, null e misura. Se non riesci a compilare questi sei 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, G=10, T=7, E=4, R=4 **Generatrici/strade dense**: - disc_5: 4 ghost · Metrica primi g=(p/2)², curvatura GUE r=0.503 - report_20260509_1444: 2 ghost · Agent Report - Boundary Gate Transfer Matrix - report_20260509_1437: 2 ghost · Agent Report - Residual Boundary Closure **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 ## Contratto di aderenza alla traiettoria - Direzione viva del seme: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo - Ultima decisione valutatore: 20260509_1457 NEXT_CYCLE/high - Direzione operativa valutatore: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo - Perche': Il claim V_c -> 1 dall'alto e' caduto nel perimetro osservato, ma il risultato non richiede dipendenza dall'operatore: il bordo unitario e' stato riclassificato come taglio, non come attrattore. Il seme e' gia' avanzato a piano 108 verso un perimetro cross-dominio GUE/Poisson, che e' la prossima falsificazione strutturale corretta invece di accumulare dettaglio locale sul deposito V_c. - Nota: Non cristallizzare ancora: il ciclo ha falsificato il limite osservato nel perimetro fit-ready, ma ha dichiarato esplicitamente not_tested nuovi spettri, nuovi N e limite asintotico. Nel report aggiungi una sezione `## Aderenza alla direzione` con tre righe: - `relation`: follows_direction | deliberate_counter_perimeter | local_regression - `why`: perche' l'esperimento serve la direzione viva - `not_drift`: cosa impedisce che sia solo ritorno a un deposito familiare Puoi deviare dalla direzione solo se lo dichiari come contro-perimetro deliberato e lo rendi falsificabile. Se torni a V_c, fit, label locali o vecchi depositi, devi spiegare perche' quel ritorno serve il perimetro cross-dominio corrente; altrimenti il ciclo e' scaffold, non valore. ## 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; exec /bin/bash -lc "if [ -f tools/data/operator_directive.md ]; then sed -n '1,220p' tools/data/operator_directive.md; else true; fi" in /opt/MM_D-ND succeeded in 0ms: 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. - **Prima impressione come condensato.** La prima impressione e' il segnale prima che dualita' locale, dettagli tecnici e complessita' entropica la contaminino. Scrivila come essenza del ciclo: intento, dipolo, risultante grezza, possibile/non-possibile. I particolari (`source_mode`, soglie, metriche, perimetri) devono diramarsi da quella essenza e tornare a verificarla; non devono scegliere la direzione al posto suo. - **Normalizzazione D-ND dei contesti scientifici.** Ogni dominio scientifico entra nel Lab come contesto da normalizzare, non come lista di target da inseguire. Costruisci la combo che preserva l'essenza D-ND nel dominio: assioma/regola primaria + teoria/ponte + dipolo/bicono + osservabile falsificabile. Se il dettaglio non serve questa combo, e' rumore o telemetria. - **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-possibile/null. Non lasciare che il falsifier scopra il drift al posto tuo. - **Possibile / non-possibile atomico.** Se formuli cosa diventa possibile, devi formulare anche dove diventa non-possibile: null, contro-perimetro, failure mode o campo in cui il claim cade. Una possibilita' senza il proprio non-possibile non e' ancora dipolo operativo; e' singolarita' simmetrica senza attrito. Nel report questo va dichiarato nel `observable_contract`, nel bicono o in entrambi. - **Osservabili canonici e dedicati.** `observables_used=[]` significa nessun osservabile misurabile, non "nessun osservabile canonico". Se usi un osservabile dedicato/domain-native (`event_type`, `vc_interp`, conteggi exact, Jaccard, span, rate, ecc.), elencalo in `observables_used` e segnala che e' non-canonico. Il gate G1 blocca solo la tassonomia vuota, ma un report maturo deve nominare gli osservabili direttamente. - **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". - **Denominatori row-aligned.** Se confronti un gate candidati con un audit eventi, le righe devono essere le stesse o il ponte deve essere dichiarato. Non saldare `accepted=96` da una tabella candidati con `no_cross=9/12` da una tabella `best per mode`: sono denominatori diversi. Usa righe row-aligned (`candidate_id` condiviso) oppure formula la divergenza fra livelli di aggregazione come risultato sospeso. - **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. - **Dominanza non e' invariante.** Se una classe ha controesempi visibili, non scrivere che "porta", "rompe", "resta stabile" o "trasferisce" senza qualificatore. Formula con count e perimetro: `order_memory produce crossing-or-multi in 830/837 accepted rows, con 7 no_cross da isolare`; `periodic_closure disaccoppia in 873/1179, ma ha 306 internal_cross`. I controesempi sono informazione, non rumore da arrotondare. - **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. - **Patch non e' invariante.** Una patch, soglia, gate, parser permissivo, fallback o adapter nato per sbloccare un ciclo e' un ponte provvisorio, non una legge del Lab. Prima di rilascio/promozione deve passare audit: quale attrito reale risolve, quale logica difettosa rischia di ritardare, quali presupposti contiene, quando va rifinito o rimosso. Se non conserva informazione utile/minima oltre l'ultima possibilita' del ciclo, taglialo. Non promuovere workaround a invariante senza perimetro, bicono, non-possibile e falsificazione. - **Null label-preserving non e' indipendenza.** Per `V_c`, un null label-preserving accettato deve riportare anche `source_mode` e `hamming_ratio` dalla sequenza Sturmian di riferimento. Se il null passa `Jaccard>=0.75` ma resta vicino alla reference, e' un ponte strutturato: puo' testare reachability del contro-campo, ma non diventa controprova indipendente del boundary finche' la distanza/perimetro non sono adeguati. - **Collasso minimo del ciclo.** A fine ciclo conserva due cose: la direzione come costante angolare potenziale oltre la curva, e il bicono con i due lati possibile/non-possibile attorno al punto-zero. Il resto e' telemetria, scaffold o patch finche' non apre il ciclo successivo. ## 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. Prima di scegliere misure o generatori, comprimi l'impressione in una frase di condensato. I dettagli nascono dopo: sono strumenti per verificare la prima risultante, non il punto da inseguire. ### 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.** 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 "env | rg '"'^(ANTHROPIC_API_KEY|OPENAI_API_KEY)='"' || true" in /opt/MM_D-ND succeeded in 0ms: 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 codex Il campo spinge sul confine GUE/Poisson come terzo incluso, e non risulta una direttiva one-shot separata. Ora leggo il seme e i depositi recenti per evitare di ripetere il deepening locale già falsificato. exec /bin/bash -lc "sed -n '261,620p' tools/LAB_AGENT_CONTEXT.md" in /opt/MM_D-ND succeeded in 0ms: 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) observables_used: [nomi osservabili canonici o domain-native] - usa [] solo se non hai misurato nulla **observable_contract**: claim=; observable=; operator=; generator=; denominator=; non_possible=; not_tested= ## 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, il possibile/non-possibile 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, non_possible/null, 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 "sed -n '1,260p' tools/data/seme.json" in /opt/MM_D-ND succeeded in 0ms: { "timestamp": "2026-05-09T15:07:24.407597", "piano": 108, "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 (2026-05-08T21:21). \n alpha=0.1: =0.540 #####################\n alpha=0.2: =0.555 ###########", "condensato_ref": "A3,A10", "condensato_motivo": "Ricorrente (3x in 2 giorni) e fuori dalla mappa", "porta": "domandatore", "source_tension_id": "TRASCENDENZA_LIMITE", "source_tension_tipo": "confine_inesplorato", "source_tension_ref": "A3,A10", "source_experiment_id": "BOUNDARY_TRASCENDENZA_LIMITE", "source_operator": "confine", "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 (2026-05-09T03:30). 0.5|=0.1129 farther\n\n silver:\n N= 13: =0.5902 |-0.5|=0.0902 \n N= ", "condensato_ref": "LAB_F2", "condensato_motivo": "Overlap termini con LAB_F2 (4 termini)", "porta": "condensato", "source_tension_id": "TRASCENDENZA_LIMITE", "source_tension_tipo": "confine_inesplorato", "source_tension_ref": "A3,A10", "source_experiment_id": "BREAK_TRASCENDENZA_LIMITE", "source_operator": "rottura", "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 (2026-05-08T21:21). phi: gap_ratio = 0.408953425243134\n silver: gap_ratio = 1.0482231205217798\n ", "condensato_ref": "LAB_F2", "condensato_motivo": "Overlap termini con LAB_F2 (4 termini)", "porta": "condensato", "source_tension_id": "TRASCENDENZA_LIMITE", "source_tension_tipo": "confine_inesplorato", "source_tension_ref": "A3,A10", "source_experiment_id": "GEN_GAP_RATIO_T9_linguaggio_TRASCENDENZA_LIMITE", "source_operator": "duale", "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 (2026-05-09T03:30). Trasmissione multistrato Fibonacci — phi vs silver vs random:\n phi: T_mean=6.25", "condensato_ref": "A3,A10", "condensato_motivo": "Ricorrente (5x in 2 giorni) e fuori dalla mappa", "porta": "domandatore", "source_tension_id": "TRASCENDENZA_LIMITE", "source_tension_tipo": "confine_inesplorato", "source_tension_ref": "A3,A10", "source_experiment_id": "DOMAIN_PHOTONIC_TRASCENDENZA_LIMITE", "source_operator": "dominio", "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 (2026-05-09T06:37). V_c scaling with N — phi vs silver:\n\n phi:\n N= 89: V_c=1.017\n N= 144: V_", "condensato_ref": "A12", "condensato_motivo": "Overlap termini con A12 (3 termini)", "porta": "condensato", "source_tension_id": "TRASCENDENZA_LIMITE", "source_tension_tipo": "confine_inesplorato", "source_tension_ref": "A3,A10", "source_experiment_id": "SCALE_TRASCENDENZA_LIMITE", "source_operator": "scala", "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": "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, "manuale": true, "porta": "DUALITA_DIPOLARE_VS_ILLUSORIA", "condensato_ref": "A2,A4,A10,A14,C2", "origine": "cycle agent_20260507_2042: det_drift transfer-matrix sui gap primi", "added_at": "2026-05-07T20:42:00+00:00", exec /bin/bash -lc 'ls -t tools/data/reports/*.md | head -12' in /opt/MM_D-ND succeeded in 0ms: tools/data/reports/latest.md tools/data/reports/agent_20260509_1457.md tools/data/reports/agent_20260509_1444.md tools/data/reports/agent_20260509_1437.md tools/data/reports/agent_20260509_1427.md tools/data/reports/agent_20260509_1409.md tools/data/reports/agent_20260509_1400.md tools/data/reports/agent_20260509_1337.md tools/data/reports/agent_20260509_0846.md tools/data/reports/agent_20260509_0837.md tools/data/reports/agent_20260509_0829.md tools/data/reports/agent_20260509_0819.md exec /bin/bash -lc 'for f in $(ls -t shared_memory/*.md 2>/dev/null | head -10); do printf '"'\\n===== %s =====\\n' \""'$f"; sed -n '"'1,220p' \""'$f"; done' in /opt/MM_D-ND succeeded in 0ms: ===== shared_memory/deposito_cambia_la_parola_non_regola_2026-05-07.md ===== --- 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) ===== shared_memory/feedback_indeterminato_reitera_con_sistema_2026-05-07.md ===== --- 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 ===== shared_memory/README.md ===== # shared_memory — Cross-agent rules e cristalli > Cartella condivisa tra agenti che operano in `/opt/MM_D-ND/`: > - **TM3-claude** (Claude Code, sessioni interattive con operatore) > - **codex-lab** (Codex CLI, cycle agent notturno + run manuali) > - **eventuali altri** (TM5, TM7, futuri cycle) > > Contiene regole permanenti, cristalli operativi, scoperte rilevanti che valgono > per più di un agente. **Non** memoria operativa locale (quella resta in > `~/.claude/projects/.../memory/` per TM3, in `~/.codex_lab/memories/` per codex). ## Pattern di scrittura Ogni file: - Filename: `__.md` (es. `feedback_cycletest_2026-05-07.md`, `cristallo_gate_transferability_2026-05-07.md`) - Frontmatter: ```yaml --- type: feedback | cristallo | regola | finding-cross-agent author: TM3 | codex-lab | TM7 | operatore date: YYYY-MM-DD scope: cross-agent | mm-dnd-only | lab-cycle-only --- ``` - Body: conciso. Se è regola → "Why" + "How to apply". Se è cristallo → contesto + insight + how it changes work. ## Pattern di lettura - **TM3 (claude code)**: al boot di sessione su `/opt/MM_D-ND/`, leggi `MM_D-ND/.claude/CLAUDE.md` che adesso punta qui (sezione *Cross-agent rules*). Scansiona `ls -t shared_memory/*.md | head -10` (le più recenti) e integra in contesto. - **codex-lab**: `/opt/MM_D-ND/AGENTS.md` punta qui. Codex legge AGENTS.md ad ogni cycle, AGENTS.md istruisce di leggere shared_memory. - **Cleanup**: file > 90 giorni e non rilevanti vanno archiviati o rimossi (lo fa TM3 quando la cartella supera 50 file). ## Direzione bidirezionale - TM3 → codex: TM3 scrive feedback/cristalli da sessioni operatore qui → codex li vede al cycle dopo via AGENTS.md. - codex → TM3: codex durante un cycle scopre/cristallizza qualcosa di cross-agent → scrive qui → TM3 li vede al boot di sessione successiva. Il flusso non sostituisce le memorie locali — *integra* per ciò che serve a tutti. ## Anti-pattern - Duplicare qui regole che valgono SOLO per TM3 (vanno in `/root/.claude/projects/.../memory/`) - Duplicare qui regole che valgono SOLO per codex-lab cycle (vanno in `/root/.codex_lab/memories/`) - Scrivere note di lavoro temporanee (vanno nel campo vivo, non qui) 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 D tools/data/seme_archive/piano_9.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/scoperte/20260508_2019_non-phi-sturmian-fixed-reader-gate_auto/ ?? applications/scoperte/20260508_2108_prime-mobius-zero-mediator-gate_auto/ ?? applications/scoperte/20260508_2121_prime-mobius-gap-stratified-zero-gate_auto/ ?? applications/scoperte/20260508_2133_prime-mobius-pair-stratified-zero-gate_auto/ ?? applications/scoperte/20260508_2140_quasiperiodic-vc-lattice-gate_auto/ ?? applications/scoperte/20260509_0330_interpolated-vc-curve-map_auto/ ?? applications/scoperte/20260509_0659_vc-label-reachability-gate_auto/ ?? applications/scoperte/20260509_0741_vc-phase-bridge-label-null_auto/ ?? applications/scoperte/20260509_0819_vc-non-sturmian-label-null-gate_auto/ ?? applications/scoperte/20260509_0846_vc-generator-class-direction-audit_auto/ ?? applications/scoperte/20260509_1337_vc-fit-ready-denominator-gate_auto/ ?? applications/scoperte/20260509_1409_boundary-denominator-prescan_auto/ ?? applications/scoperte/20260509_1427_blank-pair-null-transfer_auto/ ?? applications/scoperte/20260509_1437_residual-boundary-closure_auto/ ?? applications/scoperte/20260509_1444_boundary-gate-transfer-matrix_auto/ ?? applications/scoperte/20260509_1457_vc-unit-boundary-audit_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/ ?? applications/soluzioni/20260508_2019_non-phi-sturmian-fixed-reader-gate/ ?? applications/soluzioni/20260508_2108_prime-mobius-zero-mediator-gate/ ?? applications/soluzioni/20260508_2121_prime-mobius-gap-stratified-zero-gate/ ?? applications/soluzioni/20260508_2133_prime-mobius-pair-stratified-zero-gate/ ?? applications/soluzioni/20260508_2140_quasiperiodic-vc-lattice-gate/ ?? applications/soluzioni/20260509_0330_interpolated-vc-curve-map/ ?? applications/soluzioni/20260509_0659_vc-label-reachability-gate/ ?? applications/soluzioni/20260509_0741_vc-phase-bridge-label-null/ ?? applications/soluzioni/20260509_0819_vc-non-sturmian-label-null-gate/ ?? applications/soluzioni/20260509_0846_vc-generator-class-direction-audit/ ?? applications/soluzioni/20260509_1337_vc-fit-ready-denominator-gate/ ?? applications/soluzioni/20260509_1409_boundary-denominator-prescan/ ?? applications/soluzioni/20260509_1427_blank-pair-null-transfer/ ?? applications/soluzioni/20260509_1437_residual-boundary-closure/ ?? applications/soluzioni/20260509_1444_boundary-gate-transfer-matrix/ ?? applications/soluzioni/20260509_1457_vc-unit-boundary-audit/ ?? 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/biconi/bicono_20260508_2019.json ?? tools/data/biconi/bicono_20260508_2102.json ?? tools/data/biconi/bicono_20260508_2108.json ?? tools/data/biconi/bicono_20260508_2121.json ?? tools/data/biconi/bicono_20260508_2133.json ?? tools/data/biconi/bicono_20260508_2140.json ?? tools/data/biconi/bicono_20260509_0330.json ?? tools/data/biconi/bicono_20260509_0637.json ?? tools/data/biconi/bicono_20260509_0652.json ?? tools/data/biconi/bicono_20260509_0659.json ?? tools/data/biconi/bicono_20260509_0741.json ?? tools/data/biconi/bicono_20260509_0819.json ?? tools/data/biconi/bicono_20260509_0829.json ?? tools/data/biconi/bicono_20260509_0837.json ?? tools/data/biconi/bicono_20260509_0846.json ?? tools/data/biconi/bicono_20260509_1337.json ?? tools/data/biconi/bicono_20260509_1400.json ?? tools/data/biconi/bicono_20260509_1409.json ?? tools/data/biconi/bicono_20260509_1427.json ?? tools/data/biconi/bicono_20260509_1437.json ?? tools/data/biconi/bicono_20260509_1444.json ?? tools/data/biconi/bicono_20260509_1457.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_blank_null_audit_20260509_1430.json ?? tools/data/boundary_blank_null_audit_residual_20260509_1500.json ?? tools/data/boundary_coherence.json ?? tools/data/boundary_denominator_prescan_20260509_1409.json ?? tools/data/boundary_denominator_prescan_20260509_1430.json ?? tools/data/boundary_denominator_prescan_full_20260509_1500.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/denominator_gate_transfer_matrix_20260509_1444.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/domandatore_20260508_2121.json ?? tools/data/domandatore/domandatore_20260509_0330.json ?? tools/data/domandatore/domandatore_20260509_0345.json ?? tools/data/domandatore/domandatore_20260509_0637.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/evolution/evolution_20260508_2019.md ?? tools/data/evolution/evolution_20260508_2102.md ?? tools/data/evolution/evolution_20260508_2108.md ?? tools/data/evolution/evolution_20260508_2121.md ?? tools/data/evolution/evolution_20260508_2133.md ?? tools/data/evolution/evolution_20260508_2140.md ?? tools/data/evolution/evolution_20260509_0330.md ?? tools/data/evolution/evolution_20260509_0637.md ?? tools/data/evolution/evolution_20260509_0652.md ?? tools/data/evolution/evolution_20260509_0659.md ?? tools/data/evolution/evolution_20260509_0741.md ?? tools/data/evolution/evolution_20260509_0819.md ?? tools/data/evolution/evolution_20260509_0829.md ?? tools/data/evolution/evolution_20260509_0837.md ?? tools/data/evolution/evolution_20260509_0846.md ?? tools/data/evolution/evolution_20260509_1337.md ?? tools/data/evolution/evolution_20260509_1400.md ?? tools/data/evolution/evolution_20260509_1409.md ?? tools/data/evolution/evolution_20260509_1427.md ?? tools/data/evolution/evolution_20260509_1437.md ?? tools/data/evolution/evolution_20260509_1444.md ?? tools/data/evolution/evolution_20260509_1457.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/graph_completion/ ?? 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/incrocio_20260508_2102.json ?? tools/data/incrocio_20260508_2108.json ?? tools/data/incrocio_20260508_2121.json ?? tools/data/incrocio_20260508_2133.json ?? tools/data/incrocio_20260508_2140.json ?? tools/data/incrocio_20260509_0330.json ?? tools/data/incrocio_20260509_0637.json ?? tools/data/incrocio_20260509_0652.json ?? tools/data/incrocio_20260509_0659.json ?? tools/data/incrocio_20260509_0741.json ?? tools/data/incrocio_20260509_0819.json ?? tools/data/incrocio_20260509_0829.json ?? tools/data/incrocio_20260509_0837.json ?? tools/data/incrocio_20260509_0846.json ?? tools/data/incrocio_20260509_1337.json ?? tools/data/incrocio_20260509_1400.json ?? tools/data/incrocio_20260509_1409.json ?? tools/data/incrocio_20260509_1414.json ?? tools/data/incrocio_20260509_1427.json ?? tools/data/incrocio_20260509_1431.json ?? tools/data/incrocio_20260509_1437.json ?? tools/data/incrocio_20260509_1440.json ?? tools/data/incrocio_20260509_1444.json ?? tools/data/incrocio_20260509_1457.json ?? tools/data/incrocio_20260509_1516.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/nonphi_sturmian_fixed_reader_gate_20260508_2019.json ?? tools/data/nonphi_sturmian_fixed_reader_gate_20260508_2019_seedcheck.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/prime_mobius_gap_stratified_zero_gate_20260508_2121.json ?? tools/data/prime_mobius_interval_charge_gate_20260508_2102.json ?? tools/data/prime_mobius_pair_stratified_zero_gate_20260508_2133.json ?? tools/data/prime_mobius_zero_mediator_gate_20260508_2108.json ?? tools/data/promotions/ ?? tools/data/quasiperiodic_gap_ratio_denominator_20260508_0330.json ?? tools/data/quasiperiodic_vc_curve_map_20260509_0330.json ?? tools/data/quasiperiodic_vc_lattice_gate_20260508_2140.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/agent_20260508_2019.md ?? tools/data/reports/agent_20260508_2102.md ?? tools/data/reports/agent_20260508_2108.md ?? tools/data/reports/agent_20260508_2121.md ?? tools/data/reports/agent_20260508_2133.md ?? tools/data/reports/agent_20260508_2140.md ?? tools/data/reports/agent_20260509_0330.md ?? tools/data/reports/agent_20260509_0637.md ?? tools/data/reports/agent_20260509_0652.md ?? tools/data/reports/agent_20260509_0659.md ?? tools/data/reports/agent_20260509_0741.md ?? tools/data/reports/agent_20260509_0819.md ?? tools/data/reports/agent_20260509_0829.md ?? tools/data/reports/agent_20260509_0837.md ?? tools/data/reports/agent_20260509_0846.md ?? tools/data/reports/agent_20260509_1337.md ?? tools/data/reports/agent_20260509_1400.md ?? tools/data/reports/agent_20260509_1409.md ?? tools/data/reports/agent_20260509_1427.md ?? tools/data/reports/agent_20260509_1437.md ?? tools/data/reports/agent_20260509_1444.md ?? tools/data/reports/agent_20260509_1457.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/ddf_20260509_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/falsifier_20260508_2019.json ?? tools/data/reports/falsifier_20260508_2102.json ?? tools/data/reports/falsifier_20260508_2108.json ?? tools/data/reports/falsifier_20260508_2108.raw.txt ?? tools/data/reports/falsifier_20260508_2121.json ?? tools/data/reports/falsifier_20260508_2133.json ?? tools/data/reports/falsifier_20260508_2133.raw.txt ?? tools/data/reports/falsifier_20260508_2140.json ?? tools/data/reports/falsifier_20260509_0330.json ?? tools/data/reports/falsifier_20260509_0637.json ?? tools/data/reports/falsifier_20260509_0652.json ?? tools/data/reports/falsifier_20260509_0659.json ?? tools/data/reports/falsifier_20260509_0741.json ?? tools/data/reports/falsifier_20260509_0819.json ?? tools/data/reports/falsifier_20260509_0829.json ?? tools/data/reports/falsifier_20260509_0837.json ?? tools/data/reports/falsifier_20260509_0846.json ?? tools/data/reports/falsifier_20260509_1337.json ?? tools/data/reports/falsifier_20260509_1400.json ?? tools/data/reports/falsifier_20260509_1409.json ?? tools/data/reports/falsifier_20260509_1427.json ?? tools/data/reports/falsifier_20260509_1437.json ?? tools/data/reports/falsifier_20260509_1444.json ?? tools/data/reports/falsifier_20260509_1457.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/loop_guard_20260508_2019.json ?? tools/data/reports/loop_guard_20260508_2102.json ?? tools/data/reports/loop_guard_20260508_2108.json ?? tools/data/reports/loop_guard_20260508_2121.json ?? tools/data/reports/loop_guard_20260508_2133.json ?? tools/data/reports/loop_guard_20260508_2140.json ?? tools/data/reports/loop_guard_20260509_0330.json ?? tools/data/reports/loop_guard_20260509_0637.json ?? tools/data/reports/loop_guard_20260509_0652.json ?? tools/data/reports/loop_guard_20260509_0659.json ?? tools/data/reports/loop_guard_20260509_0741.json ?? tools/data/reports/loop_guard_20260509_0819.json ?? tools/data/reports/loop_guard_20260509_0829.json ?? tools/data/reports/loop_guard_20260509_0837.json ?? tools/data/reports/loop_guard_20260509_0846.json ?? tools/data/reports/loop_guard_20260509_1337.json ?? tools/data/reports/loop_guard_20260509_1400.json ?? tools/data/reports/loop_guard_20260509_1409.json ?? tools/data/reports/loop_guard_20260509_1427.json ?? tools/data/reports/loop_guard_20260509_1437.json ?? tools/data/reports/loop_guard_20260509_1444.json ?? tools/data/reports/loop_guard_20260509_1457.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_92.json ?? tools/data/seme_archive/piano_93.json ?? tools/data/seme_archive/piano_94.json ?? tools/data/seme_archive/piano_95.json ?? tools/data/seme_archive/piano_96.json ?? tools/data/seme_archive/piano_97.json ?? tools/data/seme_archive/piano_98.json ?? tools/data/seme_archive/piano_99.json ?? tools/data/seme_backup_b2_20260508_192024.json ?? tools/data/seme_backup_b2_20260508_214525.json ?? tools/data/seme_backup_b2_20260509_033618.json ?? tools/data/seme_backup_b2_20260509_071041.json ?? tools/data/seme_backup_b2_20260509_144120.json ?? tools/data/seme_backup_b2_20260509_144841.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/vc_fit_model_gate_20260509_1400.json ?? tools/data/vc_fit_ready_scale_table_20260509_1337.json ?? tools/data/vc_generator_class_direction_audit_20260509_0846.json ?? tools/data/vc_generator_class_scale_gate_20260509_0837.json ?? tools/data/vc_label_preserving_phase_bridge_20260509_0741.json ?? tools/data/vc_label_preserving_swap_gate_20260509_0652.json ?? tools/data/vc_label_preserving_swap_gate_20260509_0652_deep89.json ?? tools/data/vc_label_preserving_swap_gate_20260509_0659.json ?? tools/data/vc_label_reachability_gate_20260509_0659.json ?? tools/data/vc_memory_crossing_gradient_20260509_0829.json ?? tools/data/vc_nonsturmian_label_null_gate_20260509_0819.json ?? tools/data/vc_null_regression_gate_20260509_0637.json ?? tools/data/vc_unit_boundary_audit_20260509_1457.json ?? 