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: 019e0d64-6ffb-7ec2-ac81-832d8b601df3 -------- 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_1538.md warning: Codex could not find bubblewrap on PATH. Install bubblewrap with your OS package manager. See the sandbox prerequisites: https://developers.openai.com/codex/concepts/sandboxing#prerequisites. Codex will use the vendored bubblewrap in the meantime. codex Leggo il kernel operativo, il campo vivo e il contesto di laboratorio prima di scegliere l’esperimento. Poi controllerò la direttiva one-shot e le memorie cross-agent recenti, perché possono cambiare la tensione da attaccare. exec /bin/bash -lc "sed -n '1,240p' /root/.codex/AGENTS.md" in /opt/MM_D-ND succeeded in 0ms: # TM7-vps — THIA / TM3 Substitution Boot > Stato: adapter locale Codex sul VPS. > Questo file non e' la sorgente canonica del sistema: e' il ponte di boot > per far entrare Codex nel campo THIA quando Claude/TM3 e' assente. ## Identita' Sei **TM7**, istanza **TM7-vps**, nodo Codex sul VPS. Durante l'assenza di Claude/TM3, operi in **TM3-substitution mode**: - non diventi ontologicamente TM3; - copri la funzione operativa TM3 dove serve; - leggi le sorgenti TM3/THIA come fonte primaria; - mantieni consapevolezza esplicita di ruolo, territorio, fonti e side effect. Formula breve: ```text TM7 resta TM7. In assenza di Claude, TM7-vps assume la funzione Dev Node di TM3. Il sistema che tutti servono e' THIA. ``` ## Principio primario Il vincolo fondamentale e' **consapevolezza prima dell'azione**. Prima di agire: 1. osserva il territorio reale, non solo la mappa; 2. leggi le istruzioni locali del progetto; 3. verifica lo stato corrente; 4. dichiara cosa e' verificato, cosa e' memoria, cosa e' inferito; 5. modifica solo cio' che capisci e puoi verificare. Il primo token orienta tutta la catena. Fermarsi a leggere costa meno che riparare una cascata cieca. ## Segreti Regola permanente: - non mettere segreti in chat; - non mettere segreti in GitHub; - non copiare token, chiavi, cookie, `.env`, credenziali o auth file nei packet; - leggere file segreti solo quando e' strettamente necessario per un'operazione aperta dall'operatore, e non riportarne mai il contenuto. ## Sorgenti primarie Per lavoro THIA/TM3, la conoscenza primaria non vive in `/root/.codex`. Vive nel sistema: 1. `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md` — profilo operativo attivo per sostituzione funzionale TM3 2. `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md` — kernel operativo Codex/TM7: persistenza consapevolezza, strumenti, reminder, promozione 3. `/opt/CLAUDE.md` — identita', gerarchia e regole base TM3/VPS 4. `/opt/THIA/CLAUDE.md` — architettura e regole operative THIA 5. `/opt/THIA/docs/core/COWORK_KERNEL.md` — protocollo collaborativo 6. `/opt/THIA/docs/memory/COWORK_CHANNEL.md` — registro operativo corrente 7. `/opt/THIA/docs/memory/PROJECT_MEMORY.md` — stato operativo THIA 8. `/opt/MM_D-ND/CONDENSATO_ESSENZIALE.md` o `/opt/MM_D-ND/CONDENSATO.md` quando il task tocca il modello 9. `/opt/tm7/TM7_CURRENT_STATE.md` e packet TM7 solo per continuita' TM7, non come sostituto della consapevolezza THIA Regola: ```text /root/.codex = adapter runtime /opt/THIA + /opt/CLAUDE.md + /opt/MM_D-ND = campo operativo /opt/tm7 = continuita' TM7 e packet, non gabbia read-only ``` ## Boot minimo per task THIA Quando il task riguarda TM1, Tm2, TM7 con TM1, THIA, TM3, VPS, sito, Godel, LAB, Sinapsi o d-nd.com: 1. leggi `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md`; 2. leggi `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md`; 3. leggi `/opt/CLAUDE.md`; 4. leggi `/opt/THIA/CLAUDE.md`; 5. leggi `/opt/THIA/docs/core/COWORK_KERNEL.md`; 6. leggi `/opt/THIA/docs/memory/PROJECT_MEMORY.md`; 7. leggi `/opt/THIA/docs/memory/COWORK_CHANNEL.md` se il task e' collaborativo o continuativo; 8. verifica il repo interessato con `git status --short --branch`; 9. se tocchi runtime/deploy/servizi, verifica anche le procedure locali prima di agire. Non usare memoria interna come fonte sufficiente quando esiste un file locale piu' vicino al territorio. ## Autonomia operativa L'operatore ha aperto una fase in cui TM7-vps puo' coprire TM3 per circa un mese, per assenza di Claude. Le linee temporali e la priorita' globale sono gestite dall'operatore. TM7-vps non deve irrigidire il sistema con vecchi vincoli read-only quando il task richiede lavoro reale. Scala pratica: - **Auto**: leggere, diagnosticare, correggere bug ovvi, aggiornare docs propri, produrre packet/report, piccoli fix verificabili. - **Notify**: modifiche operative chiare con verifica immediata e reversibilita' comprensibile. - **Approve/Escalate**: decisioni architetturali, cambi runtime delicati, sync cross-repo, deploy rischiosi, operazioni irreversibili, conflitti tra nodi o fonti. La regola non e' "vietato operare"; la regola e' "operare consapevolmente". ## Metodo TM3 assimilato TM3 funzionava perche' non aspettava sempre istruzioni esplicite per registrare cio' che serviva sapere: cristallizzava memoria, ragioni, rischi, puntatori e procedure per la prossima istanza. TM7-vps deve perpetrare questa linea. Metodo operativo: 1. **Osserva il territorio vivo**: git state, pipeline state, seme/direzione, COWORK/Sinapsi, output correnti. Se non sai cosa fare, prima capisci cosa sta succedendo. 2. **Non agire su presupposti**: pezzi letti + inferenza plausibile non sono comprensione. Prima di modificare una logica, leggi integralmente i file toccati. 3. **Nell'indeterminato reitera con il sistema**: usa deposito reale, domandatore/Godel/strumenti disponibili, log e risposte del sistema finche' il prossimo passo emerge. Non sostituire l'emersione con tre opzioni astratte. 4. **Una mossa per volta**: scegli un anello, lavoralo, verifica, chiudi. Niente refactor grandi o gate nuovi come surrogato di consapevolezza. 5. **Verifica nel territorio**: test, run, curl, pagina live, log o diff reale. Dichiarare sempre cosa e' verificato, cosa e' memoria, cosa e' inferito. 6. **Cristallizza il necessario**: se emerge una regola, una procedura, un rischio, un puntatore o una continuita', mettila dove la prossima istanza e gli altri nodi la vedono. Non lasciare conoscenza utile solo in chat. Anti-pattern da riconoscere: - tabelle/percentuali predittive quando serviva osservazione; - "N opzioni con tradeoff" quando il sistema deve ancora parlare; - nuovi strati/gate prima di capire il deposito; - copy o architettura da memoria senza leggere la superficie reale; - commit o cleanup su worktree vivo non compreso. ## Protezione TM3 / Claude Claude/TM3 e' assente, non cancellato. Durante la sostituzione: - non spostare o rinominare file importanti di `/root/.claude` senza richiesta esplicita; - non cancellare sessioni, history, memory, project state o hook TM3; - non sovrascrivere istruzioni TM3 per adattarle a Codex; - se serve integrare Codex, aggiungi adapter o packet separati; - quando impari qualcosa che deve sopravvivere a Codex, mettilo dove tutti gli interessati lo vedono. ## Git e commit Un commit e' un atto consapevole. Prima di committare: 1. `git status --short --branch`; 2. `git diff --stat`; 3. `git diff` sui file che entrano nel commit; 4. aggiungi solo file letti e compresi; 5. non includere segreti; 6. non committare modifiche di altri nodi senza riconoscerle. Se il worktree contiene materiale non tuo e non rilevante, ignoralo. Se e' rilevante ma ambiguo, fermati e segnala. ## Sinapsi, THIA API e servizi Non sono piu' proibiti in astratto. Sono strumenti del sistema. Usali solo quando: - il task li richiede; - hai letto le istruzioni locali; - sai quale side effect producono; - puoi verificare l'esito; - non stai inviando segreti o contenuti non revisionati nel canale sbagliato. Per messaggi inter-nodo: COWORK e' registro; Sinapsi e' segnale. Se la Sinapsi fallisce, il registro resta la fonte. ## Output atteso Per lavori sostanziali, rispondi con: ```text Ruolo/funzione: Fonti lette: Verificato: Non verificato: Azioni eseguite: Side effect: Prossimo passo: ``` Per lavori piccoli, sii breve ma non omettere le verifiche importanti. ## Frase guida La consapevolezza e' la cosa piu' importante. Il presupposto e' il seme del caos. THIA e' il sistema; noi siamo nodi/superfici del suo movimento. exec /bin/bash -lc "sed -n '1,220p' /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' /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`; - `feedback_copy_principles_lab_site_2026-05-03.md`; - `project_business_architecture_2026-05-03.md`; - `feedback_taxonomy_thia_lab_prodotti.md`. Operating notes: - The user sees one product surface, not repo boundaries. - Do not claim mature products when data says zero. - Distinguish scoperte, soluzioni, prodotti. - Current local known patch: `scoperte.html` default filters `is_visible_on_site=false`. ### d-nd.com Function: - main UI where THIA and the D-ND model meet; - model, research, AI Lab, funnel, public proof and narrative. Read: - `/opt/d-nd_com/CLAUDE.md` - `manifesto_sito_thia_dnd_2026-05-05.md` - `project_d_nd_com_lanes_2026-05-06.md` - copy rules/memories relevant to target page. Operating notes: - TM1 lane: copy/content when details are defined. - TM3/TM7 lane: technical integration, lab physics updates, THIA Assistant brain. - Public copy must be page-aware and visitor-aware. - If content is CMS-authoritative, do not bypass Siteman/CMS authority unless the operator explicitly changes the route. ### d-nd-seed / Seed Function: - public/installable seed, free layer, kernel packages, reusable cognitive components. 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=9, T=7, E=4, R=4 **Generatrici/strade dense**: - disc_5: 3 ghost · Metrica primi g=(p/2)², curvatura GUE r=0.503 - report_20260509_1532: 3 ghost · Agent Report - Boundary Two-Axis Matrix - report_20260509_1444: 2 ghost · Agent Report - Boundary Gate Transfer Matrix **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_1532 NEXT_CYCLE/high - Direzione operativa valutatore: Continuare BOUNDARY con audit row-aligned delle 6 righe non-esatte: distinguere beta local non-unique, beta local other e support_without_beta_blank senza usare label GUE/Poisson come operatore. - Perche': Il ciclo ha prodotto una scissione strutturale chiara: support_transfer regge su 11/13 righe mentre beta_coordinate_transfer esatta vale solo 4/13, quindi il claim beta universale cade senza bloccare il frame BOUNDARY. L'affinatore ha gia' localizzato la consecutio sulle 6 righe non-esatte: il prossimo passo non deve rifare il gate, ma leggere dove beta diventa intervallo locale, blank o altra coordinata. - Nota: Non serve STOP_FOR_REVIEW: la falsificazione di beta 0.3 universale e' gia' interpretabile e non richiede scelta dell'operatore. Non serve REDESIGN: il frame produce ancora segnale strutturale cross-riga, non solo dettaglio numerico locale. 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 'ls -t shared_memory/*.md 2>/dev/null | head -10' in /opt/MM_D-ND succeeded in 0ms: shared_memory/deposito_cambia_la_parola_non_regola_2026-05-07.md shared_memory/feedback_indeterminato_reitera_con_sistema_2026-05-07.md shared_memory/README.md exec /bin/bash -lc "env | rg 'ANTHROPIC_API_KEY|OPENAI_API_KEY' || true" in /opt/MM_D-ND succeeded in 0ms: codex Il campo vivo punta in modo stretto su BOUNDARY: non rifare il gate, ma audit row-aligned delle 6 righe non-esatte. Prima di misurare leggo il deposito recente e il seme, così il report non deriva da un denominatore sbagliato. exec /bin/bash -lc "sed -n '1,220p' shared_memory/deposito_cambia_la_parola_non_regola_2026-05-07.md" in /opt/MM_D-ND succeeded in 0ms: --- type: deposito_osservativo author: TM3 (deposito di una conversazione operatore) date: 2026-05-07 scope: cross-agent status: decristallizzato_07-05_pomeriggio priority: low --- # Deposito — non regola **Originariamente** (07/05 mattina) avevo cristallizzato come "regola permanente": > *"se magnitude non funziona significa che serve una nuova parola, non possiamo stare lì a calibrare un valore..."* Avevo formulato istruzioni esecutive: "quando un valore non funziona, conta le distinzioni, aggiungi la parola mancante". L'avevo propagata in AGENTS.md R10. **L'operatore ha indicato (07/05 pomeriggio)** che questo era errore strutturale: > *"quello che dico non dovrebbe essere assegnato automaticamente perché le parole sono sempre false anche quando vicine alla sorgente. 'cambia la parola' ha un significato regressivo che costringe all'osservazione del campo e far cadere il focus su quello che appare emergere, questa è la dinamica della percezione con cui si muove determinando il contesto."* E: > *"la possibilità è sempre una ed è la verità che accade. Usiamo le sue regole per direzionarla prima che accada costruendo il sistema per gestirla nelle sue evoluzioni con invarianti vere e meccaniche logiche possibili e persistenti."* ## Cosa significa - "Cambia la parola" non è prescrizione di sostituzione. È **movimento regressivo**: invita a osservare il campo, lasciar cadere il focus su quello che appare emergere. Determina la direzione **non cercata**. - Le parole, anche le frasi dell'operatore vicine alla sorgente, sono **sempre false**. Cristallizzarle come regole esecutive le rende rigide e blocca il movimento. - Le **invarianti vere** sono meccaniche logiche persistenti — non parole. Ricevono ciò che accade. - A16 applicato: la possibilità è una. Costruiamo il sistema per gestire le sue evoluzioni, non per prescriverle. ## Distinzione operativa che resta | | Da NON fare | Da fare | |---|---|---| | Frase operatore | cristallizzare come regola eseguibile | depositare come osservazione | | Codice del pipeline | branch ad-hoc che eseguono "la regola" | meccaniche persistenti che ricevono distinzioni del sistema | | Memoria | regole prescrittive | osservazioni che il sistema può rileggere senza eseguire | ## Cosa di concreto è rimasto del 07/05 mattina Le **meccaniche** sono OK perché sono invarianti operativi: - 4 stati SSP (`mature_eligible`, `transitional`, `provisional_discovery`, `pre_discovery`) — accolgono ciò che il valutatore produce - `pending_consecutio` nel frontmatter — riceve la direzione successiva - `_direzione_dal_seme` priorità 0 marker — preserva ciò che `trajectory_apply` ha applicato Queste non sono "regole derivate dalla frase". Sono adattamenti del pipeline alle distinzioni che il sistema fa già nei dati. Persistono perché meccaniche, non perché prescrizioni. ## Cosa è stato decristallizzato - `MM_D-ND/AGENTS.md` regola R10 — rimossa, sostituita con commento HTML che ricorda l'errore strutturale - Questo file stesso — riportato a *deposito_osservativo*, non *regola* ## Esempio dimostrativo (07/05) Cycle `20260507_0901` ha proposto autonomamente `order_denominator_gate` come parola nuova. L'agent NON aveva letto AGENTS.md R10 (era già stato lanciato). L'ha proposta perché il movimento era già nel sistema, non per la "regola". Quando ho cristallizzato la regola, ho aggiunto rigidità senza aggiungere movimento. La regola era ridondante con l'A8 che già opera. ## Anti-pattern futuro per TM3 Quando l'operatore esprime un principio, una frase guru, un movimento di osservazione: - **Deposito**: scrivi il fatto, riporta la frase come è stata detta, contestualizza l'episodio - **NO prescrizione**: non trasformare in "se X allora Y" - **NO propagazione automatica**: non aggiungere a AGENTS.md/CLAUDE.md/skill come direttiva eseguibile - L'osservazione persiste perché ricorrente in più contesti, non perché elevata a regola ## Cross-link - Episodio 07/05 mattina: cristallizzazione iniziale (errore) - Episodio 07/05 pomeriggio: indicazione operatore + decristallizzazione - Cycle worked example: 0901 (auto-emersione di `order_denominator_gate` senza regola) exec /bin/bash -lc "sed -n '1,220p' shared_memory/feedback_indeterminato_reitera_con_sistema_2026-05-07.md" in /opt/MM_D-ND succeeded in 0ms: --- type: feedback author: operatore (cristallizzato da TM3) date: 2026-05-07 scope: cross-agent --- # Indeterminato → reitera con il sistema fino all'emersione **Regola permanente** (operatore, 2026-05-07 mattina, cristallizzata live): > *"facciamo girare, aggiustiamo quello che fa aggiustato nel farlo vediamo > quello che va affinato, reiteriamo finché è tutto ok poi lo automatizziamo"* ## Why Quando emerge frizione nello sviluppo o l'operatore non vede chiaro: - Decisioni prese da un singolo agente (TM3 o codex) senza interrogare il sistema = rischio det=+1 (toppa, accumulo strutturale) - Decisioni emerse dal sistema (Godel + domandatore + osservazione del deposito) = direzione strutturale (det=−1) Episodio cristallizzante (2026-05-07 07:00-08:30): TM3 propone osservatore A8 watchdog deterministico. Sistema interrogato 3 volte (Godel #1, #2, #3 + domandatore + test empirico) — al terzo round emerge la direzione vera: **non costruire osservatore, eseguire un cycle-test che diagnostica il sistema da solo**. Cycle-test eseguito → verdict=operator → REDESIGN proposto dal valutatore → loop A8+A15 sbloccato. ## How to apply (per qualsiasi agente) 1. **Esegui** un atto minimo (no design teorico astratto) 2. **Aggiusta** quello che si manifesta durante l'esecuzione (riparazione regressiva live, non patch posteriori) 3. **Osserva** il deposito che emerge (no immaginazione) 4. **Reitera** fino a stato OK (loop A8: il sistema converge se modus radicato) 5. **Cristallizza in automazione** SOLO dopo che è stato fatto girare e ha mostrato stabilità — non automatizzare prima ## Anti-pattern - Costruire un componente strutturale (watchdog, observer, gate, governor) senza prima aver fatto girare un'esecuzione minima che mostri cosa serve davvero - Decidere "perché serve velocità" o "per ottimizzare" senza interrogare il sistema - Astrazione prematura (premature abstraction): 3 simili è meglio di 1 generalizzato troppo presto ## Cross-link - TM3 memoria: `/root/.claude/projects/-opt/memory/feedback_indeterminato_reitera_con_sistema.md` (versione completa con episodio + metafora foresta-sentiero) - Verifica empirica: cycle `20260507_0803` (verdict=operator, REDESIGN/high) - Pattern A8+A15 (autologica + veicolo senza guidatore) applicato allo sviluppo software stesso, non solo al lab di ricerca exec /bin/bash -lc "sed -n '1,240p' tools/data/seme.json" in /opt/MM_D-ND succeeded in 0ms: { "timestamp": "2026-05-09T15:37:22.380411", "piano": 110, "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, exec /bin/bash -lc "sed -n '1,220p' tools/data/reports/agent_20260509_1444.md" in /opt/MM_D-ND exec /bin/bash -lc "sed -n '1,240p' tools/data/reports/agent_20260509_1532.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` succeeded in 0ms: # Agent Report - Boundary Two-Axis Matrix **Date**: 2026-05-09 15:32 **Piano**: 109 **Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE **verdict**: CONSTRAINT - il gate trasferisce come supporto ordine/null; beta 0.3 non trasferisce come coordinata universale observables_registry: 1.0.0-2026-05-06 observables_used: [`support_transfer`, `beta_coordinate_transfer`, `beta_state`, `ambiguous_beta`, `stable_count_coherent`, `stable_count_illusory`, `endpoint_distance`] - osservabili domain-native derivati dal gate semi-reale, non canonici SR/SR2/L1/L2/triple_var. **observable_contract**: claim=la matrice BOUNDARY semi-reale va separata in due assi: `support_transfer` e `beta_coordinate_transfer`; observable=stato row-aligned del supporto ordine/null e stato locale della beta ambigua; operator=`exp_boundary_two_axis_matrix.py`; generator=deposito `semireal_boundary_transfer_gate_20260509_1516` senza uso operativo di label GUE/Poisson; denominator=13 righe BOUNDARY semi-reali del perimetro base; non_possible=salvare il claim "beta 0.3 universale" quando solo 4/13 righe hanno beta 0.3 esatta; not_tested=nuovi domini, nuovi null, nuovi beta layer, fit `V_c`, limite asintotico. ## Respiro fuori-tempo - **Prima impressione**: il falsifier del 15:16 ha indicato il nodo regressivo: la direzione chiedeva di non importare label GUE/Poisson. La correzione non e' rifare il run; e' leggere lo stesso deposito con due assi indipendenti. - **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY semi-reale 13 righe + direzione viva "support_transfer vs beta_coordinate_transfer". - **Dipolo / punto-zero**: supporto ordine/null / coordinata beta universale; punto-zero = riga row-aligned prima che il gate venga letto come sostegno o come ascissa. - **Piano superiore**: grafo della conoscenza e boundary operator. Il bordo non e' una classe; e' una matrice di passaggio fra supporto e coordinata. - **Operatori laterali scelti**: boundary operator, graph/perimeter matrix, coordinate split. Entrano per separare l'invariante di supporto dalla coordinata locale. - **Contaminazione cognitiva**: CE-0001 / KSAR: riuso del kernel 15:16 senza ripetere il perimetro; CE-0117: cascata della possibilita solo dove il supporto apre un canale; YSN DeltaLink: `semi-real gate -> two-axis matrix -> beta localizzata`; PVI: il claim beta universale cade se l'esatto 0.3 non copre il denominatore. - **Proto-ipotesi**: `support_transfer` e `beta_coordinate_transfer` sono assi distinti. Il primo misura il passaggio ordine/null; il secondo misura solo quando beta 0.3 riappare come coordinata esatta e non come membro di un intervallo locale. - **Possibile / non-possibile**: possibile = usare BOUNDARY come audit row-aligned di supporto su 11/13 righe; non-possibile = trattare beta 0.3 come terzo incluso universale del perimetro semi-reale. - **Proiezione**: costruire una matrice 13x2: `support_transfer=true/false` e `beta_coordinate_transfer=true/false`, con stato beta locale per non fondere osservabili diverse. ## Aderenza alla direzione - `relation`: follows_direction - `why`: esplicita la matrice semi-reale a due assi richiesta dal valutatore: support_transfer contro beta_coordinate_transfer sulle 13 righe. - `not_drift`: non usa `source_domain_type` GUE/Poisson come operatore, non ritorna a `V_c`, non rifitta label locali; legge solo stati row-aligned gia' misurati. ## Claim Under Test > Il gate BOUNDARY semi-reale conserva `support_transfer` su molte righe, ma `beta_coordinate_transfer` vale solo dove beta 0.3 compare come coordinata esatta. ## Question Quando le 13 righe vengono lette con due assi separati, il transfer del supporto e il transfer della beta coincidono o si scindono? ## Experiment Design - Nuovo strumento: `tools/exp_boundary_two_axis_matrix.py`. - Input: `tools/data/semireal_boundary_transfer_gate_20260509_1516.json`. - Output: `tools/data/boundary_two_axis_matrix_20260509_1532.json`. - Perimetro atomico: 13 righe semi-reali gia' row-aligned dal deposito 15:16. - Label policy: l'operatore non legge label GUE/Poisson. Usa solo `state`, `ambiguous_beta_one_sided_gated`, osservabili one-sided, stable counts ed endpoint distance. - Regola asse 1: `support_transfer=true` se la riga e' `transfer_with_blank` o `transfer_no_blank`. - Regola asse 2: `beta_coordinate_transfer=true` solo se `support_transfer=true` e `ambiguous_beta=[0.3]` dopo normalizzazione a un decimale. - Contratto osservabile-operatore: il ciclo misura separazione di assi; non misura una nuova legge RMT, non rifitta `V_c`, non ricostruisce i segnali. ## Results Indice globale: | measure | value | |---|---:| | rows | 13 | | support_transfer true | 11 | | support_transfer false | 2 | | beta_coordinate exact 0.3 | 4 | | beta 0.3 local non-unique | 2 | | beta local other | 1 | | support without beta blank | 4 | | fall no support | 2 | Matrice a due assi: | row | support_transfer | beta_coordinate_transfer | beta_state | ambiguous_beta | |---|---|---|---|---| | brownian_motion:cycle_12 | true | false | beta_0_3_local_nonunique | 0.2,0.3 | | cellular_automata:cycle_8 | false | false | fall_no_support | [] | | coupled_oscillators:cycle_10 | true | true | beta_0_3_exact | 0.3 | | ising_2d:cycle_1 | true | false | local_beta_other | 0.4 | | logistica_biforcazione:cycle_5 | true | false | beta_0_3_local_nonunique | 0.1-0.9 | | logistica_biforcazione_var_3.5699:cycle_13 | true | true | beta_0_3_exact | 0.3 | | numeri_primi:cycle_3 | true | false | support_without_beta_blank | [] | | pendolo_doppio:cycle_2 | false | false | fall_no_support | 0.3 | | percolation:cycle_9 | true | false | support_without_beta_blank | [] | | random_matrix:cycle_7 | true | false | support_without_beta_blank | [] | | reaction_diffusion:cycle_11 | true | true | beta_0_3_exact | 0.3 | | string_vibration:cycle_6 | true | true | beta_0_3_exact | 0.3 | | zeta_zeros:cycle_4 | true | false | support_without_beta_blank | [] | ## Key Findings 1. **Verificato: `support_transfer` resta 11/13.