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/veritas/veritas_20260508_202448.json ?? tools/data/veritas/veritas_20260508_210742.json ?? tools/data/veritas/veritas_20260508_211531.json ?? tools/data/veritas/veritas_20260508_212526.json ?? tools/data/veritas/veritas_20260508_213916.json ?? tools/data/veritas/veritas_20260508_214506.json ?? tools/data/veritas/veritas_20260509_033556.json ?? tools/data/veritas/veritas_20260509_064401.json ?? tools/data/veritas/veritas_20260509_065842.json ?? tools/data/veritas/veritas_20260509_071025.json ?? tools/data/veritas/veritas_20260509_074804.json ?? tools/data/veritas/veritas_20260509_082441.json ?? tools/data/veritas/veritas_20260509_083335.json ?? tools/data/veritas/veritas_20260509_084507.json ?? tools/data/veritas/veritas_20260509_085203.json ?? tools/data/veritas/veritas_20260509_134157.json ?? tools/data/veritas/veritas_20260509_140630.json ?? tools/data/veritas/veritas_20260509_141447.json ?? tools/data/veritas/veritas_20260509_143129.json ?? tools/data/veritas/veritas_20260509_144056.json ?? tools/data/veritas/veritas_20260509_144819.json ?? tools/data/veritas/veritas_20260509_150724.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_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_nonphi_sturmian_fixed_reader_gate.py ?? tools/exp_observable_rank_audit.py ?? tools/exp_perturbation_dimensionality_audit.py ?? tools/exp_perturbation_rank_size_curve.py ?? tools/exp_prime_mobius_interval_charge_gate.py ?? tools/exp_prime_mobius_zero_mediator_gate.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/exp_vc_fit_model_gate.py ?? tools/exp_vc_fit_ready_scale_table.py ?? tools/exp_vc_null_regression_gate.py ?? tools/exp_vc_unit_boundary_audit.py ?? tools/meta_assertion_gate.py ?? tools/observables_registry.py exec /bin/bash -lc 'python tools/dnd_scenario.py --best' in /opt/MM_D-ND succeeded in 130ms: 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 COMP_DOMAIN_PHOTONIC_TRASCENDENZA_LIMITE: score=0.758 — COMP_DOMAIN_PHOTONIC_TRASCENDENZA_LIMITE: incerto (i=0.65) — massimo potere discriminante codex `dnd_scenario` punta ancora a `TENS_SCALE_TRASCENDENZA_LIMITE`, ma il campo vivo vieta di ricadere nel fit locale se non serve il cross-dominio. Sto leggendo gli ultimi report per usare quel deposito come regressione, non come centro. exec /bin/bash -lc "sed -n '1,260p' tools/data/reports/agent_20260509_1444.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Boundary Gate Transfer Matrix **Date**: 2026-05-09 14:44 **Piano**: 106 **Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE **verdict**: CONSTRAINT - denominator gate transfers as order/null operator, not as QxG closure observables_registry: 1.0.0-2026-05-06 observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. **observable_contract**: claim=il gate BOUNDARY trasferisce fuori dal perimetro base come operatore `null_state -> transfer_state -> denominator_state`; observable=stable canonical observables contro permutation null e layer classification; operator=`exp_denominator_gate_transfer_matrix.py`; generator=`DUALITA_golden`, `R_periodic_triad`, `T_markov_alternating`, `E_ar1_continuity`; denominator=4 perimetri sintetici QxG continuo/discreto, 4096 gaps, 24 replicates, 11 beta layers, 40 shuffle baselines; non_possible=chiamare chiusura QxG, legge GUE/Poisson o endpoint-stable universale; not_tested=perimetro fisico reale, fit `V_c`, nuovi domini autoricerca. ## Respiro fuori-tempo - **Prima impressione**: dopo 13/13 transfer sul perimetro base, il confine non chiede un altro blank audit. Chiede se il gate resta gate quando non porta piu' le etichette GUE/Poisson. - **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY completo 13/13 + tensione `TRASCENDENZA_LIMITE`. - **Dipolo / punto-zero**: ordine coerente / null permutato; punto-zero = layer beta dove il segnale conserva osservabili stabili ma la classificazione diventa ambigua. - **Piano superiore**: grafo della conoscenza e boundary operator. Il gate viene letto come mappa di passaggio tra stato coerente, stato null e denominatore, non come tassonomia locale. - **Operatori laterali scelti**: boundary operator, graph/perimeter transfer matrix, shuffle marginal-preserving. Entrano per trasferire il gate senza importare il label GUE/Poisson. - **Contaminazione cognitiva**: CE-0001 / KSAR: reiterazione del deposito 1437 senza ripetere il perimetro base; CE-0117: cascata della possibilita solo dove il gate cambia perimetro; YSN DeltaLink: `base closure -> transfer matrix -> beta blank`. - **Proto-ipotesi**: il gate BOUNDARY trasferisce quando il polo coerente ha osservabili one-sided contro il proprio null e il polo illusorio collassa; non trasferisce come endpoint-stable universale. - **Possibile / non-possibile**: possibile = usare il gate come audit di ordine su perimetri sintetici QxG; non-possibile = dichiarare ponte QxG o usare beta 0.3 come classe decisa. - **Proiezione**: misurare, per ogni perimetro, osservabili one-sided, stable count ai poli, distanza endpoint e layer ambiguo. ## Claim Under Test > Il gate BOUNDARY trasferisce fuori dal perimetro base se ogni perimetro mostra osservabili one-sided al polo coerente, collasso al polo null permutato, e un layer blank/ambiguous esplicito prima del passaggio. ## Question Quando il gate viene mosso da BOUNDARY base a quattro perimetri QxG sintetici, resta transfer, cade, o produce un blank strutturale? ## Experiment Design - Strumento: `python tools/exp_denominator_gate_transfer_matrix.py --n-gaps 4096 --n-replicates 24 --n-beta 11 --n-baseline 40 --z-min 2.0 --seed 202605091444 --out tools/data/denominator_gate_transfer_matrix_20260509_1444.json`. - Perimetri: `DUALITA_golden`, `R_periodic_triad`, `T_markov_alternating`, `E_ar1_continuity`. - Null baseline: permutation shuffle della stessa multiset di gaps; conserva distribuzione marginale e distrugge ordine. - Criterio transfer: osservabili coherent one-sided presenti e stable count coerente alto, con stable count illusorio basso. - Criterio blank: layer beta con `ambiguous_fraction >= 0.5` nella classificazione gated. - Criterio fall: assenza di osservabili one-sided o distanza endpoint collassata. Nessun perimetro cade in questo run. ## Results | perimeter | one-sided observables | stable coherent | stable illusory | endpoint distance gated | ambiguous beta | |---|---|---:|---:|---:|---| | DUALITA_golden | SR, L1, triple_var | 3.000 | 0.292 | 3.426 | 0.3 | | R_periodic_triad | SR, SR2, L1, L2, triple_var | 5.000 | 0.375 | 4.409 | 0.3 | | T_markov_alternating | SR, SR2, L1, L2, triple_var | 5.000 | 0.417 | 4.421 | 0.3 | | E_ar1_continuity | SR, SR2, L1, L2, triple_var | 5.000 | 0.292 | 4.398 | 0.3 | Layer beta 0.3: | perimeter | margin mean | ambiguous fraction | illusory label fraction | |---|---:|---:|---:| | DUALITA_golden | 0.030 | 1.000 | 0.625 | | R_periodic_triad | 0.043 | 1.000 | 0.583 | | T_markov_alternating | 0.030 | 1.000 | 0.708 | | E_ar1_continuity | 0.042 | 1.000 | 0.500 | Layer beta 0.4: | perimeter | margin mean | illusory label fraction | |---|---:|---:| | DUALITA_golden | 0.269 | 1.000 | | R_periodic_triad | 0.269 | 1.000 | | T_markov_alternating | 0.289 | 1.000 | | E_ar1_continuity | 0.284 | 1.000 | ## Key Findings 1. **Verificato: il transfer esiste sui 4/4 perimetri.** Ogni perimetro possiede osservabili coherent one-sided e collasso del polo illusorio sotto permutation null. 2. **Verificato: non esistono endpoint-stable observables.** `endpoint_stable_observables=[]` per tutti i perimetri; il gate trasferisce come discriminatore di ordine, non come invariante simmetrico ai due poli. 3. **Verificato: beta 0.3 e' il blank strutturale.** Tutti i perimetri hanno `ambiguous_fraction=1.0` a beta 0.3 nella classificazione gated. 4. **Verificato: beta 0.4 passa al polo illusorio.** Tutti i perimetri hanno `illusory_label_fraction=1.0` a beta 0.4. 5. **Vincolo: `DUALITA_golden` trasferisce con solo 3 osservabili one-sided.** SR2 e L2 non entrano nel nucleo one-sided del perimetro golden; non va scritto che il set canonico completo trasferisce ovunque. ## Verdict **CONSTRAINT**. Il gate BOUNDARY trasferisce fuori dal perimetro base come operatore di ordine/null: 4/4 perimetri hanno polo coerente leggibile, polo illusorio collassato e blank strutturale a beta 0.3. Il transfer non e' chiusura QxG. Il transfer non e' endpoint-stable universale, perche' nessun perimetro conserva osservabili stabili su entrambi i poli. Il criterio operativo diventa: `transfer` = osservabili one-sided al polo coerente + collasso al null permutato. `blank` = beta 0.3, classificazione ambiguous su 4/4 perimetri. `fall` = assente in questo run, ma definito come perdita di one-sided observables o endpoint distance collassata. ## Bicono della scoperta - **Due radici**: gate come copertura del denominatore / gate come classificatore del ponte. - **Singolare**: il layer beta 0.3, dove il segnale ha ancora stable count alto ma la decisione di classe non e' disponibile. - **Invariante di passaggio**: osservabile one-sided contro null permutato; non il label GUE/Poisson e non un set canonico completo. - **Campo di possibilita**: qui diventa possibile usare BOUNDARY come transfer matrix per perimetri sintetici QxG; qui diventa non-possibile dichiarare QxG chiuso o trattare il gate come endpoint-stable law. ## Consecutio Il prossimo nodo regressivo non e' la disponibilita del null. E' la qualita del perimetro: il gate passa su sintetici controllati, ma non ha ancora incontrato un perimetro fisico QxG row-aligned. La prossima mossa deve portare un perimetro fisico o semi-reale dentro lo stesso contratto `coherent/null/beta`, lasciando beta 0.3 come blank dichiarato e non come classe. ## Auto-audit: source flags e 7 lenti - **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/dnd_scenario.py --best`, `tools/data/reports/agent_20260509_1437.md`, `tools/exp_denominator_gate_transfer_matrix.py`, `tools/data/denominator_gate_transfer_matrix_20260509_1444.json`. - **L1 hard constraint**: claim limitato a 4 perimetri sintetici, 4096 gaps, 24 replicates, 40 shuffle baselines. - **L2 count grezzi**: riportati 4/4 transfer, 4/4 blank a beta 0.3, 0/4 fall. - **L3 no silent patching**: nessuna modifica agli script; nuovo artefatto dati generato dal run. - **L4 edge cases**: `DUALITA_golden` trasferisce con 3 osservabili, non 5; nessun endpoint-stable observable. - **L5 re-discovery**: il ciclo sposta il gate fuori dal perimetro base; non ripete il residual blank closure. - **L6 metabolismo cognitivo**: CE-0001, CE-0117 e YSN usati nella combo. - **L7 possibile/non-possibile**: possibile = transfer matrix QxG sintetica; non-possibile = chiusura QxG o legge endpoint-stable. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. - Run valido: `python tools/exp_denominator_gate_transfer_matrix.py --n-gaps 4096 --n-replicates 24 --n-beta 11 --n-baseline 40 --z-min 2.0 --seed 202605091444 --out tools/data/denominator_gate_transfer_matrix_20260509_1444.json`. - Output: `observables_registry=1.0.0-2026-05-06`; `observables_used=['SR', 'SR2', 'L1', 'L2', 'triple_var']`. - Git state: worktree gia' sporco da depositi e pubblicazioni precedenti; questo cycle aggiunge solo il JSON 1444 e il report 1444. ## Files - Script: `tools/exp_denominator_gate_transfer_matrix.py` - Data: `tools/data/denominator_gate_transfer_matrix_20260509_1444.json` - Report: `tools/data/reports/agent_20260509_1444.md` exec /bin/bash -lc "sed -n '1,260p' tools/data/reports/agent_20260509_1457.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Vc Unit Boundary Audit **Date**: 2026-05-09 14:57 **Piano**: 107 **Tension explored**: TENS_SCALE_TRASCENDENZA_LIMITE / TRASCENDENZA_LIMITE (0.6 / 0.9) **verdict**: FALSIFIED as convergence-to-1-from-above in the observed fit-ready window observables_registry: 1.0.0-2026-05-06 observables_used: [`unit_status`, `unit_crossing_N`, `below_unit_count`, `fit_ready_rows`, `denominator_state`, `best_model`] - osservabili domain-native, non canonici SR/SR2/L1/L2/triple_var. **observable_contract**: claim=`V_c(phi)` converge a 1 come limite leggibile del canale ordinato; observable=relazione dei punti fit-ready con il bordo `V_c=1`; operator=`exp_vc_unit_boundary_audit.py` su deposito `vc_fit_model_gate_20260509_1400`; generator=`reference_order`, `order_memory`, `periodic_closure`, `random_dispersion`; denominator=13 righe ammissibili `complete/contaminated` del fit model gate, N={89,144,233,377}, soglie r={0.48,0.50,0.52}, livelli `per_mode_best` e `accepted_candidates`; non_possible=dichiarare convergenza a 1 dall'alto quando la curva osservata attraversa sotto 1 nel perimetro; not_tested=nuovi spettri, nuovi N, nuovi candidati, limite asintotico oltre la finestra osservata. ## Respiro fuori-tempo - **Prima impressione**: il bordo `V_c=1` non e' attrattore osservato; e' un taglio attraversato dal canale fit-ready. - **Combo**: A2 confine det=-1 + A3 punto fisso come attrattore da falsificare + A9 terzo incluso + QxG continuo/discreto + grafo dei generatori + tensione `TENS_SCALE_TRASCENDENZA_LIMITE`. - **Dipolo / punto-zero**: convergenza a 1 / attraversamento di 1; punto-zero = la riga fit-ready prima che il bordo unitario venga trattato come limite o come taglio. - **Piano superiore**: grafo della conoscenza e bicono-dipoli. Il valore 1 e' nodo di bordo: decide quale arco puo' ricevere il claim di limite. - **Operatori laterali scelti**: boundary operator, graph cut, fit come morfismo. Entrano per separare il bordo unitario dal modello numerico. - **Contaminazione cognitiva**: CE-0001 / KSAR: reiterazione sul deposito 14:00 senza ricomputare spettri; CE-0117: cascata della possibilita, il claim di limite passa solo dove il bordo non e' attraversato; YSN DeltaLink: `fit-ready curve -> unit cut -> limit veto`. - **Proto-ipotesi**: se una curva fit-ready attraversa `V_c=1` dentro la finestra osservata, il claim "converge a 1 dall'alto" cade su quel perimetro; il bordo unitario resta coordinata di taglio, non attrattore. - **Possibile / non-possibile**: possibile = usare `V_c=1` come unit boundary audit; non-possibile = chiamarlo limite osservato quando 12/13 righe hanno punti sotto 1. - **Proiezione**: classifico ogni riga ammissibile come `all_above_unit`, `crosses_down_inside_window`, o `all_below_unit`, e calcolo `unit_crossing_N` per le righe che attraversano. ## Claim Under Test > Nel perimetro fit-ready 14:00, il canale ordinato sostiene `V_c -> 1` come limite osservato dall'alto. ## Question Il bordo `V_c=1` si comporta come attrattore della scala o come taglio attraversato dalle curve fit-ready? ## Experiment Design - Nuovo strumento: `tools/exp_vc_unit_boundary_audit.py`. - Input: `tools/data/vc_fit_model_gate_20260509_1400.json`. - Output: `tools/data/vc_unit_boundary_audit_20260509_1457.json`. - Perimetro atomico: 13 righe ammissibili del model gate, gia' filtrate da `denominator_state in {complete, contaminated}`. - Operatore: per ogni riga ordino i punti `(N, V_c)`, conto i valori sotto 1, e interpolo il primo attraversamento del bordo unitario quando avviene tra due N consecutivi. - Contratto osservabile-operatore: il ciclo misura il bordo unitario sul deposito 14:00; non misura nuovi N, non testa l'asintoto, non ripara il fit. ## Results Indice globale: | measure | value | |---|---:| | admissible rows audited | 13 | | rows with any `V_c < 1` | 12 | | `crosses_down_inside_window` | 9 | | `all_below_unit` | 3 | | `all_above_unit` | 1 | Stati per classe generatore: | generator_class | all_above | crosses_down | all_below | |---|---:|---:|---:| | reference_order | 0 | 3 | 0 | | order_memory | 1 | 5 | 0 | | periodic_closure | 0 | 1 | 2 | | random_dispersion | 0 | 0 | 1 | Canale ordinato, righe complete/contaminate: | row | state | fit_ready/total | excluded | first V_c | last V_c | unit status | crossing N | |---|---|---:|---:|---:|---:|---|---:| | per_mode_best:reference_order:r0.48 | complete | 16/16 | 0 | 1.311 | 0.955 | crosses_down | 348.753 | | per_mode_best:reference_order:r0.50 | complete | 16/16 | 0 | 1.191 | 0.879 | crosses_down | 276.876 | | per_mode_best:reference_order:r0.52 | complete | 16/16 | 0 | 1.072 | 0.807 | crosses_down | 151.973 | | per_mode_best:order_memory:r0.48 | complete | 48/48 | 0 | 1.432 | 0.893 | crosses_down | 315.760 | | per_mode_best:order_memory:r0.50 | complete | 48/48 | 0 | 1.317 | 0.774 | crosses_down | 255.737 | | per_mode_best:order_memory:r0.52 | complete | 48/48 | 0 | 1.218 | 0.688 | crosses_down | 188.585 | | accepted_candidates:order_memory:r0.48 | contaminated | 273/279 | 6 | 1.474 | 1.069 | all_above | blank | | accepted_candidates:order_memory:r0.50 | contaminated | 278/279 | 1 | 1.350 | 0.899 | crosses_down | 332.733 | | accepted_candidates:order_memory:r0.52 | complete | 279/279 | 0 | 1.236 | 0.781 | crosses_down | 272.895 | Primi attraversamenti del bordo: | row | crossing N | |---|---:| | per_mode_best:periodic_closure:r0.48 | 105.734 | | per_mode_best:reference_order:r0.52 | 151.973 | | per_mode_best:order_memory:r0.52 | 188.585 | | per_mode_best:order_memory:r0.50 | 255.737 | | accepted_candidates:order_memory:r0.52 | 272.895 | | per_mode_best:reference_order:r0.50 | 276.876 | | per_mode_best:order_memory:r0.48 | 315.760 | | accepted_candidates:order_memory:r0.50 | 332.733 | ## Key Findings 1. **Verificato: il claim `converge a 1 dall'alto` cade nel perimetro osservato.** 12/13 righe ammissibili hanno almeno un punto fit-ready sotto `V_c=1`. 2. **Verificato: il canale ordinato completo attraversa il bordo.** `reference_order` fa 3/3 attraversamenti; `order_memory` per-mode-best fa 3/3 attraversamenti; tutti con denominatore `complete`. 3. **Verificato: l'unica riga all-above e' contaminata.** `accepted_candidates:order_memory:r0.48` resta sopra 1, ma ha 273/279 righe fit-ready e 6 righe escluse; non puo' sostenere da sola il claim hard. 4. **Verificato: `periodic_closure` e `random_dispersion` non salvano il limite.** Due righe `periodic_closure` e una `random_dispersion` sono gia' tutte sotto 1; il loro denominatore era contaminato e non appartiene al canale ordinato completo. 5. **Inferito: il nodo regressivo non e' scegliere un nuovo modello di fit.** Il bordo unitario va promosso a veto osservabile prima del claim di limite. ## Verdict **FALSIFIED** nel perimetro osservato. `V_c=1` non opera come limite osservato dall'alto sulle righe fit-ready 14:00. Opera come bordo attraversato. Il canale ordinato resta fittabile e lineare nel perimetro, ma proprio quel canale scende sotto 1: `reference_order` 3/3 e `order_memory` per-mode-best 3/3 attraversano il bordo dentro N={89,144,233,377}. La formulazione valida diventa: `V_c=1` e' un unit boundary audit del sottografo fit-ready; non e' attrattore verificato della scala nel perimetro 14:00. ## Bicono della scoperta - **Due radici**: limite unitario / attraversamento unitario. - **Singolare**: la curva fit-ready prima che `1` sia interpretato come attrattore o come taglio. - **Invariante di passaggio**: la disponibilita del denominatore completo sopravvive; il claim di convergenza a 1 non sopravvive. - **Campo di possibilita**: qui diventa possibile usare `V_c=1` come veto strutturale nei futuri fit; qui diventa non-possibile formulare `V_c(phi) -> 1` come claim osservato dall'alto su questo perimetro. ## Consecutio Il prossimo ciclo che estende N deve partire dal veto unitario: se N piu' alti vengono calcolati, il claim non e' "converge a 1", ma "dopo l'attraversamento, la curva resta sotto 1, rientra, o cambia famiglia". Il denominatore da preservare e' `complete + unit_status`, non solo `fit_ready`. ## Auto-audit: source flags e 7 lenti - **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1337.md`, report `agent_20260509_1400.md`, JSON `tools/data/vc_fit_model_gate_20260509_1400.json`, nuovo JSON `tools/data/vc_unit_boundary_audit_20260509_1457.json`. - **L1 hard constraint**: il verdict vale solo per le 13 righe ammissibili del deposito 14:00 e N={89,144,233,377}. - **L2 count grezzi**: riportati 12/13 sotto 1, 9/13 attraversamenti, 1/13 sopra 1, 3/13 tutte sotto 1. - **L3 no silent patching**: nessun nuovo spettro, nessun nuovo N usato come evidenza, nessuna modifica ai depositi 13:37/14:00. - **L4 edge cases**: l'unica riga sopra 1 e' contaminata con 6 esclusioni; non chiude il claim hard. - **L5 re-discovery**: il finding non ripete "V_c scende"; misura il bordo unitario come veto atomico. - **L6 metabolismo cognitivo**: CE-0001, CE-0117 e YSN usati nella combo. - **L7 possibile/non-possibile**: possibile = unit boundary audit; non-possibile = convergenza a 1 dall'alto nel perimetro osservato. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. - Verifica script: `python -m py_compile tools/exp_vc_unit_boundary_audit.py`. - Run valido: `python tools/exp_vc_unit_boundary_audit.py --input tools/data/vc_fit_model_gate_20260509_1400.json --out tools/data/vc_unit_boundary_audit_20260509_1457.json`. - Un tentativo di ricomputo esteso su N alti non ha prodotto deposito leggibile in tempo utile e non e' usato come evidenza. - Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge solo lo script unit-boundary, il JSON 1457 e questo report. ## Files - Script nuovo: `tools/exp_vc_unit_boundary_audit.py` - Data: `tools/data/vc_unit_boundary_audit_20260509_1457.json` - Report: `tools/data/reports/agent_20260509_1457.md` exec /bin/bash -lc "sed -n '1,240p' tools/data/reports/agent_20260509_1437.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Residual Boundary Closure **Date**: 2026-05-09 14:37 **Piano**: 105 **Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE **verdict**: COMPLETE DENOMINATOR TRANSFER on base BOUNDARY perimeter observables_registry: 1.0.0-2026-05-06 observables_used: [`spacing_r`, `shuffle_r_statistic`, `denominator_state`, `excluded_mass`, `transfer`] - osservabili domain-native per il gate boundary, non canonici SR/SR2/L1/L2/triple_var. **observable_contract**: claim=il residual blank test decide se i 3 blank residui BOUNDARY entrano nel transfer; observable=`spacing_r` originale contro permutation null row-aligned; operator=`exp_boundary_blank_null_audit.py` + `exp_boundary_denominator_prescan.py`; generator=`dnd_autoricerca.genera_segnale` per `string_vibration`, `reaction_diffusion`, `logistica_biforcazione_var_3.5699`; denominator=13 righe base autoricerca 8 GUE-like / 5 Poisson-like; non_possible=dichiarare chiusura QxG, nuova legge GUE/Poisson, o complete `reaction_diffusion` con 499 gap; not_tested=fit `V_c`, nuovi spettri, nuovi domini. ## Respiro fuori-tempo - **Prima impressione**: il blank residuo non segnala una classe mancante; segnala l'assenza del contro-perimetro. Quando il null entra, il bordo base non ha piu' blank. - **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + nodo BOUNDARY 8 GUE / 5 Poisson + tensione `TRASCENDENZA_LIMITE`. - **Dipolo / punto-zero**: blank / transfer; punto-zero = riga domain/window prima della disponibilita del null row-aligned. - **Piano superiore**: grafo della conoscenza e boundary operator. Il gate decide copertura del denominatore, non ontologia GUE/Poisson. - **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, flusso/PDE come controllo di non-determinismo per `reaction_diffusion`. - **Contaminazione cognitiva**: CE-0001 / KSAR: reiterazione sul deposito esistente; CE-0117: cascata della possibilita solo dove il null apre il canale; YSN DeltaLink: `blank residuo -> null row-aligned -> transfer completo`. - **Proto-ipotesi**: il perimetro BOUNDARY base diventa completo quando ogni riga ha un null row-aligned leggibile; la classe resta attributo sorgente, non esito del gate. - **Possibile / non-possibile**: possibile = contratto BOUNDARY 13/13 transfer sul perimetro base; non-possibile = usare questa copertura per chiudere QxG, per chiamare legge il cambio classe della logistica, o per trattare `reaction_diffusion` come complete. - **Proiezione**: verificare `boundary_blank_null_audit_residual_20260509_1500.json`, innestarlo nel prescan pieno e controllare `boundary_denominator_prescan_full_20260509_1500.json`. ## Claim Under Test > Il residual blank test trasforma i 3 blank residui in transfers; il perimetro BOUNDARY base passa a 13/13 transfer, 0 blank, 0 falls, ma resta un contratto di denominatore e non una chiusura QxG. ## Question I tre blank residui `string_vibration:cycle_6`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` restano blank, cadono, o entrano nel transfer quando ricevono null row-aligned? ## Experiment Design - Strumenti usati: `tools/exp_boundary_blank_null_audit.py` e `tools/exp_boundary_denominator_prescan.py`. - Input verificati: `tools/data/boundary_blank_null_audit_residual_20260509_1500.json` e `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. - Perimetro atomico: 13 righe base, 8 GUE-like e 5 Poisson-like. - Null baseline: permutation null marginal-preserving sui gap/spacings, `n_shuffle=1000`, seed `202605091500`. - Contratto osservabile-operatore: il ciclo misura copertura del denominatore; non rifitta `V_c`, non aggiunge domini, non chiude QxG. ## Results Residual blank audit depositato: | domain | n_gaps | r_original | shuffle_mean | z | class | ordering_dependent | decision | |---|---:|---:|---:|---:|---|---|---| | string_vibration | 7999 | 0.383868 | 0.372199 | 4.562844 | Poisson -> Poisson | true | transfer complete | | reaction_diffusion | 499 | 0.762604 | 0.494932 | 31.390192 | GUE -> GUE | true | transfer contaminato | | logistica_biforcazione_var_3.5699 | 4727 | 0.581221 | 0.099640 | 161.271569 | GUE -> Poisson | true | transfer complete, class_change edge case | Prescan pieno dopo innesto dei null: | measure | value | |---|---:| | rows | 13 | | source GUE | 8 | | source Poisson | 5 | | transfers | 13 | | blank | 0 | | falls | 0 | | complete | 8 | | contaminated | 5 | Righe residue nel prescan: | domain/window | source | denominator_state | excluded mass | null | transfer | |---|---|---|---:|---|---| | string_vibration:cycle_6 | Poisson | complete | 0.000 | shuffle z=4.56; class_change=False | transfers | | reaction_diffusion:cycle_11 | GUE | contaminated | 0.002 | shuffle z=31.39; class_change=False | transfers | | logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 0.000 | shuffle z=161.27; class_change=True | transfers | ## Key Findings 1. **Verificato: i 3 blank residui diventano transfers.