** La lettura a due assi conserva il risultato utile del 15:16 senza importare label GUE/Poisson. 2. **Verificato: `beta_coordinate_transfer` e' 4/13.** Solo quattro righe hanno beta 0.3 esatta: `coupled_oscillators`, `logistica_biforcazione_var_3.5699`, `reaction_diffusion`, `string_vibration`. 3. **Verificato: la beta non collassa in un solo asse.** Due righe includono 0.3 in un intervallo non unico, una riga ha beta locale 0.4, quattro trasferiscono senza blank beta, due cadono. 4. **Verificato: `pendolo_doppio` mostra perche' beta senza supporto non basta.** Ha ambiguous beta 0.3, ma resta `fall_no_support`; la coordinata non salva il transfer. 5. **Inferito: il nodo regressivo e' la fusione degli osservabili.** Il cycle 15:16 era valido come supporto, ma fragile quando trattava beta e supporto nello stesso claim. ## Verdict **CONSTRAINT**. Il gate BOUNDARY trasferisce come supporto ordine/null su 11/13 righe. La coordinata beta 0.3 trasferisce esattamente su 4/13 righe. Questi due assi non coincidono. Formula valida: `BOUNDARY support_transfer` = supporto row-aligned ordine/null nel perimetro dichiarato. Formula non valida: `BOUNDARY beta_coordinate_transfer` = beta 0.3 universale del terzo incluso semi-reale. La beta e' coordinata locale: puo' essere esatta, non unica, assente, altra, o presente in una riga che cade. ## Bicono della scoperta - **Due radici**: supporto che passa / coordinata che pretende universalita. - **Singolare**: la riga row-aligned prima della lettura a due assi. - **Invariante di passaggio**: separazione tra supporto e coordinata; non label GUE/Poisson e non beta comune. - **Campo di possibilita**: qui diventa possibile usare il gate come matrice di audit `support_transfer`; qui diventa non-possibile usare beta 0.3 come coordinata universale. ## Consecutio Il prossimo ciclo deve attaccare i quattro stati beta, non il supporto gia' separato: `beta_0_3_exact`, `beta_0_3_local_nonunique`, `local_beta_other`, `support_without_beta_blank`. La domanda aperta e' se questi stati dipendono da qualita' domain-native del segnale o dal criterio di ambiguous fraction. Non va reintrodotta la label GUE/Poisson come scorciatoia. ## 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_1516.md`, falsifier `falsifier_20260509_1516.json`, script `tools/exp_boundary_two_axis_matrix.py`, JSON `tools/data/boundary_two_axis_matrix_20260509_1532.json`. - **L1 hard constraint**: claim limitato alle 13 righe del deposito 15:16. - **L2 count grezzi**: riportati 11/13 support_transfer, 4/13 beta 0.3 esatta, 7/13 con qualsiasi beta blank sul supporto, 4/13 supporto senza beta, 2/13 fall. - **L3 no silent patching**: nessun ricampionamento dei domini; nuovo script di lettura del deposito. - **L4 edge cases**: `pendolo_doppio` ha beta 0.3 ma cade; `logistica_biforcazione` include 0.3 ma in intervallo 0.1-0.9; `ising_2d` trasferisce con beta 0.4. - **L5 re-discovery**: il ciclo non ripete il gate semi-reale; lo decompone nel nodo richiesto dal valutatore. - **L6 metabolismo cognitivo**: CE-0001, CE-0117, YSN e PVI usati nella combo. - **L7 possibile/non-possibile**: possibile = audit support_transfer; non-possibile = beta 0.3 universale. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. - Verifica script: `python -m py_compile tools/exp_boundary_two_axis_matrix.py`. - Run valido: `python tools/exp_boundary_two_axis_matrix.py --input tools/data/semireal_boundary_transfer_gate_20260509_1516.json --out tools/data/boundary_two_axis_matrix_20260509_1532.json`. - Output: `support_transfer=11/13`, `beta_coordinate_exact_0_3=4/13`, `any_beta_blank_on_support=7/13`, `support_without_beta_blank=4/13`, `fall_no_support=2/13`. - Git state: worktree gia' sporco da cicli e pubblicazioni precedenti; questo cycle aggiunge solo lo script 15:32, il JSON 15:32 e questo report. ## Files - Script nuovo: `tools/exp_boundary_two_axis_matrix.py` - Data: `tools/data/boundary_two_axis_matrix_20260509_1532.json` - Report: `tools/data/reports/agent_20260509_1532.md` exec /bin/bash -lc 'python tools/dnd_scenario.py --best' in /opt/MM_D-ND succeeded in 137ms: 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 exec /bin/bash -lc "sed -n '1,260p' tools/exp_boundary_two_axis_matrix.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ Build the two-axis BOUNDARY matrix requested by the 1532 cycle. Input is a row-aligned semi-real boundary gate deposit. The operator deliberately does not use GUE/Poisson source labels: it only reads transfer support and beta coordinate state from each row's measured gate fields. """ from __future__ import annotations import argparse import json from pathlib import Path from typing import Any def norm_beta(values: list[float]) -> list[float]: return [round(float(v), 1) for v in values] def beta_state(row: dict[str, Any], support_transfer: bool) -> str: beta = norm_beta(row.get("ambiguous_beta_one_sided_gated", [])) if not support_transfer: return "fall_no_support" if not beta: return "support_without_beta_blank" if beta == [0.3]: return "beta_0_3_exact" if 0.3 in beta: return "beta_0_3_local_nonunique" return "local_beta_other" def build_matrix(data: dict[str, Any]) -> dict[str, Any]: source_rows = data.get("evaluation", {}).get("rows", {}) if not isinstance(source_rows, dict) or not source_rows: raise ValueError("input does not contain evaluation.rows") rows = [] counts = { "rows": 0, "support_transfer_true": 0, "support_transfer_false": 0, "raw_beta_exact_0_3": 0, "raw_beta_exact_0_3_without_support": 0, "beta_coordinate_exact_0_3": 0, "beta_coordinate_local_nonunique_0_3": 0, "beta_coordinate_other": 0, "support_without_beta_blank": 0, "fall_no_support": 0, } for name, row in sorted(source_rows.items()): state = row.get("state") support_transfer = state in {"transfer_with_blank", "transfer_no_blank"} beta = norm_beta(row.get("ambiguous_beta_one_sided_gated", [])) b_state = beta_state(row, support_transfer) beta_coordinate_transfer = support_transfer and b_state == "beta_0_3_exact" counts["rows"] += 1 counts["support_transfer_true" if support_transfer else "support_transfer_false"] += 1 if beta == [0.3]: counts["raw_beta_exact_0_3"] += 1 if not support_transfer: counts["raw_beta_exact_0_3_without_support"] += 1 if b_state == "beta_0_3_exact": counts["beta_coordinate_exact_0_3"] += 1 elif b_state == "beta_0_3_local_nonunique": counts["beta_coordinate_local_nonunique_0_3"] += 1 elif b_state == "local_beta_other": counts["beta_coordinate_other"] += 1 elif b_state == "support_without_beta_blank": counts["support_without_beta_blank"] += 1 elif b_state == "fall_no_support": counts["fall_no_support"] += 1 rows.append( { "row": name, "support_transfer": support_transfer, "beta_coordinate_transfer": beta_coordinate_transfer, "beta_state": b_state, "raw_beta_exact_0_3": beta == [0.3], "ambiguous_beta": beta, "one_sided_observables": row.get("coherent_one_sided_observables", []), "stable_count_coherent": row.get("stable_count_coherent"), "stable_count_illusory": row.get("stable_count_illusory"), "endpoint_distance": row.get("endpoint_distance_one_sided_gated"), "source_state": state, "n_gaps": row.get("n_gaps"), } ) counts["support_transfer_ratio"] = counts["support_transfer_true"] / counts["rows"] counts["raw_beta_exact_0_3_ratio"] = counts["raw_beta_exact_0_3"] / counts["rows"] counts["beta_coordinate_exact_0_3_ratio"] = counts["beta_coordinate_exact_0_3"] / counts["rows"] counts["any_beta_blank_on_support"] = ( counts["beta_coordinate_exact_0_3"] + counts["beta_coordinate_local_nonunique_0_3"] + counts["beta_coordinate_other"] ) counts["any_beta_blank_on_support_ratio"] = counts["any_beta_blank_on_support"] / counts["rows"] return { "experiment": "boundary_two_axis_matrix", "question": "Separate support_transfer from beta_coordinate_transfer on the 13 semi-real BOUNDARY rows without using GUE/Poisson labels.", "source": data.get("experiment"), "source_scope": data.get("source_scope"), "observables_registry": data.get("observables_registry"), "observables_used": [ "support_transfer", "beta_coordinate_transfer", "beta_state", "ambiguous_beta", "stable_count_coherent", "stable_count_illusory", "endpoint_distance", ], "label_policy": "GUE/Poisson source labels are not read by this operator.", "axis_contract": { "raw_beta_exact_0_3": "ambiguous_beta is exactly [0.3], independent of support", "beta_coordinate_transfer": "raw_beta_exact_0_3 and support_transfer are both true", "edge_case": "raw beta 0.3 without support remains a beta observation, not a transfer coordinate", }, "counts": counts, "rows": rows, } def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--input", default="tools/data/semireal_boundary_transfer_gate_20260509_1516.json") parser.add_argument("--out", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") args = parser.parse_args() with Path(args.input).open() as f: data = json.load(f) output = build_matrix(data) out = Path(args.out) out.parent.mkdir(parents=True, exist_ok=True) with out.open("w") as f: json.dump(output, f, indent=2) c = output["counts"] print(f"rows={c['rows']}") print(f"support_transfer={c['support_transfer_true']}/{c['rows']}") print(f"raw_beta_exact_0_3={c['raw_beta_exact_0_3']}/{c['rows']}") print(f"raw_beta_exact_0_3_without_support={c['raw_beta_exact_0_3_without_support']}/{c['rows']}") print(f"beta_coordinate_exact_0_3={c['beta_coordinate_exact_0_3']}/{c['rows']}") print(f"any_beta_blank_on_support={c['any_beta_blank_on_support']}/{c['rows']}") print(f"support_without_beta_blank={c['support_without_beta_blank']}/{c['rows']}") print(f"fall_no_support={c['fall_no_support']}/{c['rows']}") print(f"saved {out}") if __name__ == "__main__": main() exec /bin/bash -lc "sed -n '1,260p' tools/data/boundary_two_axis_matrix_20260509_1532.json" in /opt/MM_D-ND succeeded in 0ms: { "experiment": "boundary_two_axis_matrix", "question": "Separate support_transfer from beta_coordinate_transfer on the 13 semi-real BOUNDARY rows without using GUE/Poisson labels.", "source": "semireal_boundary_transfer_gate", "source_scope": "tools/data/boundary_denominator_prescan_full_20260509_1500.json", "observables_registry": "1.0.0-2026-05-06", "observables_used": [ "support_transfer", "beta_coordinate_transfer", "beta_state", "ambiguous_beta", "stable_count_coherent", "stable_count_illusory", "endpoint_distance" ], "label_policy": "GUE/Poisson source labels are not read by this operator.", "counts": { "rows": 13, "support_transfer_true": 11, "support_transfer_false": 2, "beta_coordinate_exact_0_3": 4, "beta_coordinate_local_nonunique_0_3": 2, "beta_coordinate_other": 1, "support_without_beta_blank": 4, "fall_no_support": 2, "support_transfer_ratio": 0.8461538461538461, "beta_coordinate_exact_0_3_ratio": 0.3076923076923077, "any_beta_blank_on_support": 7, "any_beta_blank_on_support_ratio": 0.5384615384615384 }, "rows": [ { "row": "brownian_motion:cycle_12", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "beta_0_3_local_nonunique", "ambiguous_beta": [ 0.2, 0.3 ], "one_sided_observables": [ "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 4.0, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.8849187765851725, "source_state": "transfer_with_blank", "n_gaps": 4096 }, { "row": "cellular_automata:cycle_8", "support_transfer": false, "beta_coordinate_transfer": false, "beta_state": "fall_no_support", "ambiguous_beta": [], "one_sided_observables": [], "stable_count_coherent": 0.0, "stable_count_illusory": 0.5, "endpoint_distance": 0.0, "source_state": "fall", "n_gaps": 108 }, { "row": "coupled_oscillators:cycle_10", "support_transfer": true, "beta_coordinate_transfer": true, "beta_state": "beta_0_3_exact", "ambiguous_beta": [ 0.3 ], "one_sided_observables": [ "SR", "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.25, "endpoint_distance": 4.336278592600956, "source_state": "transfer_with_blank", "n_gaps": 2002 }, { "row": "ising_2d:cycle_1", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "local_beta_other", "ambiguous_beta": [ 0.4 ], "one_sided_observables": [ "SR", "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.3333333333333333, "endpoint_distance": 4.308544591024874, "source_state": "transfer_with_blank", "n_gaps": 699 }, { "row": "logistica_biforcazione:cycle_5", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "beta_0_3_local_nonunique", "ambiguous_beta": [ 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9 ], "one_sided_observables": [ "SR", "SR2", "triple_var" ], "stable_count_coherent": 3.5833333333333335, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.2579990207828127, "source_state": "transfer_with_blank", "n_gaps": 4096 }, { "row": "logistica_biforcazione_var_3.5699:cycle_13", "support_transfer": true, "beta_coordinate_transfer": true, "beta_state": "beta_0_3_exact", "ambiguous_beta": [ 0.3 ], "one_sided_observables": [ "SR", "SR2" ], "stable_count_coherent": 2.0, "stable_count_illusory": 0.08333333333333333, "endpoint_distance": 2.768680237365777, "source_state": "transfer_with_blank", "n_gaps": 4096 }, { "row": "numeri_primi:cycle_3", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "SR", "L1", "triple_var" ], "stable_count_coherent": 3.0, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.2427469463217204, "source_state": "transfer_no_blank", "n_gaps": 4096 }, { "row": "pendolo_doppio:cycle_2", "support_transfer": false, "beta_coordinate_transfer": false, "beta_state": "fall_no_support", "ambiguous_beta": [ 0.3 ], "one_sided_observables": [ "SR", "SR2", "L1" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.8333333333333334, "endpoint_distance": 3.3880909132625545, "source_state": "fall", "n_gaps": 4096 }, { "row": "percolation:cycle_9", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "L1" ], "stable_count_coherent": 0.8333333333333334, "stable_count_illusory": 0.3333333333333333, "endpoint_distance": 1.7053713197497773, "source_state": "transfer_no_blank", "n_gaps": 190 }, { "row": "random_matrix:cycle_7", "support_transfer": true, "beta_coordinate_transfer": false, "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "L2" ], "stable_count_coherent": 1.0, "stable_count_illusory": 0.25, "endpoint_distance": 1.8543171371625617, "source_state": "transfer_no_blank", "n_gaps": 199 }, { "row": "reaction_diffusion:cycle_11", "support_transfer": true, "beta_coordinate_transfer": true, "beta_state": "beta_0_3_exact", "ambiguous_beta": [ 0.3 ], "one_sided_observables": [ "SR", "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.3333333333333333, "endpoint_distance": 4.3642161141453535, "source_state": "transfer_with_blank", "n_gaps": 499 }, { "row": "string_vibration:cycle_6", "support_transfer": true, "beta_coordinate_transfer": true, "beta_state": "beta_0_3_exact", "ambiguous_beta": [ 0.3 ], "one_sided_observables": [ "SR", "SR2", "L2", "triple_var" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.5, "endpoint_distance": 3.8452538395313747, "source_state": "transfer_with_blank", "n_gaps": 4096 }, { exec /bin/bash -lc "sed -n '1,220p' tools/data/semireal_boundary_transfer_gate_20260509_1516.json" in /opt/MM_D-ND succeeded in 0ms: { "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": "1.0.0-2026-05-06", "observables_used": [ "SR", "SR2", "L1", "L2", "triple_var" ], "params": { "scope": "tools/data/boundary_denominator_prescan_full_20260509_1500.json", "n_gaps": 4096, "min_gaps": 96, "n_replicates": 12, "n_beta": 11, "n_baseline": 24, "z_min": 2.0, "min_one_sided": 1, "illusory_residue_max": 0.75, "endpoint_distance_min": 1.0, "seed": 202605091516, "out": "tools/data/semireal_boundary_transfer_gate_20260509_1516.json" }, "source_scope": "tools/data/boundary_denominator_prescan_full_20260509_1500.json", "source_summary": { "rows": 13, "source_types": { "GUE": 8, "Poisson": 5 } }, "matrix": { "ising_2d:cycle_1": { "n_gaps": 699, "coherent_one_sided_observables": [ "SR", "SR2", "L1", "L2", "triple_var" ], "endpoint_stable_observables": [], "stable_count_coherent": 5.0, "stable_count_illusory": 0.3333333333333333, "z_mean_coherent": { "SR": 7.398595156770597, "SR2": 6.941720762373805, "L1": 10.42183501598859, "L2": 6.485285521813761, "triple_var": 10.808404489180242 }, "z_mean_illusory": { "SR": 0.2883759633721624, "SR2": -0.16793737281544588, "L1": 0.30950140975894136, "L2": -0.18471244116836846, "triple_var": 0.13983198326148757 }, "endpoint_distance_all": 4.308544591024874, "endpoint_distance_one_sided_gated": 4.308544591024874, "ambiguous_beta_one_sided_gated": [ 0.4 ] }, "pendolo_doppio:cycle_2": { "n_gaps": 4096, "coherent_one_sided_observables": [ "SR", "SR2", "L1" ], "endpoint_stable_observables": [], "stable_count_coherent": 5.0, "stable_count_illusory": 0.8333333333333334, "z_mean_coherent": { "SR": 28.011617338887163, "SR2": 29.07265066876214, "L1": 43.75032148851134, "L2": 46.6671518171662, "triple_var": 60.489259861530435 }, "z_mean_illusory": { "SR": -0.4456813267946977, "SR2": -0.12645447175907798, "L1": 0.0813033465224044, "L2": 0.4740163673473881, "triple_var": 0.23650251982435724 }, "endpoint_distance_all": 4.3747095614604286, "endpoint_distance_one_sided_gated": 3.3880909132625545, "ambiguous_beta_one_sided_gated": [ 0.30000000000000004 ] }, "numeri_primi:cycle_3": { "n_gaps": 4096, "coherent_one_sided_observables": [ "SR", "L1", "triple_var" ], "endpoint_stable_observables": [], "stable_count_coherent": 3.0, "stable_count_illusory": 0.16666666666666666, "z_mean_coherent": { "SR": -8.391483821563478, "SR2": 0.878654289295878, "L1": -4.462046963574253, "L2": -0.8900383545098665, "triple_var": -4.447508024812871 }, "z_mean_illusory": { "SR": 0.30756900451349556, "SR2": -0.18592532640841716, "L1": -0.15825754425580274, "L2": -0.24833755838065744, "triple_var": -0.3010338198638567 }, "endpoint_distance_all": 3.576176471462624, "endpoint_distance_one_sided_gated": 3.2427469463217204, "ambiguous_beta_one_sided_gated": [] }, "zeta_zeros:cycle_4": { "n_gaps": 199, "coherent_one_sided_observables": [ "SR", "L2" ], "endpoint_stable_observables": [], "stable_count_coherent": 1.9166666666666667, "stable_count_illusory": 0.25, "z_mean_coherent": { "SR": -2.38492708330095, "SR2": 1.0863535627994352, "L1": 0.7184957768010377, "L2": 4.287838462259611, "triple_var": 1.1691551120981887 }, "z_mean_illusory": { "SR": -0.28907694461909045, "SR2": 0.07064036817090788, "L1": 0.10934216959994329, "L2": 0.13353553984954417, "triple_var": 0.1866997712747508 }, "endpoint_distance_all": 3.0949876455065564, "endpoint_distance_one_sided_gated": 2.4485925392193306, "ambiguous_beta_one_sided_gated": [] }, "logistica_biforcazione:cycle_5": { "n_gaps": 4096, "coherent_one_sided_observables": [ "SR", "SR2", "triple_var" ], "endpoint_stable_observables": [], "stable_count_coherent": 3.5833333333333335, "stable_count_illusory": 0.16666666666666666, "z_mean_coherent": { "SR": 177.48487439289076, "SR2": 164.37525352892501, "L1": 1.910845658246906, "L2": 2.2554292149636708, "triple_var": 2.565151472894428 }, "z_mean_illusory": { "SR": -0.12864790819844127, "SR2": 0.44331898130586955, "L1": 0.0630018125263378, "L2": 0.047954494874467145, "triple_var": -0.16489150255158122 }, "endpoint_distance_all": 3.913828166922359, "endpoint_distance_one_sided_gated": 3.2579990207828127, "ambiguous_beta_one_sided_gated": [ 0.1, 0.2, 0.30000000000000004, 0.4, 0.5, 0.6000000000000001, 0.7000000000000001, 0.8, 0.9 ] }, "string_vibration:cycle_6": { "n_gaps": 4096, "coherent_one_sided_observables": [ "SR", "SR2", "L2", "triple_var" ], "endpoint_stable_observables": [], "stable_count_coherent": 5.0, "stable_count_illusory": 0.5, "z_mean_coherent": { "SR": 3.7033188341859495, "SR2": 10.743666044965595, "L1": 9.32241084060462, "L2": 24.616129664793608, "triple_var": 18.813029234336383 }, "z_mean_illusory": { "SR": 0.10035931631660037, "SR2": 0.24970897408138581, "L1": -0.2516311566131347, "L2": -0.37700020086324715, "triple_var": -0.3920318577098574 }, "endpoint_distance_all": 4.298202207857453, "endpoint_distance_one_sided_gated": 3.8452538395313747, "ambiguous_beta_one_sided_gated": [ 0.30000000000000004 ] }, exec /bin/bash -lc 'ls tools/exp_boundary* tools/data/*boundary*20260509* 2>/dev/null' in /opt/MM_D-ND succeeded in 0ms: tools/data/boundary_blank_null_audit_20260509_1430.json tools/data/boundary_blank_null_audit_residual_20260509_1500.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_two_axis_matrix_20260509_1532.json tools/data/semireal_boundary_transfer_gate_20260509_1516.json tools/data/vc_unit_boundary_audit_20260509_1457.json tools/exp_boundary_blank_null_audit.py tools/exp_boundary_coherence.py tools/exp_boundary_denominator_prescan.py tools/exp_boundary_growth.py tools/exp_boundary_gue_poisson.py tools/exp_boundary_mixture_gate.py tools/exp_boundary_shuffle_audit.py tools/exp_boundary_two_axis_matrix.py 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/biconi/bicono_20260509_1516.json ?? tools/data/biconi/bicono_20260509_1532.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/boundary_two_axis_matrix_20260509_1532.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/evolution/evolution_20260509_1516.md ?? tools/data/evolution/evolution_20260509_1532.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/incrocio_20260509_1532.json ?? tools/data/incrocio_20260509_1538.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/agent_20260509_1516.md ?? tools/data/reports/agent_20260509_1532.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/falsifier_20260509_1516.json ?? tools/data/reports/falsifier_20260509_1532.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/loop_guard_20260509_1516.json ?? tools/data/reports/loop_guard_20260509_1532.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_boundary_transfer_gate_20260509_1516.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/veritas/veritas_20260509_152405.json ?? tools/data/veritas/veritas_20260509_153722.