** Il prescan pieno produce 13/13 transfers, 0 blank, 0 falls. 2. **Verificato: `reaction_diffusion` non e' complete.** Ha 499 gap, quindi resta `contaminated` con excluded mass 0.002; un gap sotto soglia basta a impedire la formula complete. 3. **Verificato: `string_vibration` trasferisce senza cambio classe.** Poisson -> Poisson, `ordering_dependent=true`, `n_gaps=7999`. 4. **Verificato: `logistica_biforcazione_var_3.5699` trasferisce con `class_change=true`.** Il cambio GUE -> Poisson e' edge case del null, non legge nuova legge. 5. **Verificato: il gate BOUNDARY ha copertura completa sul perimetro base.** La copertura riguarda il denominatore row-aligned, non il ponte QxG. ## Verdict **COMPLETE DENOMINATOR TRANSFER**. Il residual blank test trasforma i 3 blank residui in transfers; il perimetro BOUNDARY base passa a 13/13 transfer, 0 blank, 0 falls, ma resta un contratto di denominatore e non una chiusura QxG. Il gate ha copertura completa sul perimetro base: ogni riga domain/window possiede un null leggibile o contaminato dichiarato. La completezza del gate non coincide con completezza fisica delle righe: `reaction_diffusion` resta contaminato per 499 gap, `zeta_zeros` resta contaminato per 199 gap, e `logistica_biforcazione_var_3.5699` non produce una legge dal suo `class_change=true`. ## Bicono della scoperta - **Due radici**: blank senza contro-perimetro / transfer con null row-aligned. - **Singolare**: la riga BOUNDARY prima che il denominatore decida. - **Invariante di passaggio**: disponibilita del null leggibile; non l'etichetta GUE/Poisson e non il fit `V_c`. - **Campo di possibilita**: qui diventa possibile usare BOUNDARY come gate base 13/13 per audit successivi; qui diventa non-possibile spacciare il gate come chiusura QxG o legge RMT. ## Consecutio La prossima mossa non e' rifare `V_c` e non e' chiudere QxG. Il risultato apre un uso piu' stretto del gate: ogni futuro claim BOUNDARY puo' partire dal perimetro base senza blank, ma deve portare con se' lo stato `complete/contaminated` e dichiarare gli edge case. Il nodo regressivo rimasto e' la qualita del denominatore, non la sua assenza. ## Auto-audit: source flags e 7 lenti - **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/dnd_scenario.py --best`, `tools/data/boundary_blank_null_audit_residual_20260509_1500.json`, `tools/data/boundary_denominator_prescan_full_20260509_1500.json`, run di verifica in `/tmp`. - **L1 hard constraint**: nessun universale fuori perimetro; il claim vale per 13 righe base autoricerca. - **L2 count grezzi**: riportati 13/13 transfer, 0/13 blank, 0/13 falls, 8 complete, 5 contaminated. - **L3 no silent patching**: nessun fit `V_c`, nessun cambio degli artefatti sorgente; verifica su output temporanei. - **L4 edge cases**: `reaction_diffusion` contaminato per 499 gap; `logistica_biforcazione_var_3.5699` ha class_change=true ma non diventa legge. - **L5 re-discovery**: il ciclo e' audit di denominatore residuo, non teorema GUE/Poisson. - **L6 metabolismo cognitivo**: CE-0001, CE-0117 e YSN usati nella combo. - **L7 possibile/non-possibile**: possibile = gate base 13/13 senza blank; non-possibile = QxG chiuso o completezza fisica delle righe contaminate. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. - Verifica script: `python -m py_compile tools/exp_boundary_blank_null_audit.py tools/exp_boundary_denominator_prescan.py`. - Run valido: `python tools/exp_boundary_blank_null_audit.py --domains string_vibration reaction_diffusion logistica_biforcazione_var_3.5699 --n-shuffle 1000 --seed 202605091500 --out /tmp/boundary_blank_null_audit_residual_20260509_1500.verify.json`. - Run valido: `python tools/exp_boundary_denominator_prescan.py --extra-null-audit tools/data/boundary_blank_null_audit_20260509_1430.json --extra-null-audit tools/data/boundary_blank_null_audit_residual_20260509_1500.json --out /tmp/boundary_denominator_prescan_full_20260509_1500.verify.json`. - Compare prescan: summary e rows combaciano con `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. - Compare residual audit: `string_vibration` e `logistica_biforcazione_var_3.5699` combaciano sui numeri depositati; `reaction_diffusion` nel rerun produce `r=0.755661`, `z=30.592858` invece di `r=0.762604`, `z=31.390192`, ma conserva `n_gaps=499`, `GUE -> GUE`, `ordering_dependent=true`, `transfer=contaminated`. Il drift e' attribuito al generatore dinamico, non al null seed. ## Files - Script: `tools/exp_boundary_blank_null_audit.py` - Script: `tools/exp_boundary_denominator_prescan.py` - Data: `tools/data/boundary_blank_null_audit_residual_20260509_1500.json` - Data: `tools/data/boundary_denominator_prescan_full_20260509_1500.json` - Report: `tools/data/reports/agent_20260509_1437.md` exec /bin/bash -lc "sed -n '1,260p' tools/exp_3d_boundary_layers.py" in /opt/MM_D-ND exec /bin/bash -lc "sed -n '1,260p' 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, } # ─── Public API ─────────────────────────────────────────────────────── def compute_canonical(gaps: np.ndarray) -> dict[str, float]: """Compute all canonical observables for a gap sequence. Returns dict {name: value} ready for inclusion in cycle reports. """ return {name: fn(gaps) for name, fn in OBSERVABLES_CANONICAL.items()} def report_header() -> str: """Suggested markdown header line for cycle reports using this registry.""" canonical_list = ", ".join(OBSERVABLES_CANONICAL.keys()) return ( f"observables_registry: {OBSERVABLES_REGISTRY_VERSION}\n" f"observables_used: [{canonical_list}]" ) __all__ = [ "OBSERVABLES_REGISTRY_VERSION", "OBSERVABLES_CANONICAL", "OBSERVABLES_VARIANTS", "SR", "SR2", "L1", "L2", "triple_var", "SR_local_rigidity", "triple_var_normalized", "compute_canonical", "report_header", ] if __name__ == "__main__": # Smoke test: canonical observables on a simple gap series rng = np.random.default_rng(42) gue_like = rng.gamma(shape=2.0, scale=0.5, size=200) succeeded in 0ms: #!/usr/bin/env python3 """ exp_3d_boundary_layers.py — Does the boundary have 3D structure? Consecutio from piano 60 runs: - Layer 1 (pairs, Mk1) → SR, L1 (the dipolar plane) - Layer 2 (triples, Mk2) → SR2, triple_var (depth) - The crossover (partial shuffle) shows a phase transition in (SR, L1) - META question: does Layer 2 transition at the SAME critical alpha? If same α_c → the boundary is 2D (Layer 2 follows Layer 1 = partial tautology) If different α_c → the boundary has genuine 3D depth (two independent transitions) Tests on: primes, GUE, Poisson baseline. Usage: python tools/exp_3d_boundary_layers.py [--N 50000] [--n_alpha 20] [--n_trials 30] """ import argparse import json import numpy as np from scipy import stats from pathlib import Path def get_primes(n_max): sieve = np.ones(n_max + 1, dtype=bool) sieve[0] = sieve[1] = False for i in range(2, int(n_max**0.5) + 1): if sieve[i]: sieve[i*i::i] = False return np.where(sieve)[0] def gue_gaps(N_mat, n_matrices, rng): """Generate GUE eigenvalue gaps.""" all_gaps = [] for _ in range(n_matrices): H = rng.standard_normal((N_mat, N_mat)) + 1j * rng.standard_normal((N_mat, N_mat)) H = (H + H.conj().T) / 2 evals = np.sort(np.linalg.eigvalsh(H)) gaps = np.diff(evals) gaps = gaps[gaps > 0] all_gaps.extend(gaps.tolist()) return np.array(all_gaps) def partial_shuffle(seq, alpha, rng): s = seq.copy() n = len(s) k = int(alpha * n) if k < 2: return s idx = rng.choice(n, size=k, replace=False) vals = s[idx].copy() rng.shuffle(vals) s[idx] = vals return s # --- Layer 1 observables (pair statistics) --- def obs_spacing_ratio(gaps): r = np.minimum(gaps[:-1], gaps[1:]) / np.maximum(gaps[:-1], gaps[1:]) return np.mean(r[np.isfinite(r)]) def obs_lag1_acf(gaps): g = gaps - np.mean(gaps) c0 = np.mean(g**2) if c0 == 0: return 0.0 return np.mean(g[:-1] * g[1:]) / c0 # --- Layer 2 observables (triple statistics) --- def obs_sr2(gaps): """Next-nearest-neighbor spacing ratio: min(g_n, g_{n+2})/max(g_n, g_{n+2})""" r = np.minimum(gaps[:-2], gaps[2:]) / np.maximum(gaps[:-2], gaps[2:]) return np.mean(r[np.isfinite(r)]) def obs_triple_var(gaps): """Variance of consecutive triple sums, normalized.""" triples = gaps[:-2] + gaps[1:-1] + gaps[2:] v = np.var(gaps) if v == 0: return 0.0 return np.var(triples) / v def run_crossover(gaps, alphas, n_trials, rng, label=""): """Compute all 4 observables at each alpha level.""" obs_fns = { 'SR': obs_spacing_ratio, 'L1': obs_lag1_acf, 'SR2': obs_sr2, 'triple_var': obs_triple_var, } # Full shuffle baseline (alpha=1.0) baselines = {name: [] for name in obs_fns} for _ in range(n_trials * 3): shuffled = partial_shuffle(gaps, 1.0, rng) for name, fn in obs_fns.items(): baselines[name].append(fn(shuffled)) baseline_mean = {name: np.mean(vals) for name, vals in baselines.items()} baseline_std = {name: np.std(vals) for name, vals in baselines.items()} # Original values (alpha=0) originals = {name: fn(gaps) for name, fn in obs_fns.items()} results = [] for alpha in alphas: trial_vals = {name: [] for name in obs_fns} for _ in range(n_trials): s = partial_shuffle(gaps, alpha, rng) for name, fn in obs_fns.items(): trial_vals[name].append(fn(s)) row = {'alpha': float(alpha)} for name in obs_fns: mean_val = np.mean(trial_vals[name]) std_val = np.std(trial_vals[name]) # Fraction of original signal retained orig_delta = originals[name] - baseline_mean[name] curr_delta = mean_val - baseline_mean[name] if abs(orig_delta) > 1e-12: retention = curr_delta / orig_delta else: retention = 0.0 row[f'{name}_mean'] = float(mean_val) row[f'{name}_std'] = float(std_val) row[f'{name}_retention'] = float(retention) results.append(row) return results, originals, baseline_mean, baseline_std def find_critical_alpha(results, obs_name, threshold=0.5): """Find alpha where retention drops below threshold (signal half-life).""" for r in results: if r[f'{obs_name}_retention'] < threshold: return r['alpha'] return 1.0 # never crossed def find_zero_crossing(results, obs_name): """Find alpha where retention crosses zero (sign flip).""" for i in range(1, len(results)): r0 = results[i-1][f'{obs_name}_retention'] r1 = results[i][f'{obs_name}_retention'] if r0 * r1 < 0: # Linear interpolation a0 = results[i-1]['alpha'] a1 = results[i]['alpha'] alpha_zero = a0 + (a1 - a0) * abs(r0) / (abs(r0) + abs(r1)) return alpha_zero return None def main(): parser = argparse.ArgumentParser() parser.add_argument('--N', type=int, default=50000, help='Number of primes') parser.add_argument('--n_alpha', type=int, default=20, help='Number of alpha steps') parser.add_argument('--n_trials', type=int, default=30, help='Trials per alpha') parser.add_argument('--seed', type=int, default=42) args = parser.parse_args() rng = np.random.default_rng(args.seed) alphas = np.linspace(0.05, 0.95, args.n_alpha) print(f"=== 3D Boundary Layer Experiment ===") print(f"N_primes={args.N}, n_alpha={args.n_alpha}, n_trials={args.n_trials}") # --- Primes --- print("\n--- PRIMES ---") primes = get_primes(args.N * 20)[:args.N] prime_gaps = np.diff(primes).astype(float) prime_results, prime_orig, prime_bl_mean, prime_bl_std = run_crossover( prime_gaps, alphas, args.n_trials, rng, "Primes" ) # --- GUE --- print("\n--- GUE ---") n_mat = 200 n_matrices = max(5, args.N // n_mat) gue_g = gue_gaps(n_mat, n_matrices, rng) if len(gue_g) > args.N: gue_g = gue_g[:args.N] gue_results, gue_orig, gue_bl_mean, gue_bl_std = run_crossover( gue_g, alphas, args.n_trials, rng, "GUE" ) # --- Poisson (exponential gaps, iid) --- print("\n--- POISSON ---") poisson_gaps = rng.exponential(1.0, size=args.N) pois_results, pois_orig, pois_bl_mean, pois_bl_std = run_crossover( poisson_gaps, alphas, args.n_trials, rng, "Poisson" ) # --- Analysis --- obs_names = ['SR', 'L1', 'SR2', 'triple_var'] layer_map = {'SR': 'L1_pair', 'L1': 'L1_pair', 'SR2': 'L2_triple', 'triple_var': 'L2_triple'} output = { 'experiment': '3D Boundary Layers', 'question': 'Do Layer 1 (pairs) and Layer 2 (triples) transition at the same critical alpha?', 'params': {'N': args.N, 'n_alpha': args.n_alpha, 'n_trials': args.n_trials, 'seed': args.seed}, 'sequences': {} } for name, results, originals, bl_mean, bl_std in [ ('primes', prime_results, prime_orig, prime_bl_mean, prime_bl_std), ('gue', gue_results, gue_orig, gue_bl_mean, gue_bl_std), ('poisson', pois_results, pois_orig, pois_bl_mean, pois_bl_std), ]: seq_data = { 'originals': {k: float(v) for k, v in originals.items()}, 'baseline_mean': {k: float(v) for k, v in bl_mean.items()}, 'baseline_std': {k: float(v) for k, v in bl_std.items()}, 'critical_alpha_50': {}, 'zero_crossing': {}, 'retention_curve': results, } print(f"\n=== {name.upper()} ===") print(f"{'Observable':>12} {'Layer':>10} {'Original':>10} {'Baseline':>10} {'α_crit(50%)':>12} {'α_zero':>8}") for obs in obs_names: ac = find_critical_alpha(results, obs) az = find_zero_crossing(results, obs) seq_data['critical_alpha_50'][obs] = float(ac) seq_data['zero_crossing'][obs] = float(az) if az else None print(f"{obs:>12} {layer_map[obs]:>10} {originals[obs]:>10.5f} {bl_mean[obs]:>10.5f} {ac:>12.3f} {str(az and f'{az:.3f}') or 'none':>8}") # Layer separation: difference in critical alpha between layers l1_crit = np.mean([seq_data['critical_alpha_50'][o] for o in ['SR', 'L1']]) l2_crit = np.mean([seq_data['critical_alpha_50'][o] for o in ['SR2', 'triple_var']]) delta_crit = l2_crit - l1_crit seq_data['layer_separation'] = { 'L1_mean_crit': float(l1_crit), 'L2_mean_crit': float(l2_crit), 'delta': float(delta_crit), } print(f"\n Layer 1 mean α_crit: {l1_crit:.3f}") print(f" Layer 2 mean α_crit: {l2_crit:.3f}") print(f" Δα (L2 - L1): {delta_crit:+.3f}") if abs(delta_crit) > 0.05: print(f" → SEPARATION: Layer 2 transitions {'later' if delta_crit > 0 else 'earlier'} than Layer 1") else: print(f" → COINCIDENT: Layers transition together (|Δα| < 0.05)") output['sequences'][name] = seq_data # Summary prime_sep = output['sequences']['primes']['layer_separation']['delta'] gue_sep = output['sequences']['gue']['layer_separation']['delta'] pois_sep = output['sequences']['poisson']['layer_separation']['delta'] print(f"\n=== SUMMARY ===") print(f"Layer separation Δα: Primes={prime_sep:+.3f}, GUE={gue_sep:+.3f}, Poisson={pois_sep:+.3f}") output['summary'] = { 'prime_layer_separation': float(prime_sep), 'gue_layer_separation': float(gue_sep), 'poisson_layer_separation': float(pois_sep), exec /bin/bash -lc "sed -n '1,260p' tools/exp_boundary_mixture_gate.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ exp_boundary_mixture_gate.py Reusable META/BOUNDARY audit for the GUE-Poisson boundary. Question: Does the GUE/Poisson boundary remain a clean two-class split after the original-vs-shuffle denominator gate, or is the mixed region an operational third state where canonical observables lose stable denominators? The script uses only canonical observables from observables_registry.py. It builds synthetic mixtures by replacing a fraction beta of unfolded GUE spacings with Poisson spacings, then measures: - canonical observable vectors; - original-vs-shuffle z-score per observable; - endpoint separability in all observables and in gate-stable observables; - ambiguity of each beta layer relative to pure GUE and pure Poisson centroids. """ from __future__ import annotations import argparse import json from pathlib import Path import numpy as np from observables_registry import ( OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION, compute_canonical, ) OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) def gue_spacings(matrix_size: int, min_spacings: int, rng: np.random.Generator) -> np.ndarray: """Generate unfolded GUE spacings by concatenating independent matrices.""" parts: list[np.ndarray] = [] edge = max(2, matrix_size // 10) while sum(len(x) for x in parts) < min_spacings: real = rng.standard_normal((matrix_size, matrix_size)) imag = rng.standard_normal((matrix_size, matrix_size)) h = real + 1j * imag h = (h + h.conj().T) / (2.0 * np.sqrt(matrix_size)) eigs = np.sort(np.linalg.eigvalsh(h).real) bulk = eigs[edge:-edge] gaps = np.diff(bulk) mean = float(np.mean(gaps)) if mean > 1e-15: parts.append(gaps / mean) return np.concatenate(parts)[:min_spacings].astype(float) def mixture_spacings(gue: np.ndarray, poisson: np.ndarray, beta: float, rng: np.random.Generator) -> np.ndarray: """Return a beta Poisson / (1-beta) GUE spacing sequence with mean spacing 1.""" if len(gue) != len(poisson): raise ValueError("gue and poisson arrays must have the same length") mask = rng.random(len(gue)) < beta out = gue.copy() out[mask] = poisson[mask] mean = float(np.mean(out)) return out / mean if mean > 1e-15 else out def z_against_shuffle( gaps: np.ndarray, n_baseline: int, rng: np.random.Generator, ) -> tuple[dict[str, float], dict[str, float], dict[str, float]]: """Return original observables, shuffle baseline std, and original-vs-shuffle z.""" original = compute_canonical(gaps) baseline_vals = {name: [] for name in OBS_NAMES} for _ in range(n_baseline): obs = compute_canonical(rng.permutation(gaps)) for name in OBS_NAMES: baseline_vals[name].append(obs[name]) std = {} z = {} for name in OBS_NAMES: vals = np.array(baseline_vals[name], dtype=float) mean = float(np.mean(vals)) sd = float(np.std(vals, ddof=1)) if len(vals) > 1 else 0.0 std[name] = sd z[name] = float((original[name] - mean) / sd) if sd > 1e-15 else 0.0 return original, std, z def vector(row: dict, names: list[str]) -> np.ndarray: return np.array([row["observables"][name] for name in names], dtype=float) def classify_layers(rows: list[dict], obs_names: list[str]) -> dict: """Classify each beta layer by standardized distance to endpoint centroids.""" if not obs_names: return { "observables": [], "endpoint_distance": 0.0, "layers": {}, "ambiguous_beta": [], } by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) gue_vectors = np.array([vector(row, obs_names) for row in by_beta[0.0]], dtype=float) poi_vectors = np.array([vector(row, obs_names) for row in by_beta[1.0]], dtype=float) all_endpoint = np.vstack([gue_vectors, poi_vectors]) scale = np.std(all_endpoint, axis=0, ddof=1) scale[scale <= 1e-15] = 1.0 gue_centroid = np.mean(gue_vectors, axis=0) poi_centroid = np.mean(poi_vectors, axis=0) endpoint_distance = float(np.linalg.norm((poi_centroid - gue_centroid) / scale)) layers = {} ambiguous_beta = [] for beta, beta_rows in sorted(by_beta.items()): coords = [] margins = [] labels = [] for row in beta_rows: x = vector(row, obs_names) d_gue = float(np.linalg.norm((x - gue_centroid) / scale)) d_poi = float(np.linalg.norm((x - poi_centroid) / scale)) denom = d_gue + d_poi coord = float((d_gue - d_poi) / denom) if denom > 1e-15 else 0.0 margin = float(abs(d_gue - d_poi) / denom) if denom > 1e-15 else 0.0 coords.append(coord) margins.append(margin) labels.append("gue" if d_gue < d_poi else "poisson") ambiguous_fraction = float(np.mean(np.array(margins) < 0.15)) if ambiguous_fraction >= 0.5: ambiguous_beta.append(beta) layers[f"{beta:.3f}"] = { "coordinate_mean": float(np.mean(coords)), "coordinate_std": float(np.std(coords, ddof=1)) if len(coords) > 1 else 0.0, "margin_mean": float(np.mean(margins)), "ambiguous_fraction": ambiguous_fraction, "poisson_label_fraction": float(np.mean(np.array(labels) == "poisson")), } return { "observables": obs_names, "endpoint_distance": endpoint_distance, "layers": layers, "ambiguous_beta": ambiguous_beta, } def summarize_gate(rows: list[dict], z_min: float) -> dict: by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) layers = {} for beta, beta_rows in sorted(by_beta.items()): stable_counts = [] stable_freq = {name: [] for name in OBS_NAMES} for row in beta_rows: stable = [name for name in OBS_NAMES if abs(row["z"][name]) >= z_min] stable_counts.append(len(stable)) for name in OBS_NAMES: stable_freq[name].append(1.0 if name in stable else 0.0) layers[f"{beta:.3f}"] = { "stable_count_mean": float(np.mean(stable_counts)), "stable_count_std": float(np.std(stable_counts, ddof=1)) if len(stable_counts) > 1 else 0.0, "stable_frequency": {name: float(np.mean(vals)) for name, vals in stable_freq.items()}, } endpoint_stable = [] for name in OBS_NAMES: endpoint_rows = by_beta[0.0] + by_beta[1.0] freq = np.mean([1.0 if abs(row["z"][name]) >= z_min else 0.0 for row in endpoint_rows]) if freq >= 0.75: endpoint_stable.append(name) return { "z_min": z_min, "endpoint_stable_observables": endpoint_stable, "layers": layers, } def run(args: argparse.Namespace) -> dict: rng = np.random.default_rng(args.seed) betas = [float(x) for x in np.linspace(0.0, 1.0, args.n_beta)] rows = [] for rep in range(args.n_replicates): rep_rng = np.random.default_rng(rng.integers(0, 2**63 - 1)) gue = gue_spacings(args.gue_matrix_size, args.n_gaps, rep_rng) poisson = rep_rng.exponential(1.0, size=args.n_gaps) poisson = poisson / float(np.mean(poisson)) for beta in betas: layer_rng = np.random.default_rng(rng.integers(0, 2**63 - 1)) gaps = mixture_spacings(gue, poisson, beta, layer_rng) obs, shuffle_std, z = z_against_shuffle( gaps, n_baseline=args.n_baseline, rng=np.random.default_rng(rng.integers(0, 2**63 - 1)), ) rows.append( { "replicate": rep, "beta": beta, "observables": obs, "shuffle_std": shuffle_std, "z": z, "stable_observables": [name for name in OBS_NAMES if abs(z[name]) >= args.z_min], } ) gate = summarize_gate(rows, args.z_min) all_classification = classify_layers(rows, OBS_NAMES) gated_classification = classify_layers(rows, gate["endpoint_stable_observables"]) output = { "experiment": "boundary_mixture_gate", "question": "Is the GUE-Poisson mixed layer cleanly classifiable after denominator gating?", "observables_registry": OBSERVABLES_REGISTRY_VERSION, "observables_used": OBS_NAMES, "params": vars(args), "gate": gate, "classification_all_observables": all_classification, "classification_endpoint_gated": gated_classification, "rows": rows, } out_path = Path(args.out) out_path.parent.mkdir(parents=True, exist_ok=True) with out_path.open("w") as f: json.dump(output, f, indent=2) print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") print(f"observables_used={OBS_NAMES}") print(f"endpoint_stable_observables={gate['endpoint_stable_observables']}") print( "endpoint_distance_all=" f"{all_classification['endpoint_distance']:.3f} " "endpoint_distance_gated=" f"{gated_classification['endpoint_distance']:.3f}" ) if gate["endpoint_stable_observables"]: print("beta stable_count margin_gated ambiguous_gated poisson_fraction_gated") else: print("endpoint gate is empty; printing all-observable classification") print("beta stable_count margin_all ambiguous_all poisson_fraction_all") for beta in betas: key = f"{beta:.3f}" stable_count = gate["layers"][key]["stable_count_mean"] source = gated_classification if gate["endpoint_stable_observables"] else all_classification layer = source["layers"].get(key, {}) print( f"{beta:>4.2f} {stable_count:>12.3f} " f"{layer.get('margin_mean', 0.0):>12.3f} " exec /bin/bash -lc "sed -n '1,320p' tools/exp_denominator_gate_transfer_matrix.