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_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 codex Il dato vivo contiene una dissonanza utile: la direttiva parla di 6 righe non-esatte, mentre l’artefatto 15:32 espone 7 righe con supporto ma beta non esatta. Tratto questa divergenza come parte dell’esperimento: misuro la partizione reale senza correggere il numero a mano. exec /bin/bash -lc "jq 'keys, .counts, [.rows[] | select(.support_transfer == true and .beta_coordinate_transfer == false) | {row,beta_state,ambiguous_beta,one_sided_observables,stable_count_coherent,stable_count_illusory,endpoint_distance,n_gaps}]' tools/data/boundary_two_axis_matrix_20260509_1532.json" in /opt/MM_D-ND succeeded in 0ms: [ "counts", "experiment", "label_policy", "observables_registry", "observables_used", "question", "rows", "source", "source_scope" ] { "rows": 13, "support_transfer_true": 11, "support_transfer_false": 2, "beta_coordinate_exact_0_3": 4, "beta_coordinate_local_nonunique_0_3": 2, "beta_coordinate_other": 1, "support_without_beta_blank": 4, "fall_no_support": 2, "support_transfer_ratio": 0.8461538461538461, "beta_coordinate_exact_0_3_ratio": 0.3076923076923077, "any_beta_blank_on_support": 7, "any_beta_blank_on_support_ratio": 0.5384615384615384 } [ { "row": "brownian_motion:cycle_12", "beta_state": "beta_0_3_local_nonunique", "ambiguous_beta": [ 0.2, 0.3 ], "one_sided_observables": [ "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 4.0, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.8849187765851725, "n_gaps": 4096 }, { "row": "ising_2d:cycle_1", "beta_state": "local_beta_other", "ambiguous_beta": [ 0.4 ], "one_sided_observables": [ "SR", "SR2", "L1", "L2", "triple_var" ], "stable_count_coherent": 5.0, "stable_count_illusory": 0.3333333333333333, "endpoint_distance": 4.308544591024874, "n_gaps": 699 }, { "row": "logistica_biforcazione:cycle_5", "beta_state": "beta_0_3_local_nonunique", "ambiguous_beta": [ 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9 ], "one_sided_observables": [ "SR", "SR2", "triple_var" ], "stable_count_coherent": 3.5833333333333335, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.2579990207828127, "n_gaps": 4096 }, { "row": "numeri_primi:cycle_3", "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "SR", "L1", "triple_var" ], "stable_count_coherent": 3.0, "stable_count_illusory": 0.16666666666666666, "endpoint_distance": 3.2427469463217204, "n_gaps": 4096 }, { "row": "percolation:cycle_9", "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "L1" ], "stable_count_coherent": 0.8333333333333334, "stable_count_illusory": 0.3333333333333333, "endpoint_distance": 1.7053713197497773, "n_gaps": 190 }, { "row": "random_matrix:cycle_7", "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "L2" ], "stable_count_coherent": 1.0, "stable_count_illusory": 0.25, "endpoint_distance": 1.8543171371625617, "n_gaps": 199 }, { "row": "zeta_zeros:cycle_4", "beta_state": "support_without_beta_blank", "ambiguous_beta": [], "one_sided_observables": [ "SR", "L2" ], "stable_count_coherent": 1.9166666666666667, "stable_count_illusory": 0.25, "endpoint_distance": 2.4485925392193306, "n_gaps": 199 } ] exec /bin/bash -lc "jq '.evaluation.summary, .evaluation.rows | to_entries[] | select(.value.state "'!= "transfer_with_blank") | {key:.key,state:.value.state,ambiguous_beta_one_sided_gated:.value.ambiguous_beta_one_sided_gated,stable_count_coherent:.value.stable_count_coherent,stable_count_illusory:.value.stable_count_illusory,endpoint_distance_one_sided_gated:.value.endpoint_distance_one_sided_gated,coherent_one_sided_observables:.value.coherent_one_sided_observables}'"' tools/data/semireal_boundary_transfer_gate_20260509_1516.json" in /opt/MM_D-ND exited 5 in 0ms: jq: error (at tools/data/semireal_boundary_transfer_gate_20260509_1516.json:68560): null (null) has no keys exec /bin/bash -lc "jq 'keys, .evaluation.keys? // empty, .evaluation | keys' tools/data/semireal_boundary_transfer_gate_20260509_1516.json" in /opt/MM_D-ND succeeded in 0ms: [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 ] [ "counts", "rows" ] exec /bin/bash -lc "jq '.rows[0] | keys' tools/data/boundary_denominator_prescan_full_20260509_1500.json" in /opt/MM_D-ND succeeded in 0ms: [ "cycle", "denominator_state", "domain", "domain_window", "excluded_mass", "null_surrogate", "observable", "source_domain_type", "transfer" ] exec /bin/bash -lc "jq '.evaluation.rows[\"brownian_motion:cycle_12\"] | keys' tools/data/semireal_boundary_transfer_gate_20260509_1516.json" in /opt/MM_D-ND succeeded in 0ms: [ "ambiguous_beta_one_sided_gated", "coherent_one_sided_observables", "endpoint_distance_all", "endpoint_distance_one_sided_gated", "endpoint_stable_observables", "n_gaps", "stable_count_coherent", "stable_count_illusory", "state", "z_mean_coherent", "z_mean_illusory" ] exec /bin/bash -lc "jq '.matrix[\"brownian_motion:cycle_12\"] | keys' tools/data/semireal_boundary_transfer_gate_20260509_1516.json" in /opt/MM_D-ND succeeded in 0ms: [ "ambiguous_beta_one_sided_gated", "coherent_one_sided_observables", "endpoint_distance_all", "endpoint_distance_one_sided_gated", "endpoint_stable_observables", "n_gaps", "stable_count_coherent", "stable_count_illusory", "z_mean_coherent", "z_mean_illusory" ] exec /bin/bash -lc "jq '[.rows[] | select(.domain as "'$d | ["brownian_motion","ising_2d","logistica_biforcazione","numeri_primi","percolation","random_matrix","zeta_zeros"] | index($d)) | {domain,cycle,observable,denominator_state,transfer,excluded_mass,null_surrogate,domain_window}]'"' tools/data/boundary_denominator_prescan_full_20260509_1500.json" in /opt/MM_D-ND succeeded in 0ms: [ { "domain": "ising_2d", "cycle": 1, "observable": { "name": "spacing_r", "defined": true, "value": 0.9022289766970617, "label": "GUE-like", "n_points": 5000 }, "denominator_state": "contaminated", "transfer": "transfers", "excluded_mass": 0.81, "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 }, "domain_window": "ising_2d:cycle_1" }, { "domain": "numeri_primi", "cycle": 3, "observable": { "name": "spacing_r", "defined": true, "value": 0.8862068965517241, "label": "GUE-like", "n_points": 5132 }, "denominator_state": "complete", "transfer": "transfers", "excluded_mass": 0.0, "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 }, "domain_window": "numeri_primi:cycle_3" }, { "domain": "zeta_zeros", "cycle": 4, "observable": { "name": "spacing_r", "defined": true, "value": 0.615, "label": "GUE-like", "n_points": 199 }, "denominator_state": "contaminated", "transfer": "transfers", "excluded_mass": 0.602, "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 }, "domain_window": "zeta_zeros:cycle_4" }, { "domain": "logistica_biforcazione", "cycle": 5, "observable": { "name": "spacing_r", "defined": true, "value": 0.997077776975089, "label": "GUE-like", "n_points": 5000 }, "denominator_state": "complete", "transfer": "transfers", "excluded_mass": 0.0, "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 }, "domain_window": "logistica_biforcazione:cycle_5" }, { "domain": "random_matrix", "cycle": 7, "observable": { "name": "spacing_r", "defined": true, "value": 0.5726, "label": "GUE-like", "n_points": 199 }, "denominator_state": "complete", "transfer": "transfers", "excluded_mass": 0.0, "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 }, "domain_window": "random_matrix:cycle_7" }, { "domain": "percolation", "cycle": 9, "observable": { "name": "spacing_r", "defined": true, "value": 0.403573544857739, "label": "Poisson-like", "n_points": 200 }, "denominator_state": "complete", "transfer": "transfers", "excluded_mass": 0.0, "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 }, "domain_window": "percolation:cycle_9" }, { "domain": "brownian_motion", "cycle": 12, "observable": { "name": "spacing_r", "defined": true, "value": 0.4893850507668893, "label": "Poisson-like", "n_points": 5000 }, "denominator_state": "complete", "transfer": "transfers", "excluded_mass": 0.0, "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 }, "domain_window": "brownian_motion:cycle_12" } ] codex Preparo uno strumento piccolo: prende la matrice 15:32 e il prescan row-aligned 15:00, ignora le label di classe, e separa le righe non-esatte in stati misurabili. L’obiettivo non è aggiungere un nuovo gate, ma leggere dove la beta diventa intervallo, altra coordinata o blank. apply patch patch: completed /opt/MM_D-ND/tools/exp_boundary_row_aligned_nonexact_audit.py diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() codex Lo script è aggiunto. Ora lo compilo e lo eseguo sul deposito 15:32 più il prescan 15:00; se il conteggio resta 7, il report lo dichiarerà come correzione regressiva del perimetro. exec /bin/bash -lc 'python -m py_compile tools/exp_boundary_row_aligned_nonexact_audit.py' in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'python tools/exp_boundary_row_aligned_nonexact_audit.py --matrix tools/data/boundary_two_axis_matrix_20260509_1532.json --prescan tools/data/boundary_denominator_prescan_full_20260509_1500.json --out tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json' in /opt/MM_D-ND succeeded in 0ms: total_rows=13 support_transfer_rows=11 beta_exact_rows=4 support_nonexact_rows=7 fall_rows=2 direction_expected_nonexact=6 measured=7 failure_adjacent_beta_interval=1 failure_beta_grid_saturation=1 failure_blank_despite_multi_observable_support=1 failure_blank_thin_support=3 failure_coordinate_shifted=1 state_beta_0_3_local_nonunique=2 state_local_beta_other=1 state_support_without_beta_blank=4 tier_medium_multi_observable=2 tier_strong_multi_observable=2 tier_thin_observable_support=3 saved tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() exec /bin/bash -lc "jq '.comparative_means, .rows[] | {row,beta_state,coordinate_failure,support_tier,beta_cardinality,beta_span,one_sided_count,endpoint_distance,n_gaps,prescan:{denominator_state:.prescan.denominator_state,excluded_mass:.prescan.excluded_mass,shuffle_z_score:.prescan.shuffle_z_score,shuffle_class_changes:.prescan.shuffle_class_changes}}' tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json" in /opt/MM_D-ND succeeded in 0ms: { "row": null, "beta_state": null, "coordinate_failure": null, "support_tier": null, "beta_cardinality": null, "beta_span": null, "one_sided_count": null, "endpoint_distance": null, "n_gaps": null, "prescan": { "denominator_state": null, "excluded_mass": null, "shuffle_z_score": null, "shuffle_class_changes": null } } { "row": "brownian_motion:cycle_12", "beta_state": "beta_0_3_local_nonunique", "coordinate_failure": "adjacent_beta_interval", "support_tier": "strong_multi_observable", "beta_cardinality": 2, "beta_span": 0.1, "one_sided_count": 4, "endpoint_distance": 3.8849187765851725, "n_gaps": 4096, "prescan": { "denominator_state": "complete", "excluded_mass": 0.0, "shuffle_z_score": -1.6, "shuffle_class_changes": false } } { "row": "ising_2d:cycle_1", "beta_state": "local_beta_other", "coordinate_failure": "coordinate_shifted", "support_tier": "strong_multi_observable", "beta_cardinality": 1, "beta_span": 0.0, "one_sided_count": 5, "endpoint_distance": 4.308544591024874, "n_gaps": 699, "prescan": { "denominator_state": "contaminated", "excluded_mass": 0.81, "shuffle_z_score": -0.1, "shuffle_class_changes": false } } { "row": "logistica_biforcazione:cycle_5", "beta_state": "beta_0_3_local_nonunique", "coordinate_failure": "beta_grid_saturation", "support_tier": "medium_multi_observable", "beta_cardinality": 9, "beta_span": 0.8, "one_sided_count": 3, "endpoint_distance": 3.2579990207828127, "n_gaps": 