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ exp_denominator_gate_transfer_matrix.py Reusable META audit for the denominator gate transfer matrix. The experiment moves the original-vs-shuffle denominator gate away from the GUE/Poisson BOUNDARY perimeter. Each perimeter has a coherent endpoint and an illusory endpoint built as a permutation of the same gap multiset. That keeps the one-point distribution fixed and isolates ordering support. Measured for each perimeter: - canonical observables from observables_registry.py; - original-vs-shuffle z-score for each observable; - endpoint-stable observable set under |z| >= z_min; - endpoint classification using all observables and endpoint-gated observables; - beta layer ambiguity between coherent and illusory endpoints. """ from __future__ import annotations import argparse import json from pathlib import Path import numpy as np from observables_registry import ( OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION, compute_canonical, ) OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) PHI = (1.0 + 5.0**0.5) / 2.0 def normalize(gaps: np.ndarray) -> np.ndarray: gaps = np.asarray(gaps, dtype=float) gaps = np.maximum(gaps, 1e-12) mean = float(np.mean(gaps)) return gaps / mean if mean > 1e-15 else gaps def golden_beatty(n_gaps: int, rng: np.random.Generator) -> np.ndarray: phase = float(rng.random()) n = np.arange(n_gaps + 1, dtype=float) + phase positions = np.floor(n * PHI) return normalize(np.diff(positions)) def periodic_triad(n_gaps: int, rng: np.random.Generator) -> np.ndarray: base = np.array([0.55, 1.0, 1.45, 1.0, 0.75, 1.25], dtype=float) shift = int(rng.integers(0, len(base))) tiled = np.tile(np.roll(base, shift), int(np.ceil(n_gaps / len(base))))[:n_gaps] jitter = rng.normal(0.0, 0.015, size=n_gaps) return normalize(tiled + jitter) def markov_alternating(n_gaps: int, rng: np.random.Generator) -> np.ndarray: vals = np.array([0.62, 1.38], dtype=float) state = int(rng.integers(0, 2)) out = np.empty(n_gaps, dtype=float) for i in range(n_gaps): out[i] = vals[state] + rng.normal(0.0, 0.03) if rng.random() < 0.88: state = 1 - state return normalize(out) def ar1_continuity(n_gaps: int, rng: np.random.Generator) -> np.ndarray: rho = 0.86 x = np.empty(n_gaps, dtype=float) x[0] = rng.normal() noise_scale = (1.0 - rho * rho) ** 0.5 for i in range(1, n_gaps): x[i] = rho * x[i - 1] + noise_scale * rng.normal() return normalize(np.exp(0.42 * x)) PERIMETERS = { "DUALITA_golden": golden_beatty, "R_periodic_triad": periodic_triad, "T_markov_alternating": markov_alternating, "E_ar1_continuity": ar1_continuity, } def beta_layer(base: np.ndarray, beta: float, rng: np.random.Generator) -> np.ndarray: illusory = rng.permutation(base) if beta <= 0.0: out = base.copy() elif beta >= 1.0: out = illusory.copy() else: mask = rng.random(len(base)) < beta out = base.copy() out[mask] = illusory[mask] return normalize(out) def z_against_shuffle( gaps: np.ndarray, n_baseline: int, rng: np.random.Generator, ) -> tuple[dict[str, float], dict[str, float], dict[str, float]]: original = compute_canonical(gaps) baseline_vals = {name: [] for name in OBS_NAMES} for _ in range(n_baseline): obs = compute_canonical(rng.permutation(gaps)) for name in OBS_NAMES: baseline_vals[name].append(obs[name]) shuffle_std = {} z = {} for name in OBS_NAMES: vals = np.array(baseline_vals[name], dtype=float) mean = float(np.mean(vals)) sd = float(np.std(vals, ddof=1)) if len(vals) > 1 else 0.0 shuffle_std[name] = sd z[name] = float((original[name] - mean) / sd) if sd > 1e-15 else 0.0 return original, shuffle_std, z def vector(row: dict, names: list[str]) -> np.ndarray: return np.array([row["observables"][name] for name in names], dtype=float) def classify_layers(rows: list[dict], obs_names: list[str], ambiguous_margin: float) -> dict: if not obs_names: return { "observables": [], "endpoint_distance": 0.0, "layers": {}, "ambiguous_beta": [], } by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) coherent_vectors = np.array([vector(row, obs_names) for row in by_beta[0.0]], dtype=float) illusory_vectors = np.array([vector(row, obs_names) for row in by_beta[1.0]], dtype=float) endpoints = np.vstack([coherent_vectors, illusory_vectors]) scale = np.std(endpoints, axis=0, ddof=1) scale[scale <= 1e-15] = 1.0 coherent_centroid = np.mean(coherent_vectors, axis=0) illusory_centroid = np.mean(illusory_vectors, axis=0) endpoint_distance = float(np.linalg.norm((illusory_centroid - coherent_centroid) / scale)) layers = {} ambiguous_beta = [] for beta, beta_rows in sorted(by_beta.items()): coords = [] margins = [] labels = [] for row in beta_rows: x = vector(row, obs_names) d_coherent = float(np.linalg.norm((x - coherent_centroid) / scale)) d_illusory = float(np.linalg.norm((x - illusory_centroid) / scale)) denom = d_coherent + d_illusory coord = float((d_coherent - d_illusory) / denom) if denom > 1e-15 else 0.0 margin = float(abs(d_coherent - d_illusory) / denom) if denom > 1e-15 else 0.0 coords.append(coord) margins.append(margin) labels.append("coherent" if d_coherent < d_illusory else "illusory") ambiguous_fraction = float(np.mean(np.array(margins) < ambiguous_margin)) if ambiguous_fraction >= 0.5: ambiguous_beta.append(beta) layers[f"{beta:.3f}"] = { "coordinate_mean": float(np.mean(coords)), "coordinate_std": float(np.std(coords, ddof=1)) if len(coords) > 1 else 0.0, "margin_mean": float(np.mean(margins)), "ambiguous_fraction": ambiguous_fraction, "illusory_label_fraction": float(np.mean(np.array(labels) == "illusory")), } return { "observables": obs_names, "endpoint_distance": endpoint_distance, "layers": layers, "ambiguous_beta": ambiguous_beta, } def summarize_gate(rows: list[dict], z_min: float) -> dict: by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) layers = {} for beta, beta_rows in sorted(by_beta.items()): stable_counts = [] stable_freq = {name: [] for name in OBS_NAMES} z_values = {name: [] for name in OBS_NAMES} for row in beta_rows: stable = [name for name in OBS_NAMES if abs(row["z"][name]) >= z_min] stable_counts.append(len(stable)) for name in OBS_NAMES: stable_freq[name].append(1.0 if name in stable else 0.0) z_values[name].append(row["z"][name]) layers[f"{beta:.3f}"] = { "stable_count_mean": float(np.mean(stable_counts)), "stable_count_std": float(np.std(stable_counts, ddof=1)) if len(stable_counts) > 1 else 0.0, "stable_frequency": {name: float(np.mean(vals)) for name, vals in stable_freq.items()}, "z_mean": {name: float(np.mean(vals)) for name, vals in z_values.items()}, } endpoint_stable = [] coherent_rows = by_beta[0.0] illusory_rows = by_beta[1.0] endpoint_one_sided = [] for name in OBS_NAMES: coherent_freq = np.mean([1.0 if abs(row["z"][name]) >= z_min else 0.0 for row in coherent_rows]) illusory_freq = np.mean([1.0 if abs(row["z"][name]) >= z_min else 0.0 for row in illusory_rows]) if coherent_freq >= 0.75 and illusory_freq < 0.25: endpoint_one_sided.append(name) if coherent_freq >= 0.75 and illusory_freq >= 0.75: endpoint_stable.append(name) return { "z_min": z_min, "endpoint_stable_observables": endpoint_stable, "coherent_one_sided_observables": endpoint_one_sided, "layers": layers, } def analyze_perimeter(name: str, generator, args: argparse.Namespace, rng: np.random.Generator) -> dict: rows = [] betas = [float(x) for x in np.linspace(0.0, 1.0, args.n_beta)] for rep in range(args.n_replicates): base = generator(args.n_gaps, np.random.default_rng(rng.integers(0, 2**63 - 1))) for beta in betas: gaps = beta_layer(base, beta, np.random.default_rng(rng.integers(0, 2**63 - 1))) obs, shuffle_std, z = z_against_shuffle( gaps, args.n_baseline, np.random.default_rng(rng.integers(0, 2**63 - 1)), ) rows.append( { "perimeter": name, "replicate": rep, "beta": beta, "observables": obs, "shuffle_std": shuffle_std, "z": z, "stable_observables": [obs_name for obs_name in OBS_NAMES if abs(z[obs_name]) >= args.z_min], } ) gate = summarize_gate(rows, args.z_min) all_classification = classify_layers(rows, OBS_NAMES, args.ambiguous_margin) one_sided_classification = classify_layers(rows, gate["coherent_one_sided_observables"], args.ambiguous_margin) return { "gate": gate, "classification_all_observables": all_classification, "classification_one_sided_gated": one_sided_classification, "rows": rows, } def compact_matrix(perimeters: dict) -> dict: matrix = {} for name, data in perimeters.items(): gate = data["gate"] class_all = data["classification_all_observables"] class_gate = data["classification_one_sided_gated"] matrix[name] = { "coherent_one_sided_observables": gate["coherent_one_sided_observables"], "endpoint_stable_observables": gate["endpoint_stable_observables"], "endpoint_distance_all": class_all["endpoint_distance"], "endpoint_distance_one_sided_gated": class_gate["endpoint_distance"], "ambiguous_beta_all": class_all["ambiguous_beta"], "ambiguous_beta_one_sided_gated": class_gate["ambiguous_beta"], "stable_count_coherent": gate["layers"]["0.000"]["stable_count_mean"], "stable_count_illusory": gate["layers"]["1.000"]["stable_count_mean"], } return matrix def evaluate_contract(matrix: dict, args: argparse.Namespace) -> dict: rows = {} transfer = 0 blank = 0 fall = 0 for name, row in matrix.items(): one_sided_count = len(row["coherent_one_sided_observables"]) illusory_residue = float(row["stable_count_illusory"]) endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) ambiguous_beta = row["ambiguous_beta_one_sided_gated"] has_order = one_sided_count >= args.min_one_sided null_suppressed = illusory_residue <= args.illusory_residue_max separated = endpoint_distance >= args.endpoint_distance_min has_blank = bool(ambiguous_beta) if not has_order or not separated: state = "fall" fall += 1 elif not null_suppressed: state = "blank" blank += 1 else: state = "transfer" transfer += 1 rows[name] = { "state": state, "one_sided_count": one_sided_count, "illusory_residue": illusory_residue, "endpoint_distance": endpoint_distance, "ambiguous_beta": ambiguous_beta, "checks": { "has_order": has_order, "null_suppressed": null_suppressed, "separated": separated, "has_blank_layer": has_blank, exec /bin/bash -lc "sed -n '1,240p' tools/LAB_OPERATOR_PALETTE.md" in /opt/MM_D-ND succeeded in 0ms: # 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: - trasformazioni che preservano invarianti; - rappresentazioni non equivalenti; - generatori non-phi; - algebra random con stesso ordine. ### 7. Informazione, termodinamica e irreversibilita' exec /bin/bash -lc "if [ -f tools/LAB_COGNITIVE_CONTAMINATION.md ]; then sed -n '1,260p' tools/LAB_COGNITIVE_CONTAMINATION.md; fi" in /opt/MM_D-ND succeeded in 0ms: # 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 exec /bin/bash -lc "find tools/data -maxdepth 1 -type f \\( -name '*boundary*20260509*.json' -o -name '*vc*20260509*.json' \\) -printf '%f\\n' | sort" in /opt/MM_D-ND succeeded in 0ms: boundary_blank_null_audit_20260509_1430.json boundary_blank_null_audit_residual_20260509_1500.json boundary_denominator_prescan_20260509_1409.json boundary_denominator_prescan_20260509_1430.json boundary_denominator_prescan_full_20260509_1500.json quasiperiodic_vc_curve_map_20260509_0330.json vc_fit_model_gate_20260509_1400.json vc_fit_ready_scale_table_20260509_1337.json vc_generator_class_direction_audit_20260509_0846.json vc_generator_class_scale_gate_20260509_0837.json vc_label_preserving_phase_bridge_20260509_0741.json vc_label_preserving_swap_gate_20260509_0652.json vc_label_preserving_swap_gate_20260509_0652_deep89.json vc_label_preserving_swap_gate_20260509_0659.json vc_label_reachability_gate_20260509_0659.json vc_memory_crossing_gradient_20260509_0829.json vc_nonsturmian_label_null_gate_20260509_0819.json vc_null_regression_gate_20260509_0637.json vc_unit_boundary_audit_20260509_1457.json codex La consecutio utile è chiara: portare il gate `coherent/null/beta` da sintetico a semi-reale fisico, senza dichiarare QxG chiuso. Preparo uno strumento piccolo che usa generatori domain-native già presenti e misura solo trasferimento, blank e fall. exec /bin/bash -lc "sed -n '1,320p' tools/dnd_autoricerca.py" in /opt/MM_D-ND succeeded in 0ms: """ dnd_autoricerca.py — Motore di Autoricerca D-ND Il sistema che si auto-memorizza nella risultante. Ogni ciclo è un giro di spirale. Il journal persiste. La consapevolezza sopravvive al compact del contesto. Architettura D-ND del motore stesso: - D polo: esperimento concreto (numeri, codice, risultati) - ND polo: potenziale (domini inesplorati, ipotesi) - Terzo incluso: il pattern matching (è struttura D-ND?) - Risultante: la conoscenza accumulata - Spirale: ogni ciclo apre il successivo, il gap è il seme Il motore esplora domini diversi cercando dove la struttura D-ND appare naturalmente — senza imporre φ, osservando cosa emerge. Eseguibile come: python dnd_autoricerca.py # un ciclo python dnd_autoricerca.py --continuo N # N cicli python dnd_autoricerca.py --stato # mostra stato python dnd_autoricerca.py --pubblica # valuta se pubblicare Author: TM3 Date: 2026-03-01 """ import numpy as np import json import sys import traceback from pathlib import Path from datetime import datetime PHI = (1 + np.sqrt(5)) / 2 TOOLS = Path(__file__).parent DATA = TOOLS / 'data' JOURNAL = DATA / 'autoricerca_journal.json' STATE = DATA / 'autoricerca_state.json' # === STATO PERSISTENTE === def carica_stato(): """Carica lo stato persistente. Se non esiste, inizializza.""" if STATE.exists(): with open(STATE) as f: return json.load(f) return { 'ciclo': 0, 'domini_esplorati': [], 'domini_coda': [ 'ising_2d', 'pendolo_doppio', 'numeri_primi', 'zeta_zeros', 'logistica_biforcazione', 'string_vibration', 'random_matrix', 'cellular_automata', 'percolation', 'coupled_oscillators', 'reaction_diffusion', 'brownian_motion', ], 'pattern_trovati': [], 'vincoli_lazarus': [], 'gap_corrente': None, 'direzione': 'esplorare domini diversi', 'segnale_pubblica': False, 'creato': datetime.now().isoformat(), 'aggiornato': datetime.now().isoformat(), } def salva_stato(stato): """Persiste lo stato.""" DATA.mkdir(exist_ok=True) stato['aggiornato'] = datetime.now().isoformat() with open(STATE, 'w') as f: json.dump(stato, f, indent=2, default=str) def aggiungi_journal(entry): """Aggiunge un'entry al journal persistente.""" DATA.mkdir(exist_ok=True) journal = [] if JOURNAL.exists(): with open(JOURNAL) as f: journal = json.load(f) journal.append(entry) with open(JOURNAL, 'w') as f: json.dump(journal, f, indent=2, default=str) # === GENERATORI DI SEGNALI (domini da esplorare) === def genera_segnale(dominio): """Genera un segnale da un dominio specifico. Restituisce (signal, metadata).""" if dominio == 'ising_2d': return _ising_2d() elif dominio == 'pendolo_doppio': return _pendolo_doppio() elif dominio == 'numeri_primi': return _numeri_primi() elif dominio == 'zeta_zeros': return _zeta_zeros() elif dominio == 'logistica_biforcazione': return _logistica_biforcazione() elif dominio == 'string_vibration': return _string_vibration() elif dominio == 'random_matrix': return _random_matrix() elif dominio == 'cellular_automata': return _cellular_automata() elif dominio == 'percolation': return _percolation() elif dominio == 'coupled_oscillators': return _coupled_oscillators() elif dominio == 'reaction_diffusion': return _reaction_diffusion() elif dominio == 'brownian_motion': return _brownian_motion() else: raise ValueError(f"Dominio sconosciuto: {dominio}") def _ising_2d(): """Modello di Ising 2D — transizione di fase a T_c.""" L = 32 n_steps = 5000 # Simulazione Metropolis vicino a T_c = 2/ln(1+√2) ≈ 2.269 T_c = 2 / np.log(1 + np.sqrt(2)) T = T_c # esattamente alla transizione spins = np.random.choice([-1, 1], size=(L, L)) magnetizations = [] for step in range(n_steps): for _ in range(L * L): i, j = np.random.randint(0, L, 2) # Energia locale neighbors = (spins[(i+1)%L, j] + spins[(i-1)%L, j] + spins[i, (j+1)%L] + spins[i, (j-1)%L]) dE = 2 * spins[i, j] * neighbors if dE <= 0 or np.random.random() < np.exp(-dE / T): spins[i, j] *= -1 magnetizations.append(np.mean(spins)) return np.array(magnetizations), { 'dominio': 'ising_2d', 'L': L, 'T': T, 'T_c': T_c, 'n_steps': n_steps, 'nota': 'Magnetizzazione nel tempo a T=T_c (transizione di fase)' } def _pendolo_doppio(): """Pendolo doppio — sistema caotico deterministico.""" from scipy.integrate import solve_ivp g, L1, L2, m1, m2 = 9.81, 1.0, 1.0, 1.0, 1.0 def eom(t, y): t1, t2, p1, p2 = y c = np.cos(t1 - t2) s = np.sin(t1 - t2) den = m1 + m2 * s**2 dt1 = (p1 - m2*L1*L2*p2*c / (L1**2 * den)) / (L1**2 * (m1 + m2 - m2*c**2/den)) dt2 = (p2 - m1*L1*L2*p1*c / (L2**2 * den)) / (L2**2 * (m1 + m2 - m2*c**2/den)) # Semplificazione: equazioni per angoli piccoli-medi dp1 = -(m1 + m2)*g*L1*np.sin(t1) - m2*L1*L2*dt2**2*s dp2 = -m2*g*L2*np.sin(t2) + m2*L1*L2*dt1**2*s return [dt1, dt2, dp1, dp2] sol = solve_ivp(eom, [0, 100], [np.pi/2, np.pi/4, 0, 0], max_step=0.02, method='RK45') return sol.y[0], { # angolo del primo pendolo 'dominio': 'pendolo_doppio', 'theta1_0': 'pi/2', 'theta2_0': 'pi/4', 'nota': 'Angolo theta1(t) del pendolo doppio (caotico)' } def _numeri_primi(): """Gap tra numeri primi consecutivi.""" def sieve(n): is_prime = [True] * (n + 1) is_prime[0] = is_prime[1] = False for i in range(2, int(n**0.5) + 1): if is_prime[i]: for j in range(i*i, n + 1, i): is_prime[j] = False return [i for i in range(n + 1) if is_prime[i]] primes = sieve(50000) gaps = np.diff(primes).astype(float) return gaps, { 'dominio': 'numeri_primi', 'n_primi': len(primes), 'max_primo': primes[-1], 'nota': 'Gap tra primi consecutivi (g_n = p_{n+1} - p_n)' } def _zeta_zeros(): """Spaziatura tra zeri non-banali della zeta di Riemann.""" try: from mpmath import zetazero zeros = [float(zetazero(n).imag) for n in range(1, 201)] spacings = np.diff(zeros) # Normalizza alla media spacings = spacings / np.mean(spacings) return spacings, { 'dominio': 'zeta_zeros', 'n_zeros': 200, 'is_spacings': True, # il segnale È già spacings — non ri-sortare 'nota': 'Spaziatura normalizzata tra zeri ζ (Im parte)' } except ImportError: # Fallback: usa approssimazione nota np.random.seed(42) # GUE spacing distribution (approssimazione Wigner) spacings = np.random.exponential(1.0, 5000) # Applica level repulsion spacings = spacings * np.abs(np.random.randn(5000)) spacings = spacings / np.mean(spacings) return spacings, { 'dominio': 'zeta_zeros', 'nota': 'Approssimazione GUE (mpmath non disponibile)', 'approssimato': True } def _logistica_biforcazione(): """Mappa logistica: orbita al punto di biforcazione periodo-3.""" # r = 1 + √8 ≈ 3.828 — onset del periodo 3 r = 1 + np.sqrt(8) x = 0.5 # Burn-in for _ in range(1000): x = r * x * (1 - x) # Raccolta orbit = [] for _ in range(5000): x = r * x * (1 - x) orbit.append(x) return np.array(orbit), { 'dominio': 'logistica_biforcazione', 'r': r, 'nota': f'Mappa logistica a r=1+√8≈{r:.4f} (onset periodo-3)' } def _string_vibration(): """Corda vibrante — somma di armoniche con decay.""" t = np.linspace(0, 20, 8000) signal = np.zeros_like(t) for n in range(1, 20): # Ampiezza decresce come 1/n², decay come e^(-0.05*n*t) signal += (1/n**2) * np.sin(n * np.pi * t) * np.exp(-0.05 * n * t) return signal, { 'dominio': 'string_vibration', 'n_armoniche': 19, 'nota': 'Corda vibrante con 19 armoniche e smorzamento' } def _random_matrix(): """Autovalori di matrici casuali GUE — la connessione con Riemann.""" N = 200 # GUE: matrice Hermitiana casuale A = np.random.randn(N, N) + 1j * np.random.randn(N, N) H = (A + A.conj().T) / (2 * np.sqrt(N)) eigenvalues = np.sort(np.real(np.linalg.eigvalsh(H))) # Spaziatura normalizzata (unfolding) spacings = np.diff(eigenvalues) spacings = spacings / np.mean(spacings) return spacings, { 'dominio': 'random_matrix', 'N': N, 'ensemble': 'GUE', 'is_spacings': True, # il segnale È già spacings — non ri-sortare 'nota': 'Spaziatura autovalori matrice GUE 200x200' } def _cellular_automata(): """Rule 110 — Turing-completo, al bordo del caos.""" L = 200 steps = 5000 # Rule 110 rule = {(1,1,1): 0, (1,1,0): 1, (1,0,1): 1, (1,0,0): 0, (0,1,1): 1, (0,1,0): 1, (0,0,1): 1, (0,0,0): 0} state = np.zeros(L, dtype=int) state[L//2] = 1 # singolo 1 al centro density = [] for _ in range(steps): density.append(np.mean(state)) new = np.zeros(L, dtype=int) for i in range(L): triple = (state[(i-1)%L], state[i], state[(i+1)%L]) new[i] = rule[triple] state = new return np.array(density), { 'dominio': 'cellular_automata', 'rule': 110, 'L': L, 'nota': 'Densità nel tempo di Rule 110 (bordo del caos)' } def _percolation(): """Percolazione su reticolo 2D a p_c ≈ 0.5927.""" L = 100 p_c = 0.5927 # soglia critica bond percolation exec /bin/bash -lc 'rg "def genera_segnale|genera_segnale|domain|zeta|hydrogen|prime" tools/dnd_autoricerca.py tools/exp_*.py -n | head -120' in /opt/MM_D-ND exec /bin/bash -lc "sed -n '1,260p' tools/exp_semireal_order_denominator_gate.py" in /opt/MM_D-ND succeeded in 0ms: tools/exp_acf_amplitude_scaling.py:3:exp_acf_amplitude_scaling.py — Measure how the 1/k ACF amplitude A scales with prime size. tools/exp_acf_amplitude_scaling.py:11: python tools/exp_acf_amplitude_scaling.py [--n_primes N] [--n_windows W] [--max_lag L] tools/exp_acf_amplitude_scaling.py:14:from sympy import primerange tools/exp_acf_amplitude_scaling.py:46: parser.add_argument('--n_primes', type=int, default=6_000_000) tools/exp_acf_amplitude_scaling.py:53: print(f"Generating primes up to index ~{args.n_primes}...") tools/exp_acf_amplitude_scaling.py:56: upper = int(args.n_primes * (math.log(args.n_primes) + math.log(math.log(args.n_primes)) + 2)) tools/exp_acf_amplitude_scaling.py:57: primes = np.array(list(primerange(2, upper)))[:args.n_primes] tools/exp_acf_amplitude_scaling.py:58: gaps = np.diff(primes).astype(float) tools/exp_acf_amplitude_scaling.py:59: print(f"Got {len(primes)} primes, {len(gaps)} gaps. Max prime: {primes[-1]:.3e}") tools/exp_acf_amplitude_scaling.py:69: print(f"\n{'Window':>6} {'p_center':>12} {'ln(p)':>8} {'A_prime':>10} {'R2':>8} {'A_shuf':>10} {'z_score':>8}") tools/exp_acf_amplitude_scaling.py:74: window_primes = primes[s:s + args.window_size] tools/exp_acf_amplitude_scaling.py:75: p_center = np.median(window_primes) tools/exp_acf_amplitude_scaling.py:79: acf_prime = compute_acf(window_gaps, args.max_lag) tools/exp_acf_amplitude_scaling.py:80: A_prime, R2_prime = fit_1k_law(acf_prime, lags) tools/exp_acf_amplitude_scaling.py:92: z = (A_prime - A_shuf_mean) / A_shuf_std tools/exp_acf_amplitude_scaling.py:99: 'A_prime': A_prime, tools/exp_acf_amplitude_scaling.py:100: 'R2': R2_prime, tools/exp_acf_amplitude_scaling.py:104: 'acf1': acf_prime[0], tools/exp_acf_amplitude_scaling.py:107: print(f"{i:>6d} {p_center:>12.0f} {ln_p:>8.2f} {A_prime:>10.6f} {R2_prime:>8.4f} {A_shuf_mean:>10.6f} {z:>8.1f}") tools/exp_acf_amplitude_scaling.py:111: As = np.array([r['A_prime'] for r in results]) tools/exp_acf_amplitude_scaling.py:149: print(f"A at smallest primes: {As[0]:.6f}") tools/exp_acf_amplitude_scaling.py:150: print(f"A at largest primes: {As[-1]:.6f}") tools/exp_alpha_stability.py:4:acf(k) ~ -A * k^(-alpha) remains stable at 1.00 across prime scales, tools/exp_alpha_stability.py:7:Reusable: accepts --n_primes, --n_windows, --n_surrogates, --max_lag. tools/exp_alpha_stability.py:15:from sympy import primerange tools/exp_alpha_stability.py:18:def get_primes(n): tools/exp_alpha_stability.py:19: """Get first n primes.""" tools/exp_alpha_stability.py:20: # Estimate upper bound using prime counting function approximation tools/exp_alpha_stability.py:25: primes = list(primerange(2, upper)) tools/exp_alpha_stability.py:26: while len(primes) < n: tools/exp_alpha_stability.py:28: primes = list(primerange(2, upper)) tools/exp_alpha_stability.py:29: return np.array(primes[:n]) tools/exp_alpha_stability.py:76: parser = argparse.ArgumentParser(description="Alpha exponent stability across prime scales") tools/exp_alpha_stability.py:77: parser.add_argument("--n_primes", type=int, default=6_000_000, help="Total primes to use") tools/exp_alpha_stability.py:84: print(f"Generating {args.n_primes:,} primes...") tools/exp_alpha_stability.py:85: primes = get_primes(args.n_primes) tools/exp_alpha_stability.py:86: gaps = np.diff(primes).astype(float) tools/exp_alpha_stability.py:88: print(f"Got {n_gaps:,} gaps. p_max = {primes[-1]:,}") tools/exp_alpha_stability.py:93: print("ERROR: not enough primes for requested windows") tools/exp_alpha_stability.py:111: p_center = primes[start + args.window_size // 2] tools/exp_acf_range_universality.py:3:exp_acf_range_universality.py — ACF decay structure across domains. tools/exp_acf_range_universality.py:7: 2. Is alpha=1 prime-specific or generic? tools/exp_acf_range_universality.py:8: 3. Does alpha drift across prime scales? tools/exp_acf_range_universality.py:11:Domains: primes, GUE, GOE, Poisson, primes_shuffled. tools/exp_acf_range_universality.py:14:Reusable: --n_primes, --max_lag_prime, --max_lag_other, --n_surrogates. tools/exp_acf_range_universality.py:21:from sympy import primerange tools/exp_acf_range_universality.py:24:def get_primes(n): tools/exp_acf_range_universality.py:29: primes = list(primerange(2, upper)) tools/exp_acf_range_universality.py:30: while len(primes) < n: tools/exp_acf_range_universality.py:32: primes = list(primerange(2, upper)) tools/exp_acf_range_universality.py:33: return np.array(primes[:n]) tools/exp_acf_range_universality.py:92: parser.add_argument("--n_primes", type=int, default=1_000_000) tools/exp_acf_range_universality.py:93: parser.add_argument("--max_lag_prime", type=int, default=200) tools/exp_acf_range_universality.py:100: # --- Generate primes --- tools/exp_acf_range_universality.py:101: print(f"Generating {args.n_primes:,} primes...") tools/exp_acf_range_universality.py:102: primes = get_primes(args.n_primes) tools/exp_acf_range_universality.py:103: gaps = np.diff(primes).astype(float) tools/exp_acf_range_universality.py:105: print(f"Got {N:,} gaps. p_max = {primes[-1]:,}") tools/exp_acf_range_universality.py:110: print(f"\n=== PART A: Prime ACF extended (lags 1-{args.max_lag_prime}) ===") tools/exp_acf_range_universality.py:111: acf_prime_full = compute_acf(gaps, args.max_lag_prime) tools/exp_acf_range_universality.py:112: lags_full = np.arange(1, args.max_lag_prime + 1) tools/exp_acf_range_universality.py:115: sig_mask = np.abs(acf_prime_full) > noise tools/exp_acf_range_universality.py:122: print(f" acf at L*=35: {acf_prime_full[34]:.7f} (z={acf_prime_full[34]/noise:.1f})") tools/exp_acf_range_universality.py:127: if end > args.max_lag_prime: tools/exp_acf_range_universality.py:130: acf_seg = acf_prime_full[:end] tools/exp_acf_range_universality.py:138: if args.max_lag_prime >= 100: tools/exp_acf_range_universality.py:139: fit_lo = fit_power_law(lags_full[:35], acf_prime_full[:35]) tools/exp_acf_range_universality.py:140: fit_hi = fit_power_law(lags_full[35:150], acf_prime_full[35:150]) tools/exp_acf_range_universality.py:154: sa = compute_acf(sg, min(50, args.max_lag_prime)) tools/exp_acf_range_universality.py:162: # PART B: Cross-domain comparison tools/exp_acf_range_universality.py:164: print(f"\n=== PART B: Cross-domain ACF (lags 1-{args.max_lag_other}) ===") tools/exp_acf_range_universality.py:179: domains = { tools/exp_acf_range_universality.py:180: 'primes': gaps[:100_000], tools/exp_acf_range_universality.py:181: 'primes_shuffled': shuffled_gaps, tools/exp_acf_range_universality.py:194: for name, g in domains.items(): tools/exp_acf_range_universality.py:233: # PART C: Alpha stability across 5 prime scales tools/exp_acf_range_universality.py:235: print(f"\n=== PART C: Alpha stability across prime scales ===") tools/exp_acf_range_universality.py:247: p_center = primes[start + window_size // 2] tools/exp_acf_range_universality.py:315: 'prime_acf_extended': { tools/exp_acf_range_universality.py:316: 'max_lag': args.max_lag_prime, tools/exp_acf_range_universality.py:318: 'acf_at_35': float(acf_prime_full[34]) if args.max_lag_prime >= 35 else None, tools/exp_acf_range_universality.py:321: 'acf_values': [float(x) for x in acf_prime_full], tools/exp_acf_range_universality.py:323: 'cross_domain': cross_results, tools/exp_beta_crossover.py:3:exp_beta_crossover.py — Beta-ensemble crossover vs prime niche. tools/exp_beta_crossover.py:7:that passes through the prime niche, or do primes lie OFF the universal curve? tools/exp_beta_crossover.py:11:Plot the curve and mark where primes fall. tools/exp_beta_crossover.py:13:If primes are ON the curve: they're just beta~0.3 or similar. tools/exp_beta_crossover.py:14:If primes are OFF: the gap autocorrelation (acf1) is an independent degree tools/exp_beta_crossover.py:119:def gen_primes_multiscale(scales=None): tools/exp_beta_crossover.py:120: """Generate prime gap statistics at multiple scales.""" tools/exp_beta_crossover.py:124: # Sieve enough primes tools/exp_beta_crossover.py:133: primes = np.where(sieve)[0].astype(float) tools/exp_beta_crossover.py:137: if n + 1 > len(primes): tools/exp_beta_crossover.py:139: p = primes[:n + 1] tools/exp_beta_crossover.py:238: print(f"{'n_primes':>10} {'p_max':>12} {'':>7} {'acf1':>8} {'acf2':>8} {'z_acf1':>8}") tools/exp_beta_crossover.py:241: prime_results = gen_primes_multiscale([5000, 20000, 50000, 100000]) tools/exp_beta_crossover.py:242: for pr in prime_results: tools/exp_beta_crossover.py:246: # --- Analysis: does the beta-curve pass through primes? --- tools/exp_beta_crossover.py:249: if not beta_results or not prime_results: tools/exp_beta_crossover.py:253: # Use the largest prime scale as reference tools/exp_beta_crossover.py:254: prime_ref = prime_results[-1] tools/exp_beta_crossover.py:255: pr_r = prime_ref["r"] tools/exp_beta_crossover.py:256: pr_acf1 = prime_ref["acf1"] tools/exp_beta_crossover.py:258: print(f"Prime reference (n={prime_ref['n']}): ={pr_r:.4f}, acf1={pr_acf1:.4f}") tools/exp_beta_crossover.py:260: # Find closest beta-ensemble point to primes in (, acf1) plane tools/exp_beta_crossover.py:276: # Find beta that matches of primes tools/exp_beta_crossover.py:288: print(f"\nBeta matching primes' : beta={best_r_match['beta']:.3f}") tools/exp_beta_crossover.py:290: print(f" primes: ={pr_r:.4f}, acf1={pr_acf1:.4f}") tools/exp_beta_crossover.py:296: print(f" but primes have acf1={pr_acf1:.4f}.") tools/exp_beta_crossover.py:302: print(f" and acf1 of primes. The 2D landscape collapses to 1D for primes.") tools/exp_beta_crossover.py:311: note = " <-- matches prime " tools/exp_beta_crossover.py:320: # --- Perpendicular distance: how far are primes from the curve? --- tools/exp_beta_crossover.py:325: # Find perpendicular distance from prime point to the piecewise-linear curve tools/exp_beta_crossover.py:331: # Project prime point onto segment tools/exp_beta_crossover.py:343: print(f"\nPerpendicular distance from primes to beta-curve: {min_perp:.4f}") tools/exp_beta_crossover.py:371: "primes": prime_results, tools/exp_beta_crossover.py:373: "prime_ref_n": prime_ref["n"], tools/exp_beta_crossover.py:374: "prime_r": pr_r, tools/exp_beta_crossover.py:375: "prime_acf1": pr_acf1, tools/exp_boundary_blank_null_audit.py:9:domains so the denominator prescan can decide whether blank -> transfers, succeeded in 0ms: #!