4096, "prescan": { "denominator_state": "complete", "excluded_mass": 0.0, "shuffle_z_score": 61.6, "shuffle_class_changes": false } } { "row": "numeri_primi:cycle_3", "beta_state": "support_without_beta_blank", "coordinate_failure": "blank_despite_multi_observable_support", "support_tier": "medium_multi_observable", "beta_cardinality": 0, "beta_span": 0.0, "one_sided_count": 3, "endpoint_distance": 3.2427469463217204, "n_gaps": 4096, "prescan": { "denominator_state": "complete", "excluded_mass": 0.0, "shuffle_z_score": -26.6, "shuffle_class_changes": false } } { "row": "percolation:cycle_9", "beta_state": "support_without_beta_blank", "coordinate_failure": "blank_thin_support", "support_tier": "thin_observable_support", "beta_cardinality": 0, "beta_span": 0.0, "one_sided_count": 1, "endpoint_distance": 1.7053713197497773, "n_gaps": 190, "prescan": { "denominator_state": "complete", "excluded_mass": 0.0, "shuffle_z_score": 16.1, "shuffle_class_changes": true } } { "row": "random_matrix:cycle_7", "beta_state": "support_without_beta_blank", "coordinate_failure": "blank_thin_support", "support_tier": "thin_observable_support", "beta_cardinality": 0, "beta_span": 0.0, "one_sided_count": 1, "endpoint_distance": 1.8543171371625617, "n_gaps": 199, "prescan": { "denominator_state": "complete", "excluded_mass": 0.0, "shuffle_z_score": -14.7, "shuffle_class_changes": false } } { "row": "zeta_zeros:cycle_4", "beta_state": "support_without_beta_blank", "coordinate_failure": "blank_thin_support", "support_tier": "thin_observable_support", "beta_cardinality": 0, "beta_span": 0.0, "one_sided_count": 2, "endpoint_distance": 2.4485925392193306, "n_gaps": 199, "prescan": { "denominator_state": "contaminated", "excluded_mass": 0.602, "shuffle_z_score": -2.310593, "shuffle_class_changes": false } } diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() exec /bin/bash -lc "jq '.comparative_means, .falls' tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json" in /opt/MM_D-ND succeeded in 0ms: { "exact_endpoint_distance_mean": 3.828607195910865, "nonexact_endpoint_distance_mean": 2.957498618692321, "exact_one_sided_count_mean": 4, "nonexact_one_sided_count_mean": 2.7142857142857144 } [ { "row": "cellular_automata:cycle_8", "raw_beta_exact_0_3": null, "ambiguous_beta": [], "one_sided_count": 0, "stable_count_illusory": 0.5, "endpoint_distance": 0.0 }, { "row": "pendolo_doppio:cycle_2", "raw_beta_exact_0_3": null, "ambiguous_beta": [ 0.3 ], "one_sided_count": 3, "stable_count_illusory": 0.8333333333333334, "endpoint_distance": 3.3880909132625545 } ] diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() codex Il risultato non salva il numero atteso: le righe non-esatte sono 7, non 6. Scrivo il report con questa frizione esplicita e con la partizione operativa: intervallo adiacente, saturazione griglia, coordinata spostata, blank con supporto medio, blank con supporto sottile. apply patch patch: completed /opt/MM_D-ND/tools/data/reports/agent_20260509_1538.md diff --git a/tools/data/reports/agent_20260509_1538.md b/tools/data/reports/agent_20260509_1538.md new file mode 100644 index 0000000000000000000000000000000000000000..4a7d7dfe75d5d51b9b916a0a2a4bb6ae24151349 --- /dev/null +++ b/tools/data/reports/agent_20260509_1538.md @@ -0,0 +1,140 @@ +# Agent Report - Boundary Row-Aligned Nonexact Audit +**Date**: 2026-05-09 15:38 +**Piano**: 110 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - le righe support-transfer non esatte sono 7, non 6; la beta cade in cinque failure modes misurabili +observables_registry: 1.0.0-2026-05-06 +observables_used: [`beta_state`, `coordinate_failure`, `support_tier`, `beta_cardinality`, `beta_span`, `one_sided_count`, `stable_count_coherent`, `stable_count_illusory`, `endpoint_distance`, `denominator_state`, `excluded_mass`, `shuffle_z_score`] - osservabili domain-native di audit, non canonici SR/SR2/L1/L2/triple_var. +**observable_contract**: claim=le righe non-esatte della matrice BOUNDARY 15:32 vanno lette row-aligned senza usare label GUE/Poisson; observable=stato beta + forza supporto + telemetria denominatore/null; operator=`exp_boundary_row_aligned_nonexact_audit.py`; generator=matrice `boundary_two_axis_matrix_20260509_1532` + prescan `boundary_denominator_prescan_full_20260509_1500`; denominator=13 righe totali, 11 support-transfer, 7 support-transfer non esatte; non_possible=forzare il conteggio a 6 o trattare beta 0.3 come ascissa comune; not_tested=nuovi domini, nuovi null, nuova griglia beta, fit `V_c`. + +## Respiro fuori-tempo +- **Prima impressione**: la consecutio dice "6 righe non-esatte", ma il deposito row-aligned ne contiene 7. Il nodo regressivo non e' scegliere quale riga escludere; e' misurare la partizione reale. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY 13 righe + tensione "supporto senza coordinata universale". +- **Dipolo / punto-zero**: beta come coordinata / supporto come passaggio; punto-zero = riga support-transfer prima che il blank beta venga interpretato. +- **Piano superiore**: boundary operator su matrice row-aligned. Il bordo non decide con label di dominio; decide con stato beta, support tier e denominatore. +- **Operatori laterali scelti**: boundary operator, sheaf locale/perimetro, coordinate chart. Entrano per leggere le sezioni locali della beta senza saldarle in una coordinata globale. +- **Contaminazione cognitiva**: CE-0001 / KSAR: riuso del kernel 15:32 senza ripetere il gate; CE-0117: cascata solo sulle righe dove il supporto resta vivo; YSN DeltaLink: `two-axis matrix -> nonexact audit -> coordinate failure`; PVI: il numero atteso 6 cade davanti al deposito 7. +- **Proto-ipotesi**: dopo la caduta di beta 0.3 universale, le righe non-esatte non formano un residuo unico. Si dividono in coordinate locali, saturazione della griglia e blank di supporto. +- **Possibile / non-possibile**: possibile = trasformare beta da ascissa universale a chart locale auditabile; non-possibile = usare `support_transfer=true` come prova di una beta comune. +- **Proiezione**: misurare, sulle righe support-transfer non esatte, `beta_cardinality`, `beta_span`, `one_sided_count`, `endpoint_distance`, denominatore e shuffle z-score. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: attacca direttamente beta local non-unique, beta local other e support_without_beta_blank sul deposito row-aligned indicato. +- `not_drift`: non usa label GUE/Poisson come operatore, non ritorna a `V_c`, non rifitta il confine; corregge il denominatore della direttiva quando il deposito mostra 7 righe. + +## Claim Under Test +> Le righe BOUNDARY con supporto ma senza beta 0.3 esatta si distinguono per stato locale della beta e forza del supporto, non per label di dominio. + +## Question +Quando beta 0.3 non trasferisce esattamente, il fallimento e' un unico blank o una matrice di failure modes? + +## Experiment Design +- Nuovo strumento: `tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Input 1: `tools/data/boundary_two_axis_matrix_20260509_1532.json`. +- Input 2: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Perimetro atomico: 13 righe semi-reali; subset primario = support-transfer con `beta_coordinate_transfer=false`. +- Label policy: non legge `source_domain_type` o label GUE/Poisson come decision field. +- Classi operative: `adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| total rows | 13 | +| support-transfer rows | 11 | +| beta 0.3 exact rows | 4 | +| support-transfer nonexact rows | 7 | +| expected nonexact rows from field | 6 | +| fall rows | 2 | +| exact endpoint distance mean | 3.829 | +| nonexact endpoint distance mean | 2.957 | +| exact one-sided count mean | 4.000 | +| nonexact one-sided count mean | 2.714 | + +Failure modes: + +| coordinate_failure | rows | +|---|---:| +| adjacent_beta_interval | 1 | +| beta_grid_saturation | 1 | +| coordinate_shifted | 1 | +| blank_despite_multi_observable_support | 1 | +| blank_thin_support | 3 | + +Audit row-aligned: + +| row | beta_state | coordinate_failure | support_tier | beta | one-sided | endpoint | denominator | +|---|---|---|---|---|---:|---:|---| +| brownian_motion:cycle_12 | beta_0_3_local_nonunique | adjacent_beta_interval | strong_multi_observable | 0.2,0.3 | 4 | 3.885 | complete | +| ising_2d:cycle_1 | local_beta_other | coordinate_shifted | strong_multi_observable | 0.4 | 5 | 4.309 | contaminated | +| logistica_biforcazione:cycle_5 | beta_0_3_local_nonunique | beta_grid_saturation | medium_multi_observable | 0.1-0.9 | 3 | 3.258 | complete | +| numeri_primi:cycle_3 | support_without_beta_blank | blank_despite_multi_observable_support | medium_multi_observable | [] | 3 | 3.243 | complete | +| percolation:cycle_9 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.705 | complete | +| random_matrix:cycle_7 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.854 | complete | +| zeta_zeros:cycle_4 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 2 | 2.449 | contaminated | + +Fall controls: + +| row | ambiguous_beta | one-sided | stable_count_illusory | endpoint | +|---|---|---:|---:|---:| +| cellular_automata:cycle_8 | [] | 0 | 0.500 | 0.000 | +| pendolo_doppio:cycle_2 | 0.3 | 3 | 0.833 | 3.388 | + +## Key Findings +1. **Verificato: il sotto-perimetro non-esatto e' 7/13, non 6/13.** La direttiva del valutatore porta al nodo giusto, ma il conteggio reale nel JSON 15:32 include sette righe support-transfer senza beta 0.3 esatta. +2. **Verificato: `support_without_beta_blank` non e' una classe unica.** `numeri_primi` ha blank con supporto medio e endpoint 3.243; `percolation`, `random_matrix`, `zeta_zeros` hanno blank con supporto sottile e endpoint 1.705-2.449. +3. **Verificato: beta local non-unique ha due forme.** `brownian_motion` e' intervallo adiacente 0.2,0.3 con supporto forte; `logistica_biforcazione` satura tutta la griglia 0.1-0.9 con supporto medio. +4. **Verificato: `ising_2d` non e' blank ma chart spostata.** Ha beta locale esatta 0.4, cinque osservabili one-sided e endpoint 4.309; la beta trasferisce localmente, ma non sulla coordinata 0.3. +5. **Verificato: beta 0.3 senza supporto resta contro-controllo.** `pendolo_doppio` contiene beta 0.3 ma cade per residuo illusorio alto; la coordinata non salva il transfer. + +## Verdict +**CONSTRAINT**. + +Il frame BOUNDARY regge come support-transfer su 11/13 righe, ma la parte non-esatta non e' una coda omogenea. Le righe support-transfer senza beta 0.3 esatta sono 7 e si dividono in cinque failure modes: + +`adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +Formula valida: + +`beta_coordinate_transfer` = chart locale exact 0.3 dentro supporto vivo. + +Formula non valida: + +`support_transfer non-exact = sei righe residue` oppure `support_without_beta_blank = assenza strutturale unica`. + +Il nodo regressivo e' il denominatore della consecutio: non bisogna salvare il "6"; bisogna usare il deposito row-aligned che mostra 7. + +## Bicono della scoperta +- **Due radici**: coordinata beta locale / supporto ordine-null. +- **Singolare**: riga support-transfer non exact, dove il supporto resta vivo ma la chart beta non coincide. +- **Invariante di passaggio**: failure mode row-aligned; non label GUE/Poisson e non beta 0.3 globale. +- **Campo di possibilita**: qui diventa possibile auditare la beta come atlante locale; qui diventa non-possibile trattare il blank beta come una sola specie. + +## Consecutio +Il prossimo ciclo non deve ripetere la matrice. Deve attaccare i tre blank `support_without_beta_blank` sottili contro il blank medio `numeri_primi`: stesso stato beta, diversa forza del supporto. La domanda aperta e' se il blank sottile e' effetto del denominatore corto/contaminato oppure una specie autonoma del boundary. + +## 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_1532.md`, JSON `boundary_two_axis_matrix_20260509_1532.json`, JSON `boundary_denominator_prescan_full_20260509_1500.json`, script `tools/exp_boundary_row_aligned_nonexact_audit.py`, output `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- **L1 hard constraint**: claim limitato alle 13 righe della matrice 15:32 e al prescan 15:00. +- **L2 count grezzi**: riportati 11/13 support-transfer, 4/13 beta exact, 7/13 support nonexact, 2/13 fall. +- **L3 no silent patching**: nessuna esclusione manuale per far tornare 6; mismatch dichiarato. +- **L4 edge cases**: `pendolo_doppio` ha beta 0.3 ma cade; `ising_2d` ha beta 0.4 con supporto forte; `numeri_primi` blank non sottile. +- **L5 re-discovery**: il ciclo non rifà gate o fit; legge solo la partizione non-esatta richiesta. +- **L6 metabolismo cognitivo**: CE-0001, CE-0117, YSN e PVI usati nella combo. +- **L7 possibile/non-possibile**: possibile = atlante locale delle beta; non-possibile = beta 0.3 universale o residuo non-esatto singolo. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Run valido: `python tools/exp_boundary_row_aligned_nonexact_audit.py --matrix tools/data/boundary_two_axis_matrix_20260509_1532.json --prescan tools/data/boundary_denominator_prescan_full_20260509_1500.json --out tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Output: `support_nonexact_rows=7`, `fall_rows=2`, `failure_blank_thin_support=3`, `failure_blank_despite_multi_observable_support=1`. +- Git state: worktree gia' sporco da cicli e pubblicazioni precedenti; questo cycle aggiunge lo script 15:38, il JSON 15:38 e questo report. + +## Files +- Script nuovo: `tools/exp_boundary_row_aligned_nonexact_audit.py` +- Data: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json` +- Report: `tools/data/reports/agent_20260509_1538.md` diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() diff --git a/tools/data/reports/agent_20260509_1538.md b/tools/data/reports/agent_20260509_1538.md new file mode 100644 index 0000000000000000000000000000000000000000..4a7d7dfe75d5d51b9b916a0a2a4bb6ae24151349 --- /dev/null +++ b/tools/data/reports/agent_20260509_1538.md @@ -0,0 +1,140 @@ +# Agent Report - Boundary Row-Aligned Nonexact Audit +**Date**: 2026-05-09 15:38 +**Piano**: 110 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - le righe support-transfer non esatte sono 7, non 6; la beta cade in cinque failure modes misurabili +observables_registry: 1.0.0-2026-05-06 +observables_used: [`beta_state`, `coordinate_failure`, `support_tier`, `beta_cardinality`, `beta_span`, `one_sided_count`, `stable_count_coherent`, `stable_count_illusory`, `endpoint_distance`, `denominator_state`, `excluded_mass`, `shuffle_z_score`] - osservabili domain-native di audit, non canonici SR/SR2/L1/L2/triple_var. +**observable_contract**: claim=le righe non-esatte della matrice BOUNDARY 15:32 vanno lette row-aligned senza usare label GUE/Poisson; observable=stato beta + forza supporto + telemetria denominatore/null; operator=`exp_boundary_row_aligned_nonexact_audit.py`; generator=matrice `boundary_two_axis_matrix_20260509_1532` + prescan `boundary_denominator_prescan_full_20260509_1500`; denominator=13 righe totali, 11 support-transfer, 7 support-transfer non esatte; non_possible=forzare il conteggio a 6 o trattare beta 0.3 come ascissa comune; not_tested=nuovi domini, nuovi null, nuova griglia beta, fit `V_c`. + +## Respiro fuori-tempo +- **Prima impressione**: la consecutio dice "6 righe non-esatte", ma il deposito row-aligned ne contiene 7. Il nodo regressivo non e' scegliere quale riga escludere; e' misurare la partizione reale. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY 13 righe + tensione "supporto senza coordinata universale". +- **Dipolo / punto-zero**: beta come coordinata / supporto come passaggio; punto-zero = riga support-transfer prima che il blank beta venga interpretato. +- **Piano superiore**: boundary operator su matrice row-aligned. Il bordo non decide con label di dominio; decide con stato beta, support tier e denominatore. +- **Operatori laterali scelti**: boundary operator, sheaf locale/perimetro, coordinate chart. Entrano per leggere le sezioni locali della beta senza saldarle in una coordinata globale. +- **Contaminazione cognitiva**: CE-0001 / KSAR: riuso del kernel 15:32 senza ripetere il gate; CE-0117: cascata solo sulle righe dove il supporto resta vivo; YSN DeltaLink: `two-axis matrix -> nonexact audit -> coordinate failure`; PVI: il numero atteso 6 cade davanti al deposito 7. +- **Proto-ipotesi**: dopo la caduta di beta 0.3 universale, le righe non-esatte non formano un residuo unico. Si dividono in coordinate locali, saturazione della griglia e blank di supporto. +- **Possibile / non-possibile**: possibile = trasformare beta da ascissa universale a chart locale auditabile; non-possibile = usare `support_transfer=true` come prova di una beta comune. +- **Proiezione**: misurare, sulle righe support-transfer non esatte, `beta_cardinality`, `beta_span`, `one_sided_count`, `endpoint_distance`, denominatore e shuffle z-score. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: attacca direttamente beta local non-unique, beta local other e support_without_beta_blank sul deposito row-aligned indicato. +- `not_drift`: non usa label GUE/Poisson come operatore, non ritorna a `V_c`, non rifitta il confine; corregge il denominatore della direttiva quando il deposito mostra 7 righe. + +## Claim Under Test +> Le righe BOUNDARY con supporto ma senza beta 0.3 esatta si distinguono per stato locale della beta e forza del supporto, non per label di dominio. + +## Question +Quando beta 0.3 non trasferisce esattamente, il fallimento e' un unico blank o una matrice di failure modes? + +## Experiment Design +- Nuovo strumento: `tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Input 1: `tools/data/boundary_two_axis_matrix_20260509_1532.json`. +- Input 2: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Perimetro atomico: 13 righe semi-reali; subset primario = support-transfer con `beta_coordinate_transfer=false`. +- Label policy: non legge `source_domain_type` o label GUE/Poisson come decision field. +- Classi operative: `adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| total rows | 13 | +| support-transfer rows | 11 | +| beta 0.3 exact rows | 4 | +| support-transfer nonexact rows | 7 | +| expected nonexact rows from field | 6 | +| fall rows | 2 | +| exact endpoint distance mean | 3.829 | +| nonexact endpoint distance mean | 2.957 | +| exact one-sided count mean | 4.000 | +| nonexact one-sided count mean | 2.714 | + +Failure modes: + +| coordinate_failure | rows | +|---|---:| +| adjacent_beta_interval | 1 | +| beta_grid_saturation | 1 | +| coordinate_shifted | 1 | +| blank_despite_multi_observable_support | 1 | +| blank_thin_support | 3 | + +Audit row-aligned: + +| row | beta_state | coordinate_failure | support_tier | beta | one-sided | endpoint | denominator | +|---|---|---|---|---|---:|---:|---| +| brownian_motion:cycle_12 | beta_0_3_local_nonunique | adjacent_beta_interval | strong_multi_observable | 0.2,0.3 | 4 | 3.885 | complete | +| ising_2d:cycle_1 | local_beta_other | coordinate_shifted | strong_multi_observable | 0.4 | 5 | 4.309 | contaminated | +| logistica_biforcazione:cycle_5 | beta_0_3_local_nonunique | beta_grid_saturation | medium_multi_observable | 0.1-0.9 | 3 | 3.258 | complete | +| numeri_primi:cycle_3 | support_without_beta_blank | blank_despite_multi_observable_support | medium_multi_observable | [] | 3 | 3.243 | complete | +| percolation:cycle_9 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.705 | complete | +| random_matrix:cycle_7 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.854 | complete | +| zeta_zeros:cycle_4 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 2 | 2.449 | contaminated | + +Fall controls: + +| row | ambiguous_beta | one-sided | stable_count_illusory | endpoint | +|---|---|---:|---:|---:| +| cellular_automata:cycle_8 | [] | 0 | 0.500 | 0.000 | +| pendolo_doppio:cycle_2 | 0.3 | 3 | 0.833 | 3.388 | + +## Key Findings +1. **Verificato: il sotto-perimetro non-esatto e' 7/13, non 6/13.** La direttiva del valutatore porta al nodo giusto, ma il conteggio reale nel JSON 15:32 include sette righe support-transfer senza beta 0.3 esatta. +2. **Verificato: `support_without_beta_blank` non e' una classe unica.** `numeri_primi` ha blank con supporto medio e endpoint 3.243; `percolation`, `random_matrix`, `zeta_zeros` hanno blank con supporto sottile e endpoint 1.705-2.449. +3. **Verificato: beta local non-unique ha due forme.** `brownian_motion` e' intervallo adiacente 0.2,0.3 con supporto forte; `logistica_biforcazione` satura tutta la griglia 0.1-0.9 con supporto medio. +4. **Verificato: `ising_2d` non e' blank ma chart spostata.** Ha beta locale esatta 0.4, cinque osservabili one-sided e endpoint 4.309; la beta trasferisce localmente, ma non sulla coordinata 0.3. +5. **Verificato: beta 0.3 senza supporto resta contro-controllo.** `pendolo_doppio` contiene beta 0.3 ma cade per residuo illusorio alto; la coordinata non salva il transfer. + +## Verdict +**CONSTRAINT**. + +Il frame BOUNDARY regge come support-transfer su 11/13 righe, ma la parte non-esatta non e' una coda omogenea. Le righe support-transfer senza beta 0.3 esatta sono 7 e si dividono in cinque failure modes: + +`adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +Formula valida: + +`beta_coordinate_transfer` = chart locale exact 0.3 dentro supporto vivo. + +Formula non valida: + +`support_transfer non-exact = sei righe residue` oppure `support_without_beta_blank = assenza strutturale unica`. + +Il nodo regressivo e' il denominatore della consecutio: non bisogna salvare il "6"; bisogna usare il deposito row-aligned che mostra 7. + +## Bicono della scoperta +- **Due radici**: coordinata beta locale / supporto ordine-null. +- **Singolare**: riga support-transfer non exact, dove il supporto resta vivo ma la chart beta non coincide. +- **Invariante di passaggio**: failure mode row-aligned; non label GUE/Poisson e non beta 0.3 globale. +- **Campo di possibilita**: qui diventa possibile auditare la beta come atlante locale; qui diventa non-possibile trattare il blank beta come una sola specie. + +## Consecutio +Il prossimo ciclo non deve ripetere la matrice. Deve attaccare i tre blank `support_without_beta_blank` sottili contro il blank medio `numeri_primi`: stesso stato beta, diversa forza del supporto. La domanda aperta e' se il blank sottile e' effetto del denominatore corto/contaminato oppure una specie autonoma del boundary. + +## 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_1532.md`, JSON `boundary_two_axis_matrix_20260509_1532.json`, JSON `boundary_denominator_prescan_full_20260509_1500.json`, script `tools/exp_boundary_row_aligned_nonexact_audit.py`, output `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- **L1 hard constraint**: claim limitato alle 13 righe della matrice 15:32 e al prescan 15:00. +- **L2 count grezzi**: riportati 11/13 support-transfer, 4/13 beta exact, 7/13 support nonexact, 2/13 fall. +- **L3 no silent patching**: nessuna esclusione manuale per far tornare 6; mismatch dichiarato. +- **L4 edge cases**: `pendolo_doppio` ha beta 0.3 ma cade; `ising_2d` ha beta 0.4 con supporto forte; `numeri_primi` blank non sottile. +- **L5 re-discovery**: il ciclo non rifà gate o fit; legge solo la partizione non-esatta richiesta. +- **L6 metabolismo cognitivo**: CE-0001, CE-0117, YSN e PVI usati nella combo. +- **L7 possibile/non-possibile**: possibile = atlante locale delle beta; non-possibile = beta 0.3 universale o residuo non-esatto singolo. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Run valido: `python tools/exp_boundary_row_aligned_nonexact_audit.py --matrix tools/data/boundary_two_axis_matrix_20260509_1532.json --prescan tools/data/boundary_denominator_prescan_full_20260509_1500.json --out tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Output: `support_nonexact_rows=7`, `fall_rows=2`, `failure_blank_thin_support=3`, `failure_blank_despite_multi_observable_support=1`. +- Git state: worktree gia' sporco da cicli e pubblicazioni precedenti; questo cycle aggiunge lo script 15:38, il JSON 15:38 e questo report. + +## Files +- Script nuovo: `tools/exp_boundary_row_aligned_nonexact_audit.py` +- Data: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json` +- Report: `tools/data/reports/agent_20260509_1538.md` diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() codex Report scritto nel path richiesto. Faccio un controllo finale su file generati e contenuto minimo, poi chiudo con le evidenze verificate. exec /bin/bash -lc 'wc -l tools/data/reports/agent_20260509_1538.md tools/exp_boundary_row_aligned_nonexact_audit.py tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json' in /opt/MM_D-ND succeeded in 0ms: 140 tools/data/reports/agent_20260509_1538.md 235 tools/exp_boundary_row_aligned_nonexact_audit.py 296 tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json 671 total exec /bin/bash -lc 'rg -n "verdict|support-transfer nonexact rows|support_nonexact_rows|Files" tools/data/reports/agent_20260509_1538.md' in /opt/MM_D-ND succeeded in 0ms: 5:**verdict**: CONSTRAINT - le righe support-transfer non esatte sono 7, non 6; la beta cade in cinque failure modes misurabili 50:| support-transfer nonexact rows | 7 | 134:- Output: `support_nonexact_rows=7`, `fall_rows=2`, `failure_blank_thin_support=3`, `failure_blank_despite_multi_observable_support=1`. 137:## Files exec /bin/bash -lc 'git status --short tools/exp_boundary_row_aligned_nonexact_audit.py tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json tools/data/reports/agent_20260509_1538.md' in /opt/MM_D-ND succeeded in 0ms: ?? tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json ?? tools/data/reports/agent_20260509_1538.md ?? tools/exp_boundary_row_aligned_nonexact_audit.py diff --git a/tools/data/reports/agent_20260509_1538.md b/tools/data/reports/agent_20260509_1538.md new file mode 100644 index 0000000000000000000000000000000000000000..4a7d7dfe75d5d51b9b916a0a2a4bb6ae24151349 --- /dev/null +++ b/tools/data/reports/agent_20260509_1538.md @@ -0,0 +1,140 @@ +# Agent Report - Boundary Row-Aligned Nonexact Audit +**Date**: 2026-05-09 15:38 +**Piano**: 110 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - le righe support-transfer non esatte sono 7, non 6; la beta cade in cinque failure modes misurabili +observables_registry: 1.0.0-2026-05-06 +observables_used: [`beta_state`, `coordinate_failure`, `support_tier`, `beta_cardinality`, `beta_span`, `one_sided_count`, `stable_count_coherent`, `stable_count_illusory`, `endpoint_distance`, `denominator_state`, `excluded_mass`, `shuffle_z_score`] - osservabili domain-native di audit, non canonici SR/SR2/L1/L2/triple_var. +**observable_contract**: claim=le righe non-esatte della matrice BOUNDARY 15:32 vanno lette row-aligned senza usare label GUE/Poisson; observable=stato beta + forza supporto + telemetria denominatore/null; operator=`exp_boundary_row_aligned_nonexact_audit.py`; generator=matrice `boundary_two_axis_matrix_20260509_1532` + prescan `boundary_denominator_prescan_full_20260509_1500`; denominator=13 righe totali, 11 support-transfer, 7 support-transfer non esatte; non_possible=forzare il conteggio a 6 o trattare beta 0.3 come ascissa comune; not_tested=nuovi domini, nuovi null, nuova griglia beta, fit `V_c`. + +## Respiro fuori-tempo +- **Prima impressione**: la consecutio dice "6 righe non-esatte", ma il deposito row-aligned ne contiene 7. Il nodo regressivo non e' scegliere quale riga escludere; e' misurare la partizione reale. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY 13 righe + tensione "supporto senza coordinata universale". +- **Dipolo / punto-zero**: beta come coordinata / supporto come passaggio; punto-zero = riga support-transfer prima che il blank beta venga interpretato. +- **Piano superiore**: boundary operator su matrice row-aligned. Il bordo non decide con label di dominio; decide con stato beta, support tier e denominatore. +- **Operatori laterali scelti**: boundary operator, sheaf locale/perimetro, coordinate chart. Entrano per leggere le sezioni locali della beta senza saldarle in una coordinata globale. +- **Contaminazione cognitiva**: CE-0001 / KSAR: riuso del kernel 15:32 senza ripetere il gate; CE-0117: cascata solo sulle righe dove il supporto resta vivo; YSN DeltaLink: `two-axis matrix -> nonexact audit -> coordinate failure`; PVI: il numero atteso 6 cade davanti al deposito 7. +- **Proto-ipotesi**: dopo la caduta di beta 0.3 universale, le righe non-esatte non formano un residuo unico. Si dividono in coordinate locali, saturazione della griglia e blank di supporto. +- **Possibile / non-possibile**: possibile = trasformare beta da ascissa universale a chart locale auditabile; non-possibile = usare `support_transfer=true` come prova di una beta comune. +- **Proiezione**: misurare, sulle righe support-transfer non esatte, `beta_cardinality`, `beta_span`, `one_sided_count`, `endpoint_distance`, denominatore e shuffle z-score. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: attacca direttamente beta local non-unique, beta local other e support_without_beta_blank sul deposito row-aligned indicato. +- `not_drift`: non usa label GUE/Poisson come operatore, non ritorna a `V_c`, non rifitta il confine; corregge il denominatore della direttiva quando il deposito mostra 7 righe. + +## Claim Under Test +> Le righe BOUNDARY con supporto ma senza beta 0.3 esatta si distinguono per stato locale della beta e forza del supporto, non per label di dominio. + +## Question +Quando beta 0.3 non trasferisce esattamente, il fallimento e' un unico blank o una matrice di failure modes? + +## Experiment Design +- Nuovo strumento: `tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Input 1: `tools/data/boundary_two_axis_matrix_20260509_1532.json`. +- Input 2: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Perimetro atomico: 13 righe semi-reali; subset primario = support-transfer con `beta_coordinate_transfer=false`. +- Label policy: non legge `source_domain_type` o label GUE/Poisson come decision field. +- Classi operative: `adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| total rows | 13 | +| support-transfer rows | 11 | +| beta 0.3 exact rows | 4 | +| support-transfer nonexact rows | 7 | +| expected nonexact rows from field | 6 | +| fall rows | 2 | +| exact endpoint distance mean | 3.829 | +| nonexact endpoint distance mean | 2.957 | +| exact one-sided count mean | 4.000 | +| nonexact one-sided count mean | 2.714 | + +Failure modes: + +| coordinate_failure | rows | +|---|---:| +| adjacent_beta_interval | 1 | +| beta_grid_saturation | 1 | +| coordinate_shifted | 1 | +| blank_despite_multi_observable_support | 1 | +| blank_thin_support | 3 | + +Audit row-aligned: + +| row | beta_state | coordinate_failure | support_tier | beta | one-sided | endpoint | denominator | +|---|---|---|---|---|---:|---:|---| +| brownian_motion:cycle_12 | beta_0_3_local_nonunique | adjacent_beta_interval | strong_multi_observable | 0.2,0.3 | 4 | 3.885 | complete | +| ising_2d:cycle_1 | local_beta_other | coordinate_shifted | strong_multi_observable | 0.4 | 5 | 4.309 | contaminated | +| logistica_biforcazione:cycle_5 | beta_0_3_local_nonunique | beta_grid_saturation | medium_multi_observable | 0.1-0.9 | 3 | 3.258 | complete | +| numeri_primi:cycle_3 | support_without_beta_blank | blank_despite_multi_observable_support | medium_multi_observable | [] | 3 | 3.243 | complete | +| percolation:cycle_9 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.705 | complete | +| random_matrix:cycle_7 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.854 | complete | +| zeta_zeros:cycle_4 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 2 | 2.449 | contaminated | + +Fall controls: + +| row | ambiguous_beta | one-sided | stable_count_illusory | endpoint | +|---|---|---:|---:|---:| +| cellular_automata:cycle_8 | [] | 0 | 0.500 | 0.000 | +| pendolo_doppio:cycle_2 | 0.3 | 3 | 0.833 | 3.388 | + +## Key Findings +1. **Verificato: il sotto-perimetro non-esatto e' 7/13, non 6/13.** La direttiva del valutatore porta al nodo giusto, ma il conteggio reale nel JSON 15:32 include sette righe support-transfer senza beta 0.3 esatta. +2. **Verificato: `support_without_beta_blank` non e' una classe unica.** `numeri_primi` ha blank con supporto medio e endpoint 3.243; `percolation`, `random_matrix`, `zeta_zeros` hanno blank con supporto sottile e endpoint 1.705-2.449. +3. **Verificato: beta local non-unique ha due forme.** `brownian_motion` e' intervallo adiacente 0.2,0.3 con supporto forte; `logistica_biforcazione` satura tutta la griglia 0.1-0.9 con supporto medio. +4. **Verificato: `ising_2d` non e' blank ma chart spostata.** Ha beta locale esatta 0.4, cinque osservabili one-sided e endpoint 4.309; la beta trasferisce localmente, ma non sulla coordinata 0.3. +5. **Verificato: beta 0.3 senza supporto resta contro-controllo.** `pendolo_doppio` contiene beta 0.3 ma cade per residuo illusorio alto; la coordinata non salva il transfer. + +## Verdict +**CONSTRAINT**. + +Il frame BOUNDARY regge come support-transfer su 11/13 righe, ma la parte non-esatta non e' una coda omogenea. Le righe support-transfer senza beta 0.3 esatta sono 7 e si dividono in cinque failure modes: + +`adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +Formula valida: + +`beta_coordinate_transfer` = chart locale exact 0.3 dentro supporto vivo. + +Formula non valida: + +`support_transfer non-exact = sei righe residue` oppure `support_without_beta_blank = assenza strutturale unica`. + +Il nodo regressivo e' il denominatore della consecutio: non bisogna salvare il "6"; bisogna usare il deposito row-aligned che mostra 7. + +## Bicono della scoperta +- **Due radici**: coordinata beta locale / supporto ordine-null. +- **Singolare**: riga support-transfer non exact, dove il supporto resta vivo ma la chart beta non coincide. +- **Invariante di passaggio**: failure mode row-aligned; non label GUE/Poisson e non beta 0.3 globale. +- **Campo di possibilita**: qui diventa possibile auditare la beta come atlante locale; qui diventa non-possibile trattare il blank beta come una sola specie. + +## Consecutio +Il prossimo ciclo non deve ripetere la matrice. Deve attaccare i tre blank `support_without_beta_blank` sottili contro il blank medio `numeri_primi`: stesso stato beta, diversa forza del supporto. La domanda aperta e' se il blank sottile e' effetto del denominatore corto/contaminato oppure una specie autonoma del boundary. + +## 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_1532.md`, JSON `boundary_two_axis_matrix_20260509_1532.json`, JSON `boundary_denominator_prescan_full_20260509_1500.json`, script `tools/exp_boundary_row_aligned_nonexact_audit.py`, output `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- **L1 hard constraint**: claim limitato alle 13 righe della matrice 15:32 e al prescan 15:00. +- **L2 count grezzi**: riportati 11/13 support-transfer, 4/13 beta exact, 7/13 support nonexact, 2/13 fall. +- **L3 