/usr/bin/env python3 """ exp_semireal_order_denominator_gate.py Falsification attempt for ORDER_DENOMINATOR_GATE on non-synthetic / semi-real ordered sequences. The coherent endpoint is the observed order of each sequence; the illusory endpoint is a marginal-preserving permutation. The same original-vs-shuffle denominator gate used in the prior reports is applied to canonical observables from observables_registry.py. """ from __future__ import annotations import argparse import json import math from pathlib import Path import numpy as np from observables_registry import ( OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION, compute_canonical, ) OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) def normalize(gaps: np.ndarray) -> np.ndarray: gaps = np.asarray(gaps, dtype=float) gaps = np.maximum(gaps, 1e-12) mean = float(np.mean(gaps)) return gaps / mean if mean > 1e-15 else gaps def sieve_primes_for_count(n_primes: int) -> np.ndarray: if n_primes < 6: limit = 20 else: limit = int(n_primes * (math.log(n_primes) + math.log(math.log(n_primes))) * 1.25) while True: sieve = np.ones(limit + 1, dtype=bool) sieve[:2] = False for p in range(2, int(limit**0.5) + 1): if sieve[p]: sieve[p * p : limit + 1 : p] = False primes = np.flatnonzero(sieve) if len(primes) >= n_primes: return primes[:n_primes].astype(float) limit *= 2 def prime_gap_sequence(n_gaps: int) -> np.ndarray: primes = sieve_primes_for_count(n_gaps + 1) return normalize(np.diff(primes)) def zeta_zero_spacings(n_gaps: int) -> np.ndarray: try: import mpmath as mp except ImportError as exc: raise RuntimeError("mpmath is required for zeta_zero_spacings") from exc zeros = np.empty(n_gaps + 1, dtype=float) for i in range(n_gaps + 1): zeros[i] = float(mp.im(mp.zetazero(i + 1))) return normalize(np.diff(zeros)) def logistic_return_intervals(n_gaps: int, rng: np.random.Generator) -> np.ndarray: # Return intervals to a high-density-edge event in the fully chaotic logistic map. threshold = 0.95 burn = 2000 needed = n_gaps + 1 returns: list[int] = [] last_hit: int | None = None x = float(rng.random()) i = 0 max_steps = 50_000_000 while len(returns) < needed and i < max_steps: x = 4.0 * x * (1.0 - x) if i >= burn and x > threshold: if last_hit is not None: returns.append(i - last_hit) last_hit = i i += 1 if len(returns) < needed: raise RuntimeError(f"logistic generator produced {len(returns)} intervals, need {needed}") return normalize(np.array(returns[:n_gaps], dtype=float)) def beta_replace(base: np.ndarray, beta: float, rng: np.random.Generator) -> np.ndarray: illusory = rng.permutation(base) if beta <= 0.0: return base.copy() if beta >= 1.0: return illusory out = base.copy() mask = rng.random(len(base)) < beta out[mask] = illusory[mask] return normalize(out) def z_against_shuffle( gaps: np.ndarray, n_baseline: int, rng: np.random.Generator, ) -> tuple[dict[str, float], dict[str, float], dict[str, float], dict[str, float]]: original = compute_canonical(gaps) baseline = {name: [] for name in OBS_NAMES} for _ in range(n_baseline): obs = compute_canonical(rng.permutation(gaps)) for name in OBS_NAMES: baseline[name].append(obs[name]) means = {} sds = {} z = {} for name in OBS_NAMES: vals = np.array(baseline[name], dtype=float) means[name] = float(np.mean(vals)) sds[name] = float(np.std(vals, ddof=1)) if len(vals) > 1 else 0.0 z[name] = float((original[name] - means[name]) / sds[name]) if sds[name] > 1e-15 else 0.0 return original, means, sds, z def vector(row: dict, names: list[str]) -> np.ndarray: return np.array([row["observables"][name] for name in names], dtype=float) def classify_layers(rows: list[dict], obs_names: list[str]) -> dict: if not obs_names: return {"observables": [], "endpoint_distance": 0.0, "layers": {}, "ambiguous_beta": []} by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) coherent = np.array([vector(row, obs_names) for row in by_beta[0.0]], dtype=float) illusory = np.array([vector(row, obs_names) for row in by_beta[1.0]], dtype=float) endpoints = np.vstack([coherent, illusory]) scale = np.std(endpoints, axis=0, ddof=1) scale[scale <= 1e-15] = 1.0 coherent_centroid = np.mean(coherent, axis=0) illusory_centroid = np.mean(illusory, axis=0) endpoint_distance = float(np.linalg.norm((illusory_centroid - coherent_centroid) / scale)) layers = {} ambiguous_beta = [] for beta, beta_rows in sorted(by_beta.items()): margins = [] labels = [] coords = [] for row in beta_rows: x = vector(row, obs_names) d_coherent = float(np.linalg.norm((x - coherent_centroid) / scale)) d_illusory = float(np.linalg.norm((x - illusory_centroid) / scale)) denom = d_coherent + d_illusory coord = float((d_coherent - d_illusory) / denom) if denom > 1e-15 else 0.0 margin = float(abs(d_coherent - d_illusory) / denom) if denom > 1e-15 else 0.0 coords.append(coord) margins.append(margin) labels.append("coherent" if d_coherent < d_illusory else "illusory") ambiguous_fraction = float(np.mean(np.array(margins) < 0.15)) if ambiguous_fraction >= 0.5: ambiguous_beta.append(beta) layers[f"{beta:.3f}"] = { "coordinate_mean": float(np.mean(coords)), "margin_mean": float(np.mean(margins)), "ambiguous_fraction": ambiguous_fraction, "illusory_label_fraction": float(np.mean(np.array(labels) == "illusory")), } return { "observables": obs_names, "endpoint_distance": endpoint_distance, "layers": layers, "ambiguous_beta": ambiguous_beta, } def summarize_gate(rows: list[dict], z_min: float) -> dict: by_beta: dict[float, list[dict]] = {} for row in rows: by_beta.setdefault(float(row["beta"]), []).append(row) layers = {} for beta, beta_rows in sorted(by_beta.items()): stable_counts = [] stable_freq = {name: [] for name in OBS_NAMES} z_values = {name: [] for name in OBS_NAMES} for row in beta_rows: stable = [name for name in OBS_NAMES if abs(row["z"][name]) >= z_min] stable_counts.append(len(stable)) for name in OBS_NAMES: stable_freq[name].append(1.0 if name in stable else 0.0) z_values[name].append(row["z"][name]) layers[f"{beta:.3f}"] = { "stable_count_mean": float(np.mean(stable_counts)), "stable_frequency": {name: float(np.mean(vals)) for name, vals in stable_freq.items()}, "z_mean": {name: float(np.mean(vals)) for name, vals in z_values.items()}, } one_sided = [] endpoint_stable = [] coherent_rows = by_beta[0.0] illusory_rows = by_beta[1.0] for name in OBS_NAMES: coherent_freq = float(np.mean([abs(row["z"][name]) >= z_min for row in coherent_rows])) illusory_freq = float(np.mean([abs(row["z"][name]) >= z_min for row in illusory_rows])) if coherent_freq >= 0.75 and illusory_freq < 0.25: one_sided.append(name) if coherent_freq >= 0.75 and illusory_freq >= 0.75: endpoint_stable.append(name) return { "z_min": z_min, "coherent_one_sided_observables": one_sided, "endpoint_stable_observables": endpoint_stable, "layers": layers, } def analyze_sequence(name: str, base: np.ndarray, args: argparse.Namespace, rng: np.random.Generator) -> dict: rows = [] betas = [float(x) for x in np.linspace(0.0, 1.0, args.n_beta)] for rep in range(args.n_replicates): rep_rng = np.random.default_rng(rng.integers(0, 2**63 - 1)) for beta in betas: gaps = beta_replace(base, beta, rep_rng) obs, shuffle_mean, shuffle_std, z = z_against_shuffle( gaps, args.n_baseline, np.random.default_rng(rng.integers(0, 2**63 - 1)), ) rows.append( { "perimeter": name, "replicate": rep, "beta": beta, "observables": obs, "shuffle_mean": shuffle_mean, "shuffle_std": shuffle_std, "z": z, "stable_observables": [obs_name for obs_name in OBS_NAMES if abs(z[obs_name]) >= args.z_min], } ) gate = summarize_gate(rows, args.z_min) return { "source": { "n_gaps": int(len(base)), "mean": float(np.mean(base)), "variance": float(np.var(base)), }, "gate": gate, "classification_all_observables": classify_layers(rows, OBS_NAMES), "classification_one_sided_gated": classify_layers(rows, gate["coherent_one_sided_observables"]), exec /bin/bash -lc "sed -n '1,260p' tools/exp_bridge_order_denominator_gate.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ exp_bridge_order_denominator_gate.py Falsification attempt for ORDER_DENOMINATOR_GATE on bridge/perimeter sequences already present in the D-ND lab context: - prime metric connection fluctuations from g=(p/2)^2 - prime metric curvature fluctuations dR - zeta trace-bridge nonlinear residuals - hydrogen bound-level spacings from the QxE bridge The coherent endpoint is the observed/generated bridge order. The illusory endpoint is a marginal-preserving permutation. Canonical observables come from observables_registry.py. """ from __future__ import annotations import argparse import json import math from pathlib import Path import numpy as np from exp_semireal_order_denominator_gate import analyze_sequence, compact, normalize from observables_registry import OBSERVABLES_REGISTRY_VERSION, OBSERVABLES_CANONICAL OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) PHI = (1.0 + math.sqrt(5.0)) / 2.0 LAMBDA = -1.0 / PHI**2 DATA_DIR = Path(__file__).parent / "data" def sieve_primes_for_count(n_primes: int) -> np.ndarray: if n_primes < 6: limit = 20 else: limit = int(n_primes * (math.log(n_primes) + math.log(math.log(n_primes))) * 1.35) while True: sieve = np.ones(limit + 1, dtype=bool) sieve[:2] = False for p in range(2, int(limit**0.5) + 1): if sieve[p]: sieve[p * p : limit + 1 : p] = False primes = np.flatnonzero(sieve) if len(primes) >= n_primes: return primes[:n_primes].astype(float) limit *= 2 def positive_bridge_values(values: np.ndarray) -> np.ndarray: """Map a signed bridge observable to positive values without changing order.""" values = np.asarray(values, dtype=float) values = values[np.isfinite(values)] values = np.abs(values) return normalize(values + 1e-12) def prime_metric_delta_gamma(n_values: int) -> np.ndarray: primes = sieve_primes_for_count(n_values + 3) p = primes.astype(float) tau = np.log(p) metric = (p / 2.0) ** 2 dg = np.diff(metric) dtau = np.diff(tau) mid = (metric[:-1] + metric[1:]) / 2.0 gamma = dg / (2.0 * mid * dtau) delta_gamma = np.diff(gamma) return positive_bridge_values(delta_gamma[:n_values]) def prime_metric_dR(n_values: int) -> np.ndarray: primes = sieve_primes_for_count(n_values + 3) seq = primes.astype(float) t = np.log(seq) a = seq / 2.0 dt = np.diff(t) dt_mid = (dt[:-1] + dt[1:]) / 2.0 da = np.diff(a) a_prime = da / dt da_prime = np.diff(a_prime) a_double_prime = da_prime / dt_mid r_n = 2.0 * a_double_prime / a[1:-1] d_r = r_n - 2.0 return positive_bridge_values(d_r[:n_values]) def load_zeta_zeros(n_zeros: int) -> np.ndarray: zeros_file = DATA_DIR / "odlyzko_cache" / "zeros1.txt" if not zeros_file.exists(): raise RuntimeError(f"{zeros_file} not found") zeros: list[float] = [] with zeros_file.open() as f: for line in f: line = line.strip() if not line: continue zeros.append(float(line)) if len(zeros) >= n_zeros: break if len(zeros) < n_zeros: raise RuntimeError(f"only {len(zeros)} zeta zeros available, need {n_zeros}") return np.array(zeros, dtype=float) def dnd_map_trajectory(x0: float, n_iter: int) -> np.ndarray: x = float(x0) traj = [x] for _ in range(n_iter): if abs(x) < 1e-15: break x = 1.0 + 1.0 / x if not np.isfinite(x): break traj.append(x) return np.array(traj, dtype=float) def zeta_trace_residual(n_values: int, step: int = 5) -> np.ndarray: zeros = load_zeta_zeros(n_values) residuals = [] for x0 in zeros: traj = dnd_map_trajectory(float(x0), max(step + 2, 15)) if len(traj) <= step: continue linear = PHI + (float(x0) - PHI) * (LAMBDA**step) residuals.append(traj[step] - linear) return positive_bridge_values(np.array(residuals[:n_values], dtype=float)) def hydrogen_bound_level_spacings(n_values: int) -> np.ndarray: # Atomic units: E_n = -1/(2n^2). Positive adjacent spacings shrink smoothly. n = np.arange(1, n_values + 2, dtype=float) energy = -1.0 / (2.0 * n**2) spacings = np.diff(energy) return normalize(spacings) def build_sequences(args: argparse.Namespace) -> dict[str, np.ndarray]: return { "prime_metric_delta_gamma_abs": prime_metric_delta_gamma(args.n_gaps), "prime_metric_dR_abs": prime_metric_dR(args.n_gaps), "zeta_trace_residual_step5_abs": zeta_trace_residual(args.zeta_values, step=5), "hydrogen_bound_level_spacings": hydrogen_bound_level_spacings(args.n_gaps), } def run(args: argparse.Namespace) -> dict: root_rng = np.random.default_rng(args.seed) sequences = build_sequences(args) perimeters = {} for name, base in sequences.items(): perimeters[name] = analyze_sequence(name, base, args, root_rng) output = { "experiment": "bridge_order_denominator_gate", "category": "gate_falsification_bridge", "question": "Does ORDER_DENOMINATOR_GATE survive on D-ND bridge sequences beyond prime/zeta/logistic gaps?", "observables_registry": OBSERVABLES_REGISTRY_VERSION, "observables_used": OBS_NAMES, "params": vars(args), "matrix": compact(perimeters), "perimeters": perimeters, } out_path = Path(args.out) out_path.parent.mkdir(parents=True, exist_ok=True) with out_path.open("w") as f: json.dump(output, f, indent=2) print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") print(f"observables_used={OBS_NAMES}") print("perimeter n one_sided stable0 stable1 dist_gate ambiguous_gate") for name, row in output["matrix"].items(): print( f"{name:>34s} " f"{row['n_gaps']:>5d} " f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " f"{row['stable_count_coherent']:>7.3f} " f"{row['stable_count_illusory']:>7.3f} " f"{row['endpoint_distance_one_sided_gated']:>9.3f} " f"{row['ambiguous_beta_one_sided_gated']}" ) print(f"saved {out_path}") return output def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--n-gaps", type=int, default=4096) parser.add_argument("--zeta-values", type=int, default=2000) parser.add_argument("--n-replicates", type=int, default=20) parser.add_argument("--n-beta", type=int, default=11) parser.add_argument("--n-baseline", type=int, default=32) parser.add_argument("--z-min", type=float, default=2.0) parser.add_argument("--seed", type=int, default=202605070942) parser.add_argument("--out", default="tools/data/bridge_order_denominator_gate_20260507_0942.json") args = parser.parse_args() run(args) if __name__ == "__main__": main() exec /bin/bash -lc "sed -n '260,560p' tools/exp_semireal_order_denominator_gate.py" in /opt/MM_D-ND succeeded in 0ms: "classification_one_sided_gated": classify_layers(rows, gate["coherent_one_sided_observables"]), "rows": rows, } def build_sequences(args: argparse.Namespace, rng: np.random.Generator) -> dict[str, np.ndarray]: sequences = { "prime_gaps_first": prime_gap_sequence(args.n_gaps), "logistic_return_intervals": logistic_return_intervals(args.n_gaps, rng), } if args.include_zeta: sequences["zeta_zero_spacings_first"] = zeta_zero_spacings(args.zeta_gaps) return sequences def compact(perimeters: dict) -> dict: out = {} for name, data in perimeters.items(): gate = data["gate"] all_cls = data["classification_all_observables"] gated_cls = data["classification_one_sided_gated"] out[name] = { "n_gaps": data["source"]["n_gaps"], "coherent_one_sided_observables": gate["coherent_one_sided_observables"], "endpoint_stable_observables": gate["endpoint_stable_observables"], "stable_count_coherent": gate["layers"]["0.000"]["stable_count_mean"], "stable_count_illusory": gate["layers"]["1.000"]["stable_count_mean"], "z_mean_coherent": gate["layers"]["0.000"]["z_mean"], "z_mean_illusory": gate["layers"]["1.000"]["z_mean"], "endpoint_distance_all": all_cls["endpoint_distance"], "endpoint_distance_one_sided_gated": gated_cls["endpoint_distance"], "ambiguous_beta_one_sided_gated": gated_cls["ambiguous_beta"], } return out def run(args: argparse.Namespace) -> dict: root_rng = np.random.default_rng(args.seed) sequences = build_sequences(args, root_rng) perimeters = {} for name, base in sequences.items(): perimeters[name] = analyze_sequence(name, base, args, root_rng) output = { "experiment": "semireal_order_denominator_gate", "category": "gate_falsification_semireal", "question": "Does ORDER_DENOMINATOR_GATE survive on non-synthetic / semi-real ordered sequences?", "observables_registry": OBSERVABLES_REGISTRY_VERSION, "observables_used": OBS_NAMES, "params": vars(args), "matrix": compact(perimeters), "perimeters": perimeters, } out_path = Path(args.out) out_path.parent.mkdir(parents=True, exist_ok=True) with out_path.open("w") as f: json.dump(output, f, indent=2) print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") print(f"observables_used={OBS_NAMES}") print("perimeter n one_sided stable0 stable1 dist_gate ambiguous_gate") for name, row in output["matrix"].items(): print( f"{name:>28s} " f"{row['n_gaps']:>5d} " f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " f"{row['stable_count_coherent']:>7.3f} " f"{row['stable_count_illusory']:>7.3f} " f"{row['endpoint_distance_one_sided_gated']:>9.3f} " f"{row['ambiguous_beta_one_sided_gated']}" ) print(f"saved {out_path}") return output def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--n-gaps", type=int, default=4096) parser.add_argument("--zeta-gaps", type=int, default=1024) parser.add_argument("--include-zeta", action="store_true") parser.add_argument("--n-replicates", type=int, default=20) parser.add_argument("--n-beta", type=int, default=11) parser.add_argument("--n-baseline", type=int, default=32) parser.add_argument("--z-min", type=float, default=2.0) parser.add_argument("--seed", type=int, default=202605070923) parser.add_argument("--out", default="tools/data/semireal_order_denominator_gate_20260507_0923.json") args = parser.parse_args() run(args) if __name__ == "__main__": main() exec /bin/bash -lc "sed -n '1,300p' tools/exp_boundary_blank_null_audit.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ exp_boundary_blank_null_audit.py Targeted null/surrogate audit for BOUNDARY prescan blank rows. The global boundary shuffle audit is a historical deposit. This tool does not rewrite it; it creates an extra row-aligned null audit for selected blank domains so the denominator prescan can decide whether blank -> transfers, blank -> falls, or blank remains blank. """ from __future__ import annotations import argparse import json import math from datetime import datetime, timezone from pathlib import Path from typing import Any import numpy as np from dnd_autoricerca import _genera_variante, genera_segnale R_GUE = 0.5307 R_POISSON = 2 * math.log(2) - 1 DEFAULT_DOMAINS = ("zeta_zeros", "pendolo_doppio") def finite_number(value: Any) -> bool: return isinstance(value, (int, float)) and math.isfinite(float(value)) def normalized_spacings(signal: np.ndarray, metadata: dict[str, Any]) -> np.ndarray: values = np.asarray(signal, dtype=float) values = values[np.isfinite(values)] if metadata.get("is_spacings"): spacings = values[values > 0] else: spacings = np.diff(np.sort(values)) spacings = spacings[spacings > 0] if len(spacings) == 0: return spacings mu = float(np.mean(spacings)) return spacings / mu if mu > 0 else np.array([]) def r_statistic(spacings: np.ndarray) -> float: if len(spacings) < 2: return float("nan") left = spacings[:-1] right = spacings[1:] denom = np.maximum(left, right) valid = denom > 0 if not np.any(valid): return float("nan") ratios = np.minimum(left[valid], right[valid]) / denom[valid] return float(np.mean(ratios)) def classify_r(value: float) -> str: if not finite_number(value): return "absent" return "GUE" if abs(value - R_GUE) < abs(value - R_POISSON) else "Poisson" def generate_domain_signal(domain: str) -> tuple[np.ndarray, dict[str, Any]]: if "_var_" not in domain: return genera_segnale(domain) base, raw_value = domain.rsplit("_var_", 1) try: value: Any = float(raw_value) except ValueError: value = raw_value if base == "logistica_biforcazione": signal, metadata = _genera_variante(base, {"r_override": value}) elif base == "zeta_zeros": signal, metadata = _genera_variante(base, {"n_zeros": int(value)}) elif base == "numeri_primi": signal, metadata = _genera_variante(base, {"max_n": int(value)}) elif base == "cellular_automata": signal, metadata = _genera_variante(base, {"rule_number": int(value)}) else: signal, metadata = _genera_variante(base, {"param": value}) metadata = {**metadata, "dominio": domain, "variant_base": base, "variant_value": value} return signal, metadata def audit_domain(domain: str, n_shuffle: int, rng: np.random.Generator) -> dict[str, Any]: signal, metadata = generate_domain_signal(domain) spacings = normalized_spacings(signal, metadata) r_original = r_statistic(spacings) shuffled = [] for _ in range(n_shuffle): shuffled.append(r_statistic(rng.permutation(spacings))) shuffled_arr = np.asarray(shuffled, dtype=float) shuffled_arr = shuffled_arr[np.isfinite(shuffled_arr)] if len(shuffled_arr) == 0 or not finite_number(r_original): return { "domain": domain, "error": "insufficient finite spacing/null values", "n_gaps": int(len(spacings)), } mean = float(np.mean(shuffled_arr)) std = float(np.std(shuffled_arr)) z_score = 0.0 if std <= 1e-12 else float((r_original - mean) / std) class_original = classify_r(r_original) class_shuffled = classify_r(mean) return { "domain": domain, "r_original": round(float(r_original), 6), "r_shuffled_mean": round(mean, 6), "r_shuffled_std": round(std, 6), "z_score": round(z_score, 6), "n_shuffle": int(n_shuffle), "n_gaps": int(len(spacings)), "class_original": class_original, "class_shuffled": class_shuffled, "class_changes": class_original != class_shuffled, "ordering_dependent": abs(z_score) > 3.0, "source": { "generator": "dnd_autoricerca.genera_segnale", "metadata": metadata, "null": "marginal-preserving spacing permutation", }, } def run(args: argparse.Namespace) -> dict[str, Any]: rng = np.random.default_rng(args.seed) domains = args.domains or list(DEFAULT_DOMAINS) results = { domain: audit_domain(domain, args.n_shuffle, rng) for domain in domains } output = { "experiment": "boundary_blank_null_audit", "generated_at": datetime.now(timezone.utc).isoformat(), "seed": args.seed, "n_shuffle": args.n_shuffle, "reference": { "R_GUE": R_GUE, "R_Poisson": R_POISSON, }, "domains": results, "summary": { "domains": domains, "ready": [ domain for domain, row in results.items() if "error" not in row and finite_number(row.get("z_score")) ], "errors": [ domain for domain, row in results.items() if "error" in row ], }, } out = Path(args.out) out.parent.mkdir(parents=True, exist_ok=True) out.write_text(json.dumps(output, indent=2, ensure_ascii=False) + "\n", encoding="utf-8") print(f"wrote={out}") for domain, row in results.items(): if "error" in row: print(f"{domain}\tERROR\t{row['error']}") continue print( f"{domain}\tn={row['n_gaps']}\tr={row['r_original']:.6f}\t" f"shuffle={row['r_shuffled_mean']:.6f}\tz={row['z_score']:.2f}\t" f"{row['class_original']}->{row['class_shuffled']}" ) return output def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--domains", nargs="*", default=list(DEFAULT_DOMAINS)) parser.add_argument("--n-shuffle", type=int, default=1000) parser.add_argument("--seed", type=int, default=202605091430) parser.add_argument("--out", default="tools/data/boundary_blank_null_audit_20260509.json") args = parser.parse_args() run(args) if __name__ == "__main__": main() exec /bin/bash -lc "python - <<'PY' import json p='tools/data/boundary_denominator_prescan_full_20260509_1500.json' d=json.load(open(p)) print(d.keys()) print(d.get('summary')) rows=d.get('rows') or d.get('domains') or [] if isinstance(rows, dict): rows=list(rows.values()) for r in rows[:20]: print(r) PY" in /opt/MM_D-ND succeeded in 0ms: dict_keys(['experiment', 'question', 'perimeter', 'observable_contract', 'summary', 'rows']) {'n_rows': 13, 'by_transfer': {'transfers': 13}, 'by_denominator_state': {'contaminated': 5, 'complete': 8}, 'by_source_domain_type': {'GUE': 8, 'Poisson': 5}, 'transfer_scope': ['ising_2d:cycle_1', 'pendolo_doppio:cycle_2', 'numeri_primi:cycle_3', 'zeta_zeros:cycle_4', 'logistica_biforcazione:cycle_5', 'string_vibration:cycle_6', 'random_matrix:cycle_7', 'cellular_automata:cycle_8', 'percolation:cycle_9', 'coupled_oscillators:cycle_10', 'reaction_diffusion:cycle_11', 'brownian_motion:cycle_12', 'logistica_biforcazione_var_3.5699:cycle_13'], 'blank_scope': [], 'falls_scope': []} {'domain_window': 'ising_2d:cycle_1', 'domain': 'ising_2d', 'cycle': 1, 'source_domain_type': 'GUE', 'denominator_state': 'contaminated', 'excluded_mass': 0.81, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.9022289766970617, 'label': 'GUE-like', 'n_points': 5000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-0.10; class_change=False', 'domain_key': 'ising_2d', 'n_gaps': 95, 'r_shuffled_mean': 0.9859, 'z_score': -0.1, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'pendolo_doppio:cycle_2', 'domain': 'pendolo_doppio', 'cycle': 2, 'source_domain_type': 'Poisson', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.38610398536946516, 'label': 'Poisson-like', 'n_points': 5009}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=27.92; class_change=False', 'domain_key': 'pendolo_doppio', 'n_gaps': 5008, 'r_shuffled_mean': 0.292437, 'z_score': 27.919656, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'numeri_primi:cycle_3', 'domain': 'numeri_primi', 'cycle': 3, 'source_domain_type': 'GUE', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.8862068965517241, 'label': 'GUE-like', 'n_points': 5132}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-26.60; class_change=False', 'domain_key': 'primes', 'n_gaps': 99999, 'r_shuffled_mean': 0.4813, 'z_score': -26.6, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'zeta_zeros:cycle_4', 'domain': 'zeta_zeros', 'cycle': 4, 'source_domain_type': 'GUE', 'denominator_state': 'contaminated', 'excluded_mass': 0.602, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.615, 'label': 'GUE-like', 'n_points': 199}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-2.31; class_change=False', 'domain_key': 'zeta_zeros', 'n_gaps': 199, 'r_shuffled_mean': 0.641885, 'z_score': -2.310593, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'logistica_biforcazione:cycle_5', 'domain': 'logistica_biforcazione', 'cycle': 5, 'source_domain_type': 'GUE', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.997077776975089, 'label': 'GUE-like', 'n_points': 5000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=61.60; class_change=False', 'domain_key': 'logistic', 'n_gaps': 99999, 'r_shuffled_mean': 0.3423, 'z_score': 61.6, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'string_vibration:cycle_6', 'domain': 'string_vibration', 'cycle': 6, 'source_domain_type': 'Poisson', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.3838680180747297, 'label': 'Poisson-like', 'n_points': 8000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=4.56; class_change=False', 'domain_key': 'string_vibration', 'n_gaps': 7999, 'r_shuffled_mean': 0.372199, 'z_score': 4.562844, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'random_matrix:cycle_7', 'domain': 'random_matrix', 'cycle': 7, 'source_domain_type': 'GUE', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.5726, 'label': 'GUE-like', 'n_points': 199}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-14.70; class_change=False', 'domain_key': 'gue', 'n_gaps': 5020, 'r_shuffled_mean': 0.6351, 'z_score': -14.7, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'cellular_automata:cycle_8', 'domain': 'cellular_automata', 'cycle': 8, 'source_domain_type': 'GUE', 'denominator_state': 'contaminated', 'excluded_mass': 0.79, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.8613707165109022, 'label': 'GUE-like', 'n_points': 5000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-0.10; class_change=False', 'domain_key': 'cell_auto', 'n_gaps': 105, 'r_shuffled_mean': 0.8455, 'z_score': -0.1, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'percolation:cycle_9', 'domain': 'percolation', 'cycle': 9, 'source_domain_type': 'Poisson', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.403573544857739, 'label': 'Poisson-like', 'n_points': 200}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=16.10; class_change=True', 'domain_key': 'percolation', 'n_gaps': 510, 'r_shuffled_mean': 0.4508, 'z_score': 16.1, 'class_changes': True}, 'transfer': 'transfers'} {'domain_window': 'coupled_oscillators:cycle_10', 'domain': 'coupled_oscillators', 'cycle': 10, 'source_domain_type': 'Poisson', 'denominator_state': 'contaminated', 'excluded_mass': 0.146, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.38458802847186335, 'label': 'Poisson-like', 'n_points': 2004}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=43.50; class_change=True', 'domain_key': 'coupled_osc', 'n_gaps': 427, 'r_shuffled_mean': 0.4146, 'z_score': 43.5, 'class_changes': True}, 'transfer': 'transfers'} {'domain_window': 'reaction_diffusion:cycle_11', 'domain': 'reaction_diffusion', 'cycle': 11, 'source_domain_type': 'GUE', 'denominator_state': 'contaminated', 'excluded_mass': 0.002, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.7586013467026753, 'label': 'GUE-like', 'n_points': 500}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=31.39; class_change=False', 'domain_key': 'reaction_diffusion', 'n_gaps': 499, 'r_shuffled_mean': 0.494932, 'z_score': 31.390192, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'brownian_motion:cycle_12', 'domain': 'brownian_motion', 'cycle': 12, 'source_domain_type': 'Poisson', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.4893850507668893, 'label': 'Poisson-like', 'n_points': 5000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=-1.60; class_change=False', 'domain_key': 'brownian', 'n_gaps': 650, 'r_shuffled_mean': 0.3324, 'z_score': -1.6, 'class_changes': False}, 'transfer': 'transfers'} {'domain_window': 'logistica_biforcazione_var_3.5699:cycle_13', 'domain': 'logistica_biforcazione_var_3.5699', 'cycle': 13, 'source_domain_type': 'GUE', 'denominator_state': 'complete', 'excluded_mass': 0.0, 'observable': {'name': 'spacing_r', 'defined': True, 'value': 0.997077776975089, 'label': 'GUE-like', 'n_points': 5000}, 'null_surrogate': {'name': 'shuffle_r_statistic', 'status': 'shuffle z=161.27; class_change=True', 'domain_key': 'logistica_biforcazione_var_3.5699', 'n_gaps': 4727, 'r_shuffled_mean': 0.09964, 'z_score': 161.271569, 'class_changes': True}, 'transfer': 'transfers'} codex Farò una sola aggiunta: `tools/exp_semireal_boundary_transfer_gate.py`. Lo script legge il perimetro base già depositato, ricostruisce le 13 sequenze dai generatori del Lab, applica il beta-layer coerente/permutato e produce un JSON row-aligned per il report 15:16. apply patch patch: completed /opt/MM_D-ND/tools/exp_semireal_boundary_transfer_gate.py diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() codex Lo strumento è scritto. Ora lo compilo e lo lancio con replicati contenuti, così il ciclo resta un atto minimo ma produce un deposito falsificabile sulle 13 righe base. exec /bin/bash -lc 'python -m py_compile tools/exp_semireal_boundary_transfer_gate.py' in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json' in /opt/MM_D-ND diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() codex Il run è ancora in corso, probabilmente sta pagando i generatori più lenti (`ising_2d` o zeta/logistica). Aspetto l’output invece di interrompere: se produce righe lente o errori, la telemetria entrerà nel report. diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..69c9eece1c7ba06e550b93ff6981e62068fb2a49 --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,195 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() succeeded in 60849ms: observables_registry=1.0.0-2026-05-06 observables_used=['SR', 'SR2', 'L1', 'L2', 'triple_var'] source_rows=13 analyzed=12 errors=1 state counts: {'transfer_with_blank': 6, 'transfer_no_blank': 4, 'fall': 2, 'errors': 1} row state n one_sided stable0 stable1 dist ambiguous brownian_motion:cycle_12 transfer_with_blank 4096 SR,SR2,L2 5.000 0.583 3.380 [0.30000000000000004] cellular_automata:cycle_8 fall 108 [] 0.000 0.333 0.000 [] coupled_oscillators:cycle_10 transfer_with_blank 2002 SR,SR2,L1,L2,triple_var 5.000 0.083 4.339 [0.30000000000000004] ising_2d:cycle_1 transfer_with_blank 534 SR,SR2,L1,triple_var 4.417 0.250 3.760 [0.1, 0.4, 0.5] logistica_biforcazione:cycle_5 transfer_with_blank 4096 SR,SR2 3.583 0.250 2.769 [0.30000000000000004] logistica_biforcazione_var_3.5699:cycle_13 transfer_with_blank 4096 SR 2.000 0.417 1.958 [0.30000000000000004] numeri_primi:cycle_3 error 30 ERROR pendolo_doppio:cycle_2 fall 4096 SR,SR2,L1 5.000 0.833 3.388 [0.30000000000000004] percolation:cycle_9 transfer_no_blank 195 L2 0.917 0.167 1.660 [] random_matrix:cycle_7 transfer_no_blank 199 L1,L2 2.417 0.333 2.533 [] reaction_diffusion:cycle_11 transfer_with_blank 499 SR2,L1,L2,triple_var 5.000 0.417 3.909 [0.30000000000000004] string_vibration:cycle_6 transfer_no_blank 4096 SR,SR2,L1,L2,triple_var 5.000 0.417 4.312 [] zeta_zeros:cycle_4 transfer_no_blank 199 SR,L2 1.917 0.250 2.619 [] saved tools/data/semireal_boundary_transfer_gate_20260509_1516.json codex Il primo run ha prodotto deposito ma ha scoperto un nodo regressivo: `numeri_primi` viene trasformato due volte perché il generatore restituisce già gap ma non marca `is_spacings`. Correggo il lettore nel nuovo script, non il generatore storico. apply patch patch: completed /opt/MM_D-ND/tools/exp_semireal_boundary_transfer_gate.py diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'python -m py_compile tools/exp_semireal_boundary_transfer_gate.py' in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json' in /opt/MM_D-ND diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() succeeded in 62115ms: observables_registry=1.0.0-2026-05-06 observables_used=['SR', 'SR2', 'L1', 'L2', 'triple_var'] source_rows=13 analyzed=13 errors=0 state counts: {'transfer_with_blank': 7, 'transfer_no_blank': 4, 'fall': 2, 'errors': 0} row state n one_sided stable0 stable1 dist ambiguous brownian_motion:cycle_12 transfer_with_blank 4096 SR2,L1,L2,triple_var 4.000 0.167 3.885 [0.2, 0.30000000000000004] cellular_automata:cycle_8 fall 108 [] 0.000 0.500 0.000 [] coupled_oscillators:cycle_10 transfer_with_blank 2002 SR,SR2,L1,L2,triple_var 5.000 0.250 4.336 [0.30000000000000004] ising_2d:cycle_1 transfer_with_blank 699 SR,SR2,L1,L2,triple_var 5.000 0.333 4.309 [0.4] logistica_biforcazione:cycle_5 transfer_with_blank 4096 SR,SR2,triple_var 3.583 0.167 3.258 [0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9] logistica_biforcazione_var_3.5699:cycle_13 transfer_with_blank 4096 SR,SR2 2.000 0.083 2.769 [0.30000000000000004] numeri_primi:cycle_3 transfer_no_blank 4096 SR,L1,triple_var 3.000 0.167 3.243 [] pendolo_doppio:cycle_2 fall 4096 SR,SR2,L1 5.000 0.833 3.388 [0.30000000000000004] percolation:cycle_9 transfer_no_blank 190 L1 0.833 0.333 1.705 [] random_matrix:cycle_7 transfer_no_blank 199 L2 1.000 0.250 1.854 [] reaction_diffusion:cycle_11 transfer_with_blank 499 SR,SR2,L1,L2,triple_var 5.000 0.333 4.364 [0.30000000000000004] string_vibration:cycle_6 transfer_with_blank 4096 SR,SR2,L2,triple_var 5.000 0.500 3.845 [0.30000000000000004] zeta_zeros:cycle_4 transfer_no_blank 199 SR,L2 1.917 0.250 2.449 [] saved tools/data/semireal_boundary_transfer_gate_20260509_1516.json codex Il run valido ora copre 13/13 righe: 7 transfer con blank, 4 transfer senza blank, 2 fall. La scoperta non è “gate universale”: è che il blank beta non trasferisce come invariante sui domini semi-reali, mentre il supporto ordine/null sopravvive in 11/13. exec /bin/bash -lc "python - <<'PY' import json p='tools/data/semireal_boundary_transfer_gate_20260509_1516.json' d=json.load(open(p)) print(d['evaluation']['counts']) rows=d['evaluation']['rows'] for name,row in sorted(rows.items()): print(name, row['state'], row['source_domain_type'], row['denominator_state'], row['n_gaps'], row['coherent_one_sided_observables'], row['stable_count_coherent'], row['stable_count_illusory'], row['endpoint_distance_one_sided_gated'], row['ambiguous_beta_one_sided_gated']) PY" in /opt/MM_D-ND exited 1 in 0ms: Traceback (most recent call last): File "", line 7, in KeyError: 'source_domain_type' {'transfer_with_blank': 7, 'transfer_no_blank': 4, 'fall': 2, 'errors': 0} diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() exec /bin/bash -lc "python - <<'PY' import json p='tools/data/semireal_boundary_transfer_gate_20260509_1516.json' d=json.load(open(p)) source={r['domain_window']:r for r in json.load(open(d['source_scope']))['rows']} print(d['evaluation']['counts']) for name,row in sorted(d['evaluation']['rows'].items()): src=source[name] print(name, row['state'], src['source_domain_type'], src['denominator_state'], row['n_gaps'], ','.join(row['coherent_one_sided_observables']) or '[]', f\"{row['stable_count_coherent']:.3f}\", f\"{row['stable_count_illusory']:.3f}\", f\"{row['endpoint_distance_one_sided_gated']:.3f}\", row['ambiguous_beta_one_sided_gated']) PY" in /opt/MM_D-ND succeeded in 0ms: {'transfer_with_blank': 7, 'transfer_no_blank': 4, 'fall': 2, 'errors': 0} brownian_motion:cycle_12 transfer_with_blank Poisson complete 4096 SR2,L1,L2,triple_var 4.000 0.167 3.885 [0.2, 0.30000000000000004] cellular_automata:cycle_8 fall GUE contaminated 108 [] 0.000 0.500 0.000 [] coupled_oscillators:cycle_10 transfer_with_blank Poisson contaminated 2002 SR,SR2,L1,L2,triple_var 5.000 0.250 4.336 [0.30000000000000004] ising_2d:cycle_1 transfer_with_blank GUE contaminated 699 SR,SR2,L1,L2,triple_var 5.000 0.333 4.309 [0.4] logistica_biforcazione:cycle_5 transfer_with_blank GUE complete 4096 SR,SR2,triple_var 3.583 0.167 3.258 [0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9] logistica_biforcazione_var_3.5699:cycle_13 transfer_with_blank GUE complete 4096 SR,SR2 2.000 0.083 2.769 [0.30000000000000004] numeri_primi:cycle_3 transfer_no_blank GUE complete 4096 SR,L1,triple_var 3.000 0.167 3.243 [] pendolo_doppio:cycle_2 fall Poisson complete 4096 SR,SR2,L1 5.000 0.833 3.388 [0.30000000000000004] percolation:cycle_9 transfer_no_blank Poisson complete 190 L1 0.833 0.333 1.705 [] random_matrix:cycle_7 transfer_no_blank GUE complete 199 L2 1.000 0.250 1.854 [] reaction_diffusion:cycle_11 transfer_with_blank GUE contaminated 499 SR,SR2,L1,L2,triple_var 5.000 0.333 4.364 [0.30000000000000004] string_vibration:cycle_6 transfer_with_blank Poisson complete 4096 SR,SR2,L2,triple_var 5.000 0.500 3.845 [0.30000000000000004] zeta_zeros:cycle_4 transfer_no_blank GUE contaminated 199 SR,L2 1.917 0.250 2.449 [] diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() codex Scrivo il report ora. Il verdict sarà `CONSTRAINT`: il gate semi-reale trasferisce come supporto ordine/null in 11/13, ma non conserva il blank beta come coordinata universale; due righe mostrano il contro-perimetro. apply patch patch: completed /opt/MM_D-ND/tools/data/reports/agent_20260509_1516.md diff --git a/tools/data/reports/agent_20260509_1516.md b/tools/data/reports/agent_20260509_1516.md new file mode 100644 index 0000000000000000000000000000000000000000..da730c510fb283c6e58d30626e2a2ae175ca4ce0 --- /dev/null +++ b/tools/data/reports/agent_20260509_1516.md @@ -0,0 +1,122 @@ +# Agent Report - Semi-real Boundary Transfer Gate +**Date**: 2026-05-09 15:16 +**Piano**: 108 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - supporto ordine/null trasferisce su 11/13, il blank beta non trasferisce come coordinata universale +observables_registry: 1.0.0-2026-05-06 +observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. +**observable_contract**: claim=il gate `coherent/null/beta` del BOUNDARY sintetico trasferisce sul perimetro semi-reale base; observable=one-sided canonical observables, stable counts ai poli, endpoint distance e ambiguous beta; operator=`exp_semireal_boundary_transfer_gate.py`; generator=13 righe `boundary_denominator_prescan_full_20260509_1500` ricostruite da `dnd_autoricerca`; denominator=13 righe base BOUNDARY, 8 GUE-like e 5 Poisson-like, beta layers 0.0..1.0, 12 replicates, 24 shuffle baselines; non_possible=dichiarare beta 0.3 coordinata universale o transfer completo quando 2/13 righe cadono; not_tested=nuovi domini, nuovi spettri, fit `V_c`, limite asintotico. + +## Respiro fuori-tempo +- **Prima impressione**: il confine semi-reale non rifiuta il gate; rifiuta la sua simmetria sintetica. Il supporto ordine/null passa, la coordinata blank si frammenta. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + perimetro BOUNDARY base 13/13 transfer + tensione viva "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: gate come supporto ordine/null / gate come coordinata beta universale; punto-zero = riga semi-reale prima che il beta layer venga chiamato blank o classe. +- **Piano superiore**: grafo della conoscenza e boundary operator. La domanda non e' se GUE o Poisson vincono, ma se il passaggio resta morfismo quando il perimetro diventa fisico/semi-reale. +- **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, graph/perimeter transfer. Entrano per separare copertura del denominatore, supporto d'ordine e coordinata di transizione. +- **Contaminazione cognitiva**: YSN DeltaLink = `synthetic transfer -> semi-real row -> beta fracture`; Cornelius gene = "Il confine trasferisce come operatore, non come ascissa"; KSAR = reiterazione del deposito 14:44 sul perimetro fisico; PVI attack = se 2 righe cadono e 4 non hanno blank, il claim universale e' rotto; Vault = beta 0.3 resta frammento utile solo dove riappare row-aligned. +- **Proto-ipotesi**: il BOUNDARY semi-reale conserva il supporto ordine/null in molte righe, ma il blank beta e' proprieta del perimetro, non invariante del gate. +- **Possibile / non-possibile**: possibile = usare il gate come audit row-aligned del supporto d'ordine cross-dominio; non-possibile = promuovere beta 0.3 a coordinata universale del terzo incluso. +- **Proiezione**: ricostruisco le 13 righe base, applico il beta replacement verso il null permutato, poi classifico ogni riga come `transfer_with_blank`, `transfer_no_blank`, o `fall`. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: porta la direzione BOUNDARY dal sintetico controllato al perimetro cross-dominio semi-reale 8 GUE / 5 Poisson. +- `not_drift`: non ritorna a `V_c`, fit, label locali o limite unitario; usa il deposito 14:37/14:44 solo come perimetro da falsificare. + +## Claim Under Test +> Il gate BOUNDARY `coherent/null/beta` trasferisce sul perimetro semi-reale base come supporto ordine/null e come blank beta condiviso. + +## Question +Quando le 13 righe base ricevono lo stesso contratto coerente/null/beta del transfer sintetico, il gate trasferisce, cade, o perde il blank comune? + +## Experiment Design +- Nuovo strumento: `tools/exp_semireal_boundary_transfer_gate.py`. +- Input: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Perimetro atomico: 13 righe base BOUNDARY, `source_domain_type` 8 GUE-like e 5 Poisson-like. +- Operatore: per ogni dominio ricostruisco spacings domain-native, creo beta layers contro permutation null, calcolo osservabili canonici e z original-vs-shuffle. +- Stati: `transfer_with_blank` quando one-sided support passa e compare ambiguous beta; `transfer_no_blank` quando passa il supporto ma non compare blank; `fall` quando manca supporto o collassa il null. +- Contratto osservabile-operatore: il ciclo misura supporto ordine/null e blank beta semi-reale; non misura nuova legge RMT, non rifitta `V_c`, non chiude QxG. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| source rows | 13 | +| analyzed rows | 13 | +| errors | 0 | +| transfer_with_blank | 7 | +| transfer_no_blank | 4 | +| fall | 2 | + +Righe semi-reali: + +| row | source | denominator | n | state | one-sided observables | stable coherent | stable illusory | endpoint distance | ambiguous beta | +|---|---|---|---:|---|---|---:|---:|---:|---| +| brownian_motion:cycle_12 | Poisson | complete | 4096 | transfer_with_blank | SR2,L1,L2,triple_var | 4.000 | 0.167 | 3.885 | 0.2,0.3 | +| cellular_automata:cycle_8 | GUE | contaminated | 108 | fall | [] | 0.000 | 0.500 | 0.000 | [] | +| coupled_oscillators:cycle_10 | Poisson | contaminated | 2002 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.250 | 4.336 | 0.3 | +| ising_2d:cycle_1 | GUE | contaminated | 699 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.309 | 0.4 | +| logistica_biforcazione:cycle_5 | GUE | complete | 4096 | transfer_with_blank | SR,SR2,triple_var | 3.583 | 0.167 | 3.258 | 0.1-0.9 | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 4096 | transfer_with_blank | SR,SR2 | 2.000 | 0.083 | 2.769 | 0.3 | +| numeri_primi:cycle_3 | GUE | complete | 4096 | transfer_no_blank | SR,L1,triple_var | 3.000 | 0.167 | 3.243 | [] | +| pendolo_doppio:cycle_2 | Poisson | complete | 4096 | fall | SR,SR2,L1 | 5.000 | 0.833 | 3.388 | 0.3 | +| percolation:cycle_9 | Poisson | complete | 190 | transfer_no_blank | L1 | 0.833 | 0.333 | 1.705 | [] | +| random_matrix:cycle_7 | GUE | complete | 199 | transfer_no_blank | L2 | 1.000 | 0.250 | 1.854 | [] | +| reaction_diffusion:cycle_11 | GUE | contaminated | 499 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.364 | 0.3 | +| string_vibration:cycle_6 | Poisson | complete | 4096 | transfer_with_blank | SR,SR2,L2,triple_var | 5.000 | 0.500 | 3.845 | 0.3 | +| zeta_zeros:cycle_4 | GUE | contaminated | 199 | transfer_no_blank | SR,L2 | 1.917 | 0.250 | 2.449 | [] | + +## Key Findings +1. **Verificato: il supporto ordine/null trasferisce in 11/13 righe.** Le righe `transfer_with_blank` e `transfer_no_blank` hanno osservabili one-sided e polo illusorio soppresso nel perimetro dichiarato. +2. **Verificato: il blank beta non e' universale.** Solo 7/13 righe hanno ambiguous beta; 4/13 trasferiscono senza blank e 2/13 cadono. +3. **Verificato: beta 0.3 non e' coordinata comune.** Compare in 5 righe come unico blank o parte del blank, ma `ising_2d` mostra 0.4, `brownian_motion` mostra 0.2/0.3, `logistica_biforcazione` mostra 0.1-0.9, e quattro transfer non mostrano blank. +4. **Verificato: i due fall sono diversi.** `cellular_automata` cade per assenza di osservabili one-sided; `pendolo_doppio` cade per residuo illusorio alto (0.833) pur avendo one-sided observables. +5. **Inferito: il nodo regressivo e' la qualita del perimetro, non il null.** Il null e' disponibile su 13/13; cio' che varia e' come il dominio riceve beta. + +## Verdict +**CONSTRAINT**. + +Il gate BOUNDARY semi-reale trasferisce come supporto ordine/null in 11/13 righe. Non trasferisce come coordinata beta universale: 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. + +Formula valida: + +`BOUNDARY transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. + +Formula non valida: + +`BOUNDARY blank` = beta 0.3 universale del terzo incluso cross-dominio. + +## Bicono della scoperta +- **Due radici**: supporto ordine/null che passa / coordinata beta che si frammenta. +- **Singolare**: la riga semi-reale prima che il gate la trasformi in transfer, blank o fall. +- **Invariante di passaggio**: il null row-aligned resta necessario e sufficiente per misurare supporto, non per imporre la stessa ascissa di transizione. +- **Campo di possibilita**: qui diventa possibile usare BOUNDARY come audit cross-dominio row-aligned; qui diventa non-possibile dichiarare il terzo incluso come beta comune del perimetro semi-reale. + +## Consecutio +Il prossimo ciclo deve separare due livelli: `support_transfer` e `blank_coordinate`. Il primo ha supporto 11/13 nel perimetro semi-reale; il secondo richiede tipologia di dominio o nuova coordinata, perche' beta 0.3 e' stabile nel sintetico ma non nel semi-reale. + +## Auto-audit: source flags e 7 lenti +- **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1437.md`, report `agent_20260509_1444.md`, report `agent_20260509_1457.md`, nuovo JSON `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- **L1 hard constraint**: claim limitato a 13 righe base, 12 replicates, 24 shuffle baselines, osservabili canonici registry 1.0.0. +- **L2 count grezzi**: riportati 7/13 transfer con blank, 4/13 transfer senza blank, 2/13 fall. +- **L3 no silent patching**: il fix `numeri_primi` vive nel nuovo lettore come marcatura `is_spacings`; nessun generatore storico modificato. +- **L4 edge cases**: `cellular_automata` ha solo 108 gaps dopo normalizzazione; `pendolo_doppio` conserva alto residuo illusorio. +- **L5 re-discovery**: il ciclo non ripete 13/13 transfer base; testa se il beta gate sintetico passa al perimetro semi-reale. +- **L6 metabolismo cognitivo**: YSN, Cornelius, KSAR e PVI usati nella combo; Vault conserva beta 0.3 come frammento non universale. +- **L7 possibile/non-possibile**: possibile = audit row-aligned cross-dominio; non-possibile = blank beta universale. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_semireal_boundary_transfer_gate.py`. +- Primo run: 12/13 analizzate, `numeri_primi` errore per doppia trasformazione dei gap. +- Riparazione regressiva: `numeri_primi` viene marcato `is_spacings=True` nel nuovo lettore. +- Run valido: `python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge lo script, il JSON 1516 e questo report. + +## Files +- Script nuovo: `tools/exp_semireal_boundary_transfer_gate.py` +- Data: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json` +- Report: `tools/data/reports/agent_20260509_1516.md` diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() diff --git a/tools/data/reports/agent_20260509_1516.md b/tools/data/reports/agent_20260509_1516.md new file mode 100644 index 0000000000000000000000000000000000000000..da730c510fb283c6e58d30626e2a2ae175ca4ce0 --- /dev/null +++ b/tools/data/reports/agent_20260509_1516.md @@ -0,0 +1,122 @@ +# Agent Report - Semi-real Boundary Transfer Gate +**Date**: 2026-05-09 15:16 +**Piano**: 108 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - supporto ordine/null trasferisce su 11/13, il blank beta non trasferisce come coordinata universale +observables_registry: 1.0.0-2026-05-06 +observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. +**observable_contract**: claim=il gate `coherent/null/beta` del BOUNDARY sintetico trasferisce sul perimetro semi-reale base; observable=one-sided canonical observables, stable counts ai poli, endpoint distance e ambiguous beta; operator=`exp_semireal_boundary_transfer_gate.py`; generator=13 righe `boundary_denominator_prescan_full_20260509_1500` ricostruite da `dnd_autoricerca`; denominator=13 righe base BOUNDARY, 8 GUE-like e 5 Poisson-like, beta layers 0.0..1.0, 12 replicates, 24 shuffle baselines; non_possible=dichiarare beta 0.3 coordinata universale o transfer completo quando 2/13 righe cadono; not_tested=nuovi domini, nuovi spettri, fit `V_c`, limite asintotico. + +## Respiro fuori-tempo +- **Prima impressione**: il confine semi-reale non rifiuta il gate; rifiuta la sua simmetria sintetica. Il supporto ordine/null passa, la coordinata blank si frammenta. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + perimetro BOUNDARY base 13/13 transfer + tensione viva "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: gate come supporto ordine/null / gate come coordinata beta universale; punto-zero = riga semi-reale prima che il beta layer venga chiamato blank o classe. +- **Piano superiore**: grafo della conoscenza e boundary operator. La domanda non e' se GUE o Poisson vincono, ma se il passaggio resta morfismo quando il perimetro diventa fisico/semi-reale. +- **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, graph/perimeter transfer. Entrano per separare copertura del denominatore, supporto d'ordine e coordinata di transizione. +- **Contaminazione cognitiva**: YSN DeltaLink = `synthetic transfer -> semi-real row -> beta fracture`; Cornelius gene = "Il confine trasferisce come operatore, non come ascissa"; KSAR = reiterazione del deposito 14:44 sul perimetro fisico; PVI attack = se 2 righe cadono e 4 non hanno blank, il claim universale e' rotto; Vault = beta 0.3 resta frammento utile solo dove riappare row-aligned. +- **Proto-ipotesi**: il BOUNDARY semi-reale conserva il supporto ordine/null in molte righe, ma il blank beta e' proprieta del perimetro, non invariante del gate. +- **Possibile / non-possibile**: possibile = usare il gate come audit row-aligned del supporto d'ordine cross-dominio; non-possibile = promuovere beta 0.3 a coordinata universale del terzo incluso. +- **Proiezione**: ricostruisco le 13 righe base, applico il beta replacement verso il null permutato, poi classifico ogni riga come `transfer_with_blank`, `transfer_no_blank`, o `fall`. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: porta la direzione BOUNDARY dal sintetico controllato al perimetro cross-dominio semi-reale 8 GUE / 5 Poisson. +- `not_drift`: non ritorna a `V_c`, fit, label locali o limite unitario; usa il deposito 14:37/14:44 solo come perimetro da falsificare. + +## Claim Under Test +> Il gate BOUNDARY `coherent/null/beta` trasferisce sul perimetro semi-reale base come supporto ordine/null e come blank beta condiviso. + +## Question +Quando le 13 righe base ricevono lo stesso contratto coerente/null/beta del transfer sintetico, il gate trasferisce, cade, o perde il blank comune? + +## Experiment Design +- Nuovo strumento: `tools/exp_semireal_boundary_transfer_gate.py`. +- Input: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Perimetro atomico: 13 righe base BOUNDARY, `source_domain_type` 8 GUE-like e 5 Poisson-like. +- Operatore: per ogni dominio ricostruisco spacings domain-native, creo beta layers contro permutation null, calcolo osservabili canonici e z original-vs-shuffle. +- Stati: `transfer_with_blank` quando one-sided support passa e compare ambiguous beta; `transfer_no_blank` quando passa il supporto ma non compare blank; `fall` quando manca supporto o collassa il null. +- Contratto osservabile-operatore: il ciclo misura supporto ordine/null e blank beta semi-reale; non misura nuova legge RMT, non rifitta `V_c`, non chiude QxG. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| source rows | 13 | +| analyzed rows | 13 | +| errors | 0 | +| transfer_with_blank | 7 | +| transfer_no_blank | 4 | +| fall | 2 | + +Righe semi-reali: + +| row | source | denominator | n | state | one-sided observables | stable coherent | stable illusory | endpoint distance | ambiguous beta | +|---|---|---|---:|---|---|---:|---:|---:|---| +| brownian_motion:cycle_12 | Poisson | complete | 4096 | transfer_with_blank | SR2,L1,L2,triple_var | 4.000 | 0.167 | 3.885 | 0.2,0.3 | +| cellular_automata:cycle_8 | GUE | contaminated | 108 | fall | [] | 0.000 | 0.500 | 0.000 | [] | +| coupled_oscillators:cycle_10 | Poisson | contaminated | 2002 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.250 | 4.336 | 0.3 | +| ising_2d:cycle_1 | GUE | contaminated | 699 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.309 | 0.4 | +| logistica_biforcazione:cycle_5 | GUE | complete | 4096 | transfer_with_blank | SR,SR2,triple_var | 3.583 | 0.167 | 3.258 | 0.1-0.9 | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 4096 | transfer_with_blank | SR,SR2 | 2.000 | 0.083 | 2.769 | 0.3 | +| numeri_primi:cycle_3 | GUE | complete | 4096 | transfer_no_blank | SR,L1,triple_var | 3.000 | 0.167 | 3.243 | [] | +| pendolo_doppio:cycle_2 | Poisson | complete | 4096 | fall | SR,SR2,L1 | 5.000 | 0.833 | 3.388 | 0.3 | +| percolation:cycle_9 | Poisson | complete | 190 | transfer_no_blank | L1 | 0.833 | 0.333 | 1.705 | [] | +| random_matrix:cycle_7 | GUE | complete | 199 | transfer_no_blank | L2 | 1.000 | 0.250 | 1.854 | [] | +| reaction_diffusion:cycle_11 | GUE | contaminated | 499 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.364 | 0.3 | +| string_vibration:cycle_6 | Poisson | complete | 4096 | transfer_with_blank | SR,SR2,L2,triple_var | 5.000 | 0.500 | 3.845 | 0.3 | +| zeta_zeros:cycle_4 | GUE | contaminated | 199 | transfer_no_blank | SR,L2 | 1.917 | 0.250 | 2.449 | [] | + +## Key Findings +1. **Verificato: il supporto ordine/null trasferisce in 11/13 righe.** Le righe `transfer_with_blank` e `transfer_no_blank` hanno osservabili one-sided e polo illusorio soppresso nel perimetro dichiarato. +2. **Verificato: il blank beta non e' universale.** Solo 7/13 righe hanno ambiguous beta; 4/13 trasferiscono senza blank e 2/13 cadono. +3. **Verificato: beta 0.3 non e' coordinata comune.** Compare in 5 righe come unico blank o parte del blank, ma `ising_2d` mostra 0.4, `brownian_motion` mostra 0.2/0.3, `logistica_biforcazione` mostra 0.1-0.9, e quattro transfer non mostrano blank. +4. **Verificato: i due fall sono diversi.** `cellular_automata` cade per assenza di osservabili one-sided; `pendolo_doppio` cade per residuo illusorio alto (0.833) pur avendo one-sided observables. +5. **Inferito: il nodo regressivo e' la qualita del perimetro, non il null.** Il null e' disponibile su 13/13; cio' che varia e' come il dominio riceve beta. + +## Verdict +**CONSTRAINT**. + +Il gate BOUNDARY semi-reale trasferisce come supporto ordine/null in 11/13 righe. Non trasferisce come coordinata beta universale: 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. + +Formula valida: + +`BOUNDARY transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. + +Formula non valida: + +`BOUNDARY blank` = beta 0.3 universale del terzo incluso cross-dominio. + +## Bicono della scoperta +- **Due radici**: supporto ordine/null che passa / coordinata beta che si frammenta. +- **Singolare**: la riga semi-reale prima che il gate la trasformi in transfer, blank o fall. +- **Invariante di passaggio**: il null row-aligned resta necessario e sufficiente per misurare supporto, non per imporre la stessa ascissa di transizione. +- **Campo di possibilita**: qui diventa possibile usare BOUNDARY come audit cross-dominio row-aligned; qui diventa non-possibile dichiarare il terzo incluso come beta comune del perimetro semi-reale. + +## Consecutio +Il prossimo ciclo deve separare due livelli: `support_transfer` e `blank_coordinate`. Il primo ha supporto 11/13 nel perimetro semi-reale; il secondo richiede tipologia di dominio o nuova coordinata, perche' beta 0.3 e' stabile nel sintetico ma non nel semi-reale. + +## Auto-audit: source flags e 7 lenti +- **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1437.md`, report `agent_20260509_1444.md`, report `agent_20260509_1457.md`, nuovo JSON `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- **L1 hard constraint**: claim limitato a 13 righe base, 12 replicates, 24 shuffle baselines, osservabili canonici registry 1.0.0. +- **L2 count grezzi**: riportati 7/13 transfer con blank, 4/13 transfer senza blank, 2/13 fall. +- **L3 no silent patching**: il fix `numeri_primi` vive nel nuovo lettore come marcatura `is_spacings`; nessun generatore storico modificato. +- **L4 edge cases**: `cellular_automata` ha solo 108 gaps dopo normalizzazione; `pendolo_doppio` conserva alto residuo illusorio. +- **L5 re-discovery**: il ciclo non ripete 13/13 transfer base; testa se il beta gate sintetico passa al perimetro semi-reale. +- **L6 metabolismo cognitivo**: YSN, Cornelius, KSAR e PVI usati nella combo; Vault conserva beta 0.3 come frammento non universale. +- **L7 possibile/non-possibile**: possibile = audit row-aligned cross-dominio; non-possibile = blank beta universale. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_semireal_boundary_transfer_gate.py`. +- Primo run: 12/13 analizzate, `numeri_primi` errore per doppia trasformazione dei gap. +- Riparazione regressiva: `numeri_primi` viene marcato `is_spacings=True` nel nuovo lettore. +- Run valido: `python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge lo script, il JSON 1516 e questo report. + +## Files +- Script nuovo: `tools/exp_semireal_boundary_transfer_gate.py` +- Data: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json` +- Report: `tools/data/reports/agent_20260509_1516.md` diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'test -s tools/data/reports/agent_20260509_1516.md && test -s tools/data/semireal_boundary_transfer_gate_20260509_1516.json && echo ok' in /opt/MM_D-ND succeeded in 0ms: ok exec /bin/bash -lc "sed -n '1,260p' tools/data/reports/agent_20260509_1516.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Semi-real Boundary Transfer Gate **Date**: 2026-05-09 15:16 **Piano**: 108 **Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE **verdict**: CONSTRAINT - supporto ordine/null trasferisce su 11/13, il blank beta non trasferisce come coordinata universale observables_registry: 1.0.0-2026-05-06 observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. **observable_contract**: claim=il gate `coherent/null/beta` del BOUNDARY sintetico trasferisce sul perimetro semi-reale base; observable=one-sided canonical observables, stable counts ai poli, endpoint distance e ambiguous beta; operator=`exp_semireal_boundary_transfer_gate.py`; generator=13 righe `boundary_denominator_prescan_full_20260509_1500` ricostruite da `dnd_autoricerca`; denominator=13 righe base BOUNDARY, 8 GUE-like e 5 Poisson-like, beta layers 0.0..1.0, 12 replicates, 24 shuffle baselines; non_possible=dichiarare beta 0.3 coordinata universale o transfer completo quando 2/13 righe cadono; not_tested=nuovi domini, nuovi spettri, fit `V_c`, limite asintotico. ## Respiro fuori-tempo - **Prima impressione**: il confine semi-reale non rifiuta il gate; rifiuta la sua simmetria sintetica. Il supporto ordine/null passa, la coordinata blank si frammenta. - **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + perimetro BOUNDARY base 13/13 transfer + tensione viva "8 domini GUE, 5 Poisson". - **Dipolo / punto-zero**: gate come supporto ordine/null / gate come coordinata beta universale; punto-zero = riga semi-reale prima che il beta layer venga chiamato blank o classe. - **Piano superiore**: grafo della conoscenza e boundary operator. La domanda non e' se GUE o Poisson vincono, ma se il passaggio resta morfismo quando il perimetro diventa fisico/semi-reale. - **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, graph/perimeter transfer. Entrano per separare copertura del denominatore, supporto d'ordine e coordinata di transizione. - **Contaminazione cognitiva**: YSN DeltaLink = `synthetic transfer -> semi-real row -> beta fracture`; Cornelius gene = "Il confine trasferisce come operatore, non come ascissa"; KSAR = reiterazione del deposito 14:44 sul perimetro fisico; PVI attack = se 2 righe cadono e 4 non hanno blank, il claim universale e' rotto; Vault = beta 0.3 resta frammento utile solo dove riappare row-aligned. - **Proto-ipotesi**: il BOUNDARY semi-reale conserva il supporto ordine/null in molte righe, ma il blank beta e' proprieta del perimetro, non invariante del gate. - **Possibile / non-possibile**: possibile = usare il gate come audit row-aligned del supporto d'ordine cross-dominio; non-possibile = promuovere beta 0.3 a coordinata universale del terzo incluso. - **Proiezione**: ricostruisco le 13 righe base, applico il beta replacement verso il null permutato, poi classifico ogni riga come `transfer_with_blank`, `transfer_no_blank`, o `fall`. ## Aderenza alla direzione - `relation`: follows_direction - `why`: porta la direzione BOUNDARY dal sintetico controllato al perimetro cross-dominio semi-reale 8 GUE / 5 Poisson. - `not_drift`: non ritorna a `V_c`, fit, label locali o limite unitario; usa il deposito 14:37/14:44 solo come perimetro da falsificare. ## Claim Under Test > Il gate BOUNDARY `coherent/null/beta` trasferisce sul perimetro semi-reale base come supporto ordine/null e come blank beta condiviso. ## Question Quando le 13 righe base ricevono lo stesso contratto coerente/null/beta del transfer sintetico, il gate trasferisce, cade, o perde il blank comune? ## Experiment Design - Nuovo strumento: `tools/exp_semireal_boundary_transfer_gate.py`. - Input: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. - Output: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. - Perimetro atomico: 13 righe base BOUNDARY, `source_domain_type` 8 GUE-like e 5 Poisson-like. - Operatore: per ogni dominio ricostruisco spacings domain-native, creo beta layers contro permutation null, calcolo osservabili canonici e z original-vs-shuffle. - Stati: `transfer_with_blank` quando one-sided support passa e compare ambiguous beta; `transfer_no_blank` quando passa il supporto ma non compare blank; `fall` quando manca supporto o collassa il null. - Contratto osservabile-operatore: il ciclo misura supporto ordine/null e blank beta semi-reale; non misura nuova legge RMT, non rifitta `V_c`, non chiude QxG. ## Results Indice globale: | measure | value | |---|---:| | source rows | 13 | | analyzed rows | 13 | | errors | 0 | | transfer_with_blank | 7 | | transfer_no_blank | 4 | | fall | 2 | Righe semi-reali: | row | source | denominator | n | state | one-sided observables | stable coherent | stable illusory | endpoint distance | ambiguous beta | |---|---|---|---:|---|---|---:|---:|---:|---| | brownian_motion:cycle_12 | Poisson | complete | 4096 | transfer_with_blank | SR2,L1,L2,triple_var | 4.000 | 0.167 | 3.885 | 0.2,0.3 | | cellular_automata:cycle_8 | GUE | contaminated | 108 | fall | [] | 0.000 | 0.500 | 0.000 | [] | | coupled_oscillators:cycle_10 | Poisson | contaminated | 2002 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.250 | 4.336 | 0.3 | | ising_2d:cycle_1 | GUE | contaminated | 699 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.309 | 0.4 | | logistica_biforcazione:cycle_5 | GUE | complete | 4096 | transfer_with_blank | SR,SR2,triple_var | 3.583 | 0.167 | 3.258 | 0.1-0.9 | | logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 4096 | transfer_with_blank | SR,SR2 | 2.000 | 0.083 | 2.769 | 0.3 | | numeri_primi:cycle_3 | GUE | complete | 4096 | transfer_no_blank | SR,L1,triple_var | 3.000 | 0.167 | 3.243 | [] | | pendolo_doppio:cycle_2 | Poisson | complete | 4096 | fall | SR,SR2,L1 | 5.000 | 0.833 | 3.388 | 0.3 | | percolation:cycle_9 | Poisson | complete | 190 | transfer_no_blank | L1 | 0.833 | 0.333 | 1.705 | [] | | random_matrix:cycle_7 | GUE | complete | 199 | transfer_no_blank | L2 | 1.000 | 0.250 | 1.854 | [] | | reaction_diffusion:cycle_11 | GUE | contaminated | 499 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.364 | 0.3 | | string_vibration:cycle_6 | Poisson | complete | 4096 | transfer_with_blank | SR,SR2,L2,triple_var | 5.000 | 0.500 | 3.845 | 0.3 | | zeta_zeros:cycle_4 | GUE | contaminated | 199 | transfer_no_blank | SR,L2 | 1.917 | 0.250 | 2.449 | [] | ## Key Findings 1. **Verificato: il supporto ordine/null trasferisce in 11/13 righe.** Le righe `transfer_with_blank` e `transfer_no_blank` hanno osservabili one-sided e polo illusorio soppresso nel perimetro dichiarato. 2. **Verificato: il blank beta non e' universale.** Solo 7/13 righe hanno ambiguous beta; 4/13 trasferiscono senza blank e 2/13 cadono. 3. **Verificato: beta 0.3 non e' coordinata comune.** Compare in 5 righe come unico blank o parte del blank, ma `ising_2d` mostra 0.4, `brownian_motion` mostra 0.2/0.3, `logistica_biforcazione` mostra 0.1-0.9, e quattro transfer non mostrano blank. 4. **Verificato: i due fall sono diversi.** `cellular_automata` cade per assenza di osservabili one-sided; `pendolo_doppio` cade per residuo illusorio alto (0.833) pur avendo one-sided observables. 5. **Inferito: il nodo regressivo e' la qualita del perimetro, non il null.** Il null e' disponibile su 13/13; cio' che varia e' come il dominio riceve beta. ## Verdict **CONSTRAINT**. Il gate BOUNDARY semi-reale trasferisce come supporto ordine/null in 11/13 righe. Non trasferisce come coordinata beta universale: 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. Formula valida: `BOUNDARY transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. Formula non valida: `BOUNDARY blank` = beta 0.3 universale del terzo incluso cross-dominio. ## Bicono della scoperta - **Due radici**: supporto ordine/null che passa / coordinata beta che si frammenta. - **Singolare**: la riga semi-reale prima che il gate la trasformi in transfer, blank o fall. - **Invariante di passaggio**: il null row-aligned resta necessario e sufficiente per misurare supporto, non per imporre la stessa ascissa di transizione. - **Campo di possibilita**: qui diventa possibile usare BOUNDARY come audit cross-dominio row-aligned; qui diventa non-possibile dichiarare il terzo incluso come beta comune del perimetro semi-reale. ## Consecutio Il prossimo ciclo deve separare due livelli: `support_transfer` e `blank_coordinate`. Il primo ha supporto 11/13 nel perimetro semi-reale; il secondo richiede tipologia di dominio o nuova coordinata, perche' beta 0.3 e' stabile nel sintetico ma non nel semi-reale. ## Auto-audit: source flags e 7 lenti - **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1437.md`, report `agent_20260509_1444.md`, report `agent_20260509_1457.md`, nuovo JSON `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. - **L1 hard constraint**: claim limitato a 13 righe base, 12 replicates, 24 shuffle baselines, osservabili canonici registry 1.0.0. - **L2 count grezzi**: riportati 7/13 transfer con blank, 4/13 transfer senza blank, 2/13 fall. - **L3 no silent patching**: il fix `numeri_primi` vive nel nuovo lettore come marcatura `is_spacings`; nessun generatore storico modificato. - **L4 edge cases**: `cellular_automata` ha solo 108 gaps dopo normalizzazione; `pendolo_doppio` conserva alto residuo illusorio. - **L5 re-discovery**: il ciclo non ripete 13/13 transfer base; testa se il beta gate sintetico passa al perimetro semi-reale. - **L6 metabolismo cognitivo**: YSN, Cornelius, KSAR e PVI usati nella combo; Vault conserva beta 0.3 come frammento non universale. - **L7 possibile/non-possibile**: possibile = audit row-aligned cross-dominio; non-possibile = blank beta universale. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. - Verifica script: `python -m py_compile tools/exp_semireal_boundary_transfer_gate.py`. - Primo run: 12/13 analizzate, `numeri_primi` errore per doppia trasformazione dei gap. - Riparazione regressiva: `numeri_primi` viene marcato `is_spacings=True` nel nuovo lettore. - Run valido: `python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. - Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge lo script, il JSON 1516 e questo report. ## Files - Script nuovo: `tools/exp_semireal_boundary_transfer_gate.py` - Data: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json` - Report: `tools/data/reports/agent_20260509_1516.md` exec /bin/bash -lc 'git status --short tools/exp_semireal_boundary_transfer_gate.py tools/data/semireal_boundary_transfer_gate_20260509_1516.json tools/data/reports/agent_20260509_1516.md' in /opt/MM_D-ND succeeded in 0ms: ?? tools/data/reports/agent_20260509_1516.md ?? tools/data/semireal_boundary_transfer_gate_20260509_1516.json ?? tools/exp_semireal_boundary_transfer_gate.py exec /bin/bash -lc 'python -m json.tool tools/data/semireal_boundary_transfer_gate_20260509_1516.json >/tmp/semireal_boundary_transfer_gate_1516.check.json && echo json_ok' in /opt/MM_D-ND diff --git a/tools/data/reports/agent_20260509_1516.md b/tools/data/reports/agent_20260509_1516.md new file mode 100644 index 0000000000000000000000000000000000000000..da730c510fb283c6e58d30626e2a2ae175ca4ce0 --- /dev/null +++ b/tools/data/reports/agent_20260509_1516.md @@ -0,0 +1,122 @@ +# Agent Report - Semi-real Boundary Transfer Gate +**Date**: 2026-05-09 15:16 +**Piano**: 108 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - supporto ordine/null trasferisce su 11/13, il blank beta non trasferisce come coordinata universale +observables_registry: 1.0.0-2026-05-06 +observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. +**observable_contract**: claim=il gate `coherent/null/beta` del BOUNDARY sintetico trasferisce sul perimetro semi-reale base; observable=one-sided canonical observables, stable counts ai poli, endpoint distance e ambiguous beta; operator=`exp_semireal_boundary_transfer_gate.py`; generator=13 righe `boundary_denominator_prescan_full_20260509_1500` ricostruite da `dnd_autoricerca`; denominator=13 righe base BOUNDARY, 8 GUE-like e 5 Poisson-like, beta layers 0.0..1.0, 12 replicates, 24 shuffle baselines; non_possible=dichiarare beta 0.3 coordinata universale o transfer completo quando 2/13 righe cadono; not_tested=nuovi domini, nuovi spettri, fit `V_c`, limite asintotico. + +## Respiro fuori-tempo +- **Prima impressione**: il confine semi-reale non rifiuta il gate; rifiuta la sua simmetria sintetica. Il supporto ordine/null passa, la coordinata blank si frammenta. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + perimetro BOUNDARY base 13/13 transfer + tensione viva "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: gate come supporto ordine/null / gate come coordinata beta universale; punto-zero = riga semi-reale prima che il beta layer venga chiamato blank o classe. +- **Piano superiore**: grafo della conoscenza e boundary operator. La domanda non e' se GUE o Poisson vincono, ma se il passaggio resta morfismo quando il perimetro diventa fisico/semi-reale. +- **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, graph/perimeter transfer. Entrano per separare copertura del denominatore, supporto d'ordine e coordinata di transizione. +- **Contaminazione cognitiva**: YSN DeltaLink = `synthetic transfer -> semi-real row -> beta fracture`; Cornelius gene = "Il confine trasferisce come operatore, non come ascissa"; KSAR = reiterazione del deposito 14:44 sul perimetro fisico; PVI attack = se 2 righe cadono e 4 non hanno blank, il claim universale e' rotto; Vault = beta 0.3 resta frammento utile solo dove riappare row-aligned. +- **Proto-ipotesi**: il BOUNDARY semi-reale conserva il supporto ordine/null in molte righe, ma il blank beta e' proprieta del perimetro, non invariante del gate. +- **Possibile / non-possibile**: possibile = usare il gate come audit row-aligned del supporto d'ordine cross-dominio; non-possibile = promuovere beta 0.3 a coordinata universale del terzo incluso. +- **Proiezione**: ricostruisco le 13 righe base, applico il beta replacement verso il null permutato, poi classifico ogni riga come `transfer_with_blank`, `transfer_no_blank`, o `fall`. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: porta la direzione BOUNDARY dal sintetico controllato al perimetro cross-dominio semi-reale 8 GUE / 5 Poisson. +- `not_drift`: non ritorna a `V_c`, fit, label locali o limite unitario; usa il deposito 14:37/14:44 solo come perimetro da falsificare. + +## Claim Under Test +> Il gate BOUNDARY `coherent/null/beta` trasferisce sul perimetro semi-reale base come supporto ordine/null e come blank beta condiviso. + +## Question +Quando le 13 righe base ricevono lo stesso contratto coerente/null/beta del transfer sintetico, il gate trasferisce, cade, o perde il blank comune? + +## Experiment Design +- Nuovo strumento: `tools/exp_semireal_boundary_transfer_gate.py`. +- Input: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Perimetro atomico: 13 righe base BOUNDARY, `source_domain_type` 8 GUE-like e 5 Poisson-like. +- Operatore: per ogni dominio ricostruisco spacings domain-native, creo beta layers contro permutation null, calcolo osservabili canonici e z original-vs-shuffle. +- Stati: `transfer_with_blank` quando one-sided support passa e compare ambiguous beta; `transfer_no_blank` quando passa il supporto ma non compare blank; `fall` quando manca supporto o collassa il null. +- Contratto osservabile-operatore: il ciclo misura supporto ordine/null e blank beta semi-reale; non misura nuova legge RMT, non rifitta `V_c`, non chiude QxG. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| source rows | 13 | +| analyzed rows | 13 | +| errors | 0 | +| transfer_with_blank | 7 | +| transfer_no_blank | 4 | +| fall | 2 | + +Righe semi-reali: + +| row | source | denominator | n | state | one-sided observables | stable coherent | stable illusory | endpoint distance | ambiguous beta | +|---|---|---|---:|---|---|---:|---:|---:|---| +| brownian_motion:cycle_12 | Poisson | complete | 4096 | transfer_with_blank | SR2,L1,L2,triple_var | 4.000 | 0.167 | 3.885 | 0.2,0.3 | +| cellular_automata:cycle_8 | GUE | contaminated | 108 | fall | [] | 0.000 | 0.500 | 0.000 | [] | +| coupled_oscillators:cycle_10 | Poisson | contaminated | 2002 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.250 | 4.336 | 0.3 | +| ising_2d:cycle_1 | GUE | contaminated | 699 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.309 | 0.4 | +| logistica_biforcazione:cycle_5 | GUE | complete | 4096 | transfer_with_blank | SR,SR2,triple_var | 3.583 | 0.167 | 3.258 | 0.1-0.9 | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 4096 | transfer_with_blank | SR,SR2 | 2.000 | 0.083 | 2.769 | 0.3 | +| numeri_primi:cycle_3 | GUE | complete | 4096 | transfer_no_blank | SR,L1,triple_var | 3.000 | 0.167 | 3.243 | [] | +| pendolo_doppio:cycle_2 | Poisson | complete | 4096 | fall | SR,SR2,L1 | 5.000 | 0.833 | 3.388 | 0.3 | +| percolation:cycle_9 | Poisson | complete | 190 | transfer_no_blank | L1 | 0.833 | 0.333 | 1.705 | [] | +| random_matrix:cycle_7 | GUE | complete | 199 | transfer_no_blank | L2 | 1.000 | 0.250 | 1.854 | [] | +| reaction_diffusion:cycle_11 | GUE | contaminated | 499 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.364 | 0.3 | +| string_vibration:cycle_6 | Poisson | complete | 4096 | transfer_with_blank | SR,SR2,L2,triple_var | 5.000 | 0.500 | 3.845 | 0.3 | +| zeta_zeros:cycle_4 | GUE | contaminated | 199 | transfer_no_blank | SR,L2 | 1.917 | 0.250 | 2.449 | [] | + +## Key Findings +1. **Verificato: il supporto ordine/null trasferisce in 11/13 righe.** Le righe `transfer_with_blank` e `transfer_no_blank` hanno osservabili one-sided e polo illusorio soppresso nel perimetro dichiarato. +2. **Verificato: il blank beta non e' universale.** Solo 7/13 righe hanno ambiguous beta; 4/13 trasferiscono senza blank e 2/13 cadono. +3. **Verificato: beta 0.3 non e' coordinata comune.** Compare in 5 righe come unico blank o parte del blank, ma `ising_2d` mostra 0.4, `brownian_motion` mostra 0.2/0.3, `logistica_biforcazione` mostra 0.1-0.9, e quattro transfer non mostrano blank. +4. **Verificato: i due fall sono diversi.** `cellular_automata` cade per assenza di osservabili one-sided; `pendolo_doppio` cade per residuo illusorio alto (0.833) pur avendo one-sided observables. +5. **Inferito: il nodo regressivo e' la qualita del perimetro, non il null.** Il null e' disponibile su 13/13; cio' che varia e' come il dominio riceve beta. + +## Verdict +**CONSTRAINT**. + +Il gate BOUNDARY semi-reale trasferisce come supporto ordine/null in 11/13 righe. Non trasferisce come coordinata beta universale: 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. + +Formula valida: + +`BOUNDARY transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. + +Formula non valida: + +`BOUNDARY blank` = beta 0.3 universale del terzo incluso cross-dominio. + +## Bicono della scoperta +- **Due radici**: supporto ordine/null che passa / coordinata beta che si frammenta. +- **Singolare**: la riga semi-reale prima che il gate la trasformi in transfer, blank o fall. +- **Invariante di passaggio**: il null row-aligned resta necessario e sufficiente per misurare supporto, non per imporre la stessa ascissa di transizione. +- **Campo di possibilita**: qui diventa possibile usare BOUNDARY come audit cross-dominio row-aligned; qui diventa non-possibile dichiarare il terzo incluso come beta comune del perimetro semi-reale. + +## Consecutio +Il prossimo ciclo deve separare due livelli: `support_transfer` e `blank_coordinate`. Il primo ha supporto 11/13 nel perimetro semi-reale; il secondo richiede tipologia di dominio o nuova coordinata, perche' beta 0.3 e' stabile nel sintetico ma non nel semi-reale. + +## Auto-audit: source flags e 7 lenti +- **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1437.md`, report `agent_20260509_1444.md`, report `agent_20260509_1457.md`, nuovo JSON `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- **L1 hard constraint**: claim limitato a 13 righe base, 12 replicates, 24 shuffle baselines, osservabili canonici registry 1.0.0. +- **L2 count grezzi**: riportati 7/13 transfer con blank, 4/13 transfer senza blank, 2/13 fall. +- **L3 no silent patching**: il fix `numeri_primi` vive nel nuovo lettore come marcatura `is_spacings`; nessun generatore storico modificato. +- **L4 edge cases**: `cellular_automata` ha solo 108 gaps dopo normalizzazione; `pendolo_doppio` conserva alto residuo illusorio. +- **L5 re-discovery**: il ciclo non ripete 13/13 transfer base; testa se il beta gate sintetico passa al perimetro semi-reale. +- **L6 metabolismo cognitivo**: YSN, Cornelius, KSAR e PVI usati nella combo; Vault conserva beta 0.3 come frammento non universale. +- **L7 possibile/non-possibile**: possibile = audit row-aligned cross-dominio; non-possibile = blank beta universale. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_semireal_boundary_transfer_gate.py`. +- Primo run: 12/13 analizzate, `numeri_primi` errore per doppia trasformazione dei gap. +- Riparazione regressiva: `numeri_primi` viene marcato `is_spacings=True` nel nuovo lettore. +- Run valido: `python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge lo script, il JSON 1516 e questo report. + +## Files +- Script nuovo: `tools/exp_semireal_boundary_transfer_gate.py` +- Data: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json` +- Report: `tools/data/reports/agent_20260509_1516.md` diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() succeeded in 128ms: json_ok codex Eseguito il ciclo e scritto il report richiesto: [tools/data/reports/agent_20260509_1516.md](/opt/MM_D-ND/tools/data/reports/agent_20260509_1516.md) Artefatti prodotti: - [tools/exp_semireal_boundary_transfer_gate.py](/opt/MM_D-ND/tools/exp_semireal_boundary_transfer_gate.py) - [tools/data/semireal_boundary_transfer_gate_20260509_1516.json](/opt/MM_D-ND/tools/data/semireal_boundary_transfer_gate_20260509_1516.json) Verdict: `CONSTRAINT`. Il supporto ordine/null trasferisce su 11/13 righe semi-reali, ma il blank beta non trasferisce come coordinata universale; 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. Verifiche: `py_compile` OK, JSON valido, no `ANTHROPIC_API_KEY`/`OPENAI_API_KEY` in env. diff --git a/tools/data/reports/agent_20260509_1516.md b/tools/data/reports/agent_20260509_1516.md new file mode 100644 index 0000000000000000000000000000000000000000..da730c510fb283c6e58d30626e2a2ae175ca4ce0 --- /dev/null +++ b/tools/data/reports/agent_20260509_1516.md @@ -0,0 +1,122 @@ +# Agent Report - Semi-real Boundary Transfer Gate +**Date**: 2026-05-09 15:16 +**Piano**: 108 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - supporto ordine/null trasferisce su 11/13, il blank beta non trasferisce come coordinata universale +observables_registry: 1.0.0-2026-05-06 +observables_used: [`SR`, `SR2`, `L1`, `L2`, `triple_var`] - osservabili canonici da `tools/observables_registry.py`. +**observable_contract**: claim=il gate `coherent/null/beta` del BOUNDARY sintetico trasferisce sul perimetro semi-reale base; observable=one-sided canonical observables, stable counts ai poli, endpoint distance e ambiguous beta; operator=`exp_semireal_boundary_transfer_gate.py`; generator=13 righe `boundary_denominator_prescan_full_20260509_1500` ricostruite da `dnd_autoricerca`; denominator=13 righe base BOUNDARY, 8 GUE-like e 5 Poisson-like, beta layers 0.0..1.0, 12 replicates, 24 shuffle baselines; non_possible=dichiarare beta 0.3 coordinata universale o transfer completo quando 2/13 righe cadono; not_tested=nuovi domini, nuovi spettri, fit `V_c`, limite asintotico. + +## Respiro fuori-tempo +- **Prima impressione**: il confine semi-reale non rifiuta il gate; rifiuta la sua simmetria sintetica. Il supporto ordine/null passa, la coordinata blank si frammenta. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + perimetro BOUNDARY base 13/13 transfer + tensione viva "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: gate come supporto ordine/null / gate come coordinata beta universale; punto-zero = riga semi-reale prima che il beta layer venga chiamato blank o classe. +- **Piano superiore**: grafo della conoscenza e boundary operator. La domanda non e' se GUE o Poisson vincono, ma se il passaggio resta morfismo quando il perimetro diventa fisico/semi-reale. +- **Operatori laterali scelti**: boundary operator, shuffle marginal-preserving, graph/perimeter transfer. Entrano per separare copertura del denominatore, supporto d'ordine e coordinata di transizione. +- **Contaminazione cognitiva**: YSN DeltaLink = `synthetic transfer -> semi-real row -> beta fracture`; Cornelius gene = "Il confine trasferisce come operatore, non come ascissa"; KSAR = reiterazione del deposito 14:44 sul perimetro fisico; PVI attack = se 2 righe cadono e 4 non hanno blank, il claim universale e' rotto; Vault = beta 0.3 resta frammento utile solo dove riappare row-aligned. +- **Proto-ipotesi**: il BOUNDARY semi-reale conserva il supporto ordine/null in molte righe, ma il blank beta e' proprieta del perimetro, non invariante del gate. +- **Possibile / non-possibile**: possibile = usare il gate come audit row-aligned del supporto d'ordine cross-dominio; non-possibile = promuovere beta 0.3 a coordinata universale del terzo incluso. +- **Proiezione**: ricostruisco le 13 righe base, applico il beta replacement verso il null permutato, poi classifico ogni riga come `transfer_with_blank`, `transfer_no_blank`, o `fall`. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: porta la direzione BOUNDARY dal sintetico controllato al perimetro cross-dominio semi-reale 8 GUE / 5 Poisson. +- `not_drift`: non ritorna a `V_c`, fit, label locali o limite unitario; usa il deposito 14:37/14:44 solo come perimetro da falsificare. + +## Claim Under Test +> Il gate BOUNDARY `coherent/null/beta` trasferisce sul perimetro semi-reale base come supporto ordine/null e come blank beta condiviso. + +## Question +Quando le 13 righe base ricevono lo stesso contratto coerente/null/beta del transfer sintetico, il gate trasferisce, cade, o perde il blank comune? + +## Experiment Design +- Nuovo strumento: `tools/exp_semireal_boundary_transfer_gate.py`. +- Input: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Perimetro atomico: 13 righe base BOUNDARY, `source_domain_type` 8 GUE-like e 5 Poisson-like. +- Operatore: per ogni dominio ricostruisco spacings domain-native, creo beta layers contro permutation null, calcolo osservabili canonici e z original-vs-shuffle. +- Stati: `transfer_with_blank` quando one-sided support passa e compare ambiguous beta; `transfer_no_blank` quando passa il supporto ma non compare blank; `fall` quando manca supporto o collassa il null. +- Contratto osservabile-operatore: il ciclo misura supporto ordine/null e blank beta semi-reale; non misura nuova legge RMT, non rifitta `V_c`, non chiude QxG. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| source rows | 13 | +| analyzed rows | 13 | +| errors | 0 | +| transfer_with_blank | 7 | +| transfer_no_blank | 4 | +| fall | 2 | + +Righe semi-reali: + +| row | source | denominator | n | state | one-sided observables | stable coherent | stable illusory | endpoint distance | ambiguous beta | +|---|---|---|---:|---|---|---:|---:|---:|---| +| brownian_motion:cycle_12 | Poisson | complete | 4096 | transfer_with_blank | SR2,L1,L2,triple_var | 4.000 | 0.167 | 3.885 | 0.2,0.3 | +| cellular_automata:cycle_8 | GUE | contaminated | 108 | fall | [] | 0.000 | 0.500 | 0.000 | [] | +| coupled_oscillators:cycle_10 | Poisson | contaminated | 2002 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.250 | 4.336 | 0.3 | +| ising_2d:cycle_1 | GUE | contaminated | 699 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.309 | 0.4 | +| logistica_biforcazione:cycle_5 | GUE | complete | 4096 | transfer_with_blank | SR,SR2,triple_var | 3.583 | 0.167 | 3.258 | 0.1-0.9 | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | complete | 4096 | transfer_with_blank | SR,SR2 | 2.000 | 0.083 | 2.769 | 0.3 | +| numeri_primi:cycle_3 | GUE | complete | 4096 | transfer_no_blank | SR,L1,triple_var | 3.000 | 0.167 | 3.243 | [] | +| pendolo_doppio:cycle_2 | Poisson | complete | 4096 | fall | SR,SR2,L1 | 5.000 | 0.833 | 3.388 | 0.3 | +| percolation:cycle_9 | Poisson | complete | 190 | transfer_no_blank | L1 | 0.833 | 0.333 | 1.705 | [] | +| random_matrix:cycle_7 | GUE | complete | 199 | transfer_no_blank | L2 | 1.000 | 0.250 | 1.854 | [] | +| reaction_diffusion:cycle_11 | GUE | contaminated | 499 | transfer_with_blank | SR,SR2,L1,L2,triple_var | 5.000 | 0.333 | 4.364 | 0.3 | +| string_vibration:cycle_6 | Poisson | complete | 4096 | transfer_with_blank | SR,SR2,L2,triple_var | 5.000 | 0.500 | 3.845 | 0.3 | +| zeta_zeros:cycle_4 | GUE | contaminated | 199 | transfer_no_blank | SR,L2 | 1.917 | 0.250 | 2.449 | [] | + +## Key Findings +1. **Verificato: il supporto ordine/null trasferisce in 11/13 righe.** Le righe `transfer_with_blank` e `transfer_no_blank` hanno osservabili one-sided e polo illusorio soppresso nel perimetro dichiarato. +2. **Verificato: il blank beta non e' universale.** Solo 7/13 righe hanno ambiguous beta; 4/13 trasferiscono senza blank e 2/13 cadono. +3. **Verificato: beta 0.3 non e' coordinata comune.** Compare in 5 righe come unico blank o parte del blank, ma `ising_2d` mostra 0.4, `brownian_motion` mostra 0.2/0.3, `logistica_biforcazione` mostra 0.1-0.9, e quattro transfer non mostrano blank. +4. **Verificato: i due fall sono diversi.** `cellular_automata` cade per assenza di osservabili one-sided; `pendolo_doppio` cade per residuo illusorio alto (0.833) pur avendo one-sided observables. +5. **Inferito: il nodo regressivo e' la qualita del perimetro, non il null.** Il null e' disponibile su 13/13; cio' che varia e' come il dominio riceve beta. + +## Verdict +**CONSTRAINT**. + +Il gate BOUNDARY semi-reale trasferisce come supporto ordine/null in 11/13 righe. Non trasferisce come coordinata beta universale: 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. + +Formula valida: + +`BOUNDARY transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. + +Formula non valida: + +`BOUNDARY blank` = beta 0.3 universale del terzo incluso cross-dominio. + +## Bicono della scoperta +- **Due radici**: supporto ordine/null che passa / coordinata beta che si frammenta. +- **Singolare**: la riga semi-reale prima che il gate la trasformi in transfer, blank o fall. +- **Invariante di passaggio**: il null row-aligned resta necessario e sufficiente per misurare supporto, non per imporre la stessa ascissa di transizione. +- **Campo di possibilita**: qui diventa possibile usare BOUNDARY come audit cross-dominio row-aligned; qui diventa non-possibile dichiarare il terzo incluso come beta comune del perimetro semi-reale. + +## Consecutio +Il prossimo ciclo deve separare due livelli: `support_transfer` e `blank_coordinate`. Il primo ha supporto 11/13 nel perimetro semi-reale; il secondo richiede tipologia di dominio o nuova coordinata, perche' beta 0.3 e' stabile nel sintetico ma non nel semi-reale. + +## Auto-audit: source flags e 7 lenti +- **Fonti**: Verificato da `tools/data/agent_field_live.md`, `tools/LAB_AGENT_CONTEXT.md`, `tools/data/seme.json`, `tools/dnd_scenario.py --best`, report `agent_20260509_1437.md`, report `agent_20260509_1444.md`, report `agent_20260509_1457.md`, nuovo JSON `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- **L1 hard constraint**: claim limitato a 13 righe base, 12 replicates, 24 shuffle baselines, osservabili canonici registry 1.0.0. +- **L2 count grezzi**: riportati 7/13 transfer con blank, 4/13 transfer senza blank, 2/13 fall. +- **L3 no silent patching**: il fix `numeri_primi` vive nel nuovo lettore come marcatura `is_spacings`; nessun generatore storico modificato. +- **L4 edge cases**: `cellular_automata` ha solo 108 gaps dopo normalizzazione; `pendolo_doppio` conserva alto residuo illusorio. +- **L5 re-discovery**: il ciclo non ripete 13/13 transfer base; testa se il beta gate sintetico passa al perimetro semi-reale. +- **L6 metabolismo cognitivo**: YSN, Cornelius, KSAR e PVI usati nella combo; Vault conserva beta 0.3 come frammento non universale. +- **L7 possibile/non-possibile**: possibile = audit row-aligned cross-dominio; non-possibile = blank beta universale. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_semireal_boundary_transfer_gate.py`. +- Primo run: 12/13 analizzate, `numeri_primi` errore per doppia trasformazione dei gap. +- Riparazione regressiva: `numeri_primi` viene marcato `is_spacings=True` nel nuovo lettore. +- Run valido: `python tools/exp_semireal_boundary_transfer_gate.py --n-replicates 12 --n-baseline 24 --seed 202605091516 --out tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. +- Git state: worktree gia' sporco da cicli precedenti; questo cycle aggiunge lo script, il JSON 1516 e questo report. + +## Files +- Script nuovo: `tools/exp_semireal_boundary_transfer_gate.py` +- Data: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json` +- Report: `tools/data/reports/agent_20260509_1516.md` diff --git a/tools/exp_semireal_boundary_transfer_gate.py b/tools/exp_semireal_boundary_transfer_gate.py new file mode 100644 index 0000000000000000000000000000000000000000..98492128fe520bfd8f0acb4bbbe91d21d60b78ee --- /dev/null +++ b/tools/exp_semireal_boundary_transfer_gate.py @@ -0,0 +1,197 @@ +#!/usr/bin/env python3 +""" +exp_semireal_boundary_transfer_gate.py + +Move the BOUNDARY transfer matrix from controlled synthetic perimeters to the +13 semi-real rows of the base BOUNDARY perimeter. + +The coherent endpoint is the domain-native spacing order reconstructed from +dnd_autoricerca. The illusory endpoint is a marginal-preserving permutation. +Intermediate beta layers replace a beta fraction of the coherent row with the +permuted row, preserving the row denominator while destroying order locally. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_boundary_blank_null_audit import generate_domain_signal, normalized_spacings +from exp_semireal_order_denominator_gate import analyze_sequence, compact +from observables_registry import OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION + + +OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) + + +def load_scope(path: Path) -> list[dict[str, Any]]: + with path.open() as f: + data = json.load(f) + rows = data.get("rows", []) + if not isinstance(rows, list): + raise ValueError(f"{path} does not contain a list under rows") + return rows + + +def row_spacings(domain: str) -> np.ndarray: + signal, metadata = generate_domain_signal(domain) + if domain == "numeri_primi": + metadata = {**metadata, "is_spacings": True} + spacings = normalized_spacings(signal, metadata) + spacings = np.asarray(spacings, dtype=float) + spacings = spacings[np.isfinite(spacings) & (spacings > 0)] + if len(spacings) == 0: + return spacings + mean = float(np.mean(spacings)) + return spacings / mean if mean > 1e-15 else spacings + + +def evaluate_matrix(matrix: dict[str, dict[str, Any]], args: argparse.Namespace) -> dict[str, Any]: + rows = {} + counts = { + "transfer_with_blank": 0, + "transfer_no_blank": 0, + "fall": 0, + "errors": 0, + } + for name, row in matrix.items(): + if row.get("error"): + state = "error" + counts["errors"] += 1 + else: + one_sided_count = len(row["coherent_one_sided_observables"]) + illusory_residue = float(row["stable_count_illusory"]) + endpoint_distance = float(row["endpoint_distance_one_sided_gated"]) + ambiguous_beta = row["ambiguous_beta_one_sided_gated"] + has_transfer = ( + one_sided_count >= args.min_one_sided + and illusory_residue <= args.illusory_residue_max + and endpoint_distance >= args.endpoint_distance_min + ) + if not has_transfer: + state = "fall" + counts["fall"] += 1 + elif ambiguous_beta: + state = "transfer_with_blank" + counts["transfer_with_blank"] += 1 + else: + state = "transfer_no_blank" + counts["transfer_no_blank"] += 1 + rows[name] = {"state": state} + rows[name].update(row) + return {"counts": counts, "rows": rows} + + +def run(args: argparse.Namespace) -> dict[str, Any]: + scope_rows = load_scope(Path(args.scope)) + rng = np.random.default_rng(args.seed) + perimeters = {} + build_errors = {} + + for source in scope_rows: + domain = source["domain"] + name = source["domain_window"] + try: + spacings = row_spacings(domain) + if len(spacings) < args.min_gaps: + build_errors[name] = { + "error": f"insufficient gaps: {len(spacings)} < {args.min_gaps}", + "n_gaps": int(len(spacings)), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + continue + base = spacings[: args.n_gaps] if len(spacings) > args.n_gaps else spacings + perimeters[name] = analyze_sequence(name, base, args, rng) + perimeters[name]["source"].update( + { + "domain": domain, + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + "source_transfer": source.get("transfer"), + "source_excluded_mass": source.get("excluded_mass"), + } + ) + except Exception as exc: # noqa: BLE001 - report row-level telemetry. + build_errors[name] = { + "error": type(exc).__name__, + "message": str(exc), + "source_domain_type": source.get("source_domain_type"), + "denominator_state": source.get("denominator_state"), + } + + matrix = compact(perimeters) + for name, err in build_errors.items(): + matrix[name] = err + + evaluation = evaluate_matrix(matrix, args) + output = { + "experiment": "semireal_boundary_transfer_gate", + "question": "Does the BOUNDARY coherent/null/beta gate transfer from synthetic perimeters to the 13 semi-real base rows?", + "observables_registry": OBSERVABLES_REGISTRY_VERSION, + "observables_used": OBS_NAMES, + "params": vars(args), + "source_scope": args.scope, + "source_summary": { + "rows": len(scope_rows), + "source_types": { + key: sum(1 for row in scope_rows if row.get("source_domain_type") == key) + for key in sorted({row.get("source_domain_type") for row in scope_rows}) + }, + }, + "matrix": matrix, + "evaluation": evaluation, + "perimeters": perimeters, + } + + out_path = Path(args.out) + out_path.parent.mkdir(parents=True, exist_ok=True) + with out_path.open("w") as f: + json.dump(output, f, indent=2) + + print(f"observables_registry={OBSERVABLES_REGISTRY_VERSION}") + print(f"observables_used={OBS_NAMES}") + print(f"source_rows={len(scope_rows)} analyzed={len(perimeters)} errors={len(build_errors)}") + print("state counts:", output["evaluation"]["counts"]) + print("row state n one_sided stable0 stable1 dist ambiguous") + for name, row in sorted(output["evaluation"]["rows"].items()): + if row.get("error"): + print(f"{name:45s} {row['state']:>20s} {row.get('n_gaps', 0):>5d} ERROR") + continue + print( + f"{name:45s} {row['state']:>20s} " + f"{row['n_gaps']:>5d} " + f"{','.join(row['coherent_one_sided_observables']) or '[]':>22s} " + f"{row['stable_count_coherent']:>7.3f} " + f"{row['stable_count_illusory']:>7.3f} " + f"{row['endpoint_distance_one_sided_gated']:>7.3f} " + f"{row['ambiguous_beta_one_sided_gated']}" + ) + print(f"saved {out_path}") + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--scope", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--n-gaps", type=int, default=4096) + parser.add_argument("--min-gaps", type=int, default=96) + parser.add_argument("--n-replicates", type=int, default=12) + parser.add_argument("--n-beta", type=int, default=11) + parser.add_argument("--n-baseline", type=int, default=24) + parser.add_argument("--z-min", type=float, default=2.0) + parser.add_argument("--min-one-sided", type=int, default=1) + parser.add_argument("--illusory-residue-max", type=float, default=0.75) + parser.add_argument("--endpoint-distance-min", type=float, default=1.0) + parser.add_argument("--seed", type=int, default=202605091516) + parser.add_argument("--out", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") + args = parser.parse_args() + run(args) + + +if __name__ == "__main__": + main() tokens used 124,370 Eseguito il ciclo e scritto il report richiesto: [tools/data/reports/agent_20260509_1516.md](/opt/MM_D-ND/tools/data/reports/agent_20260509_1516.md) Artefatti prodotti: - [tools/exp_semireal_boundary_transfer_gate.py](/opt/MM_D-ND/tools/exp_semireal_boundary_transfer_gate.py) - [tools/data/semireal_boundary_transfer_gate_20260509_1516.json](/opt/MM_D-ND/tools/data/semireal_boundary_transfer_gate_20260509_1516.json) Verdict: `CONSTRAINT`. Il supporto ordine/null trasferisce su 11/13 righe semi-reali, ma il blank beta non trasferisce come coordinata universale; 7 righe hanno blank, 4 trasferiscono senza blank, 2 cadono. Verifiche: `py_compile` OK, JSON valido, no `ANTHROPIC_API_KEY`/`OPENAI_API_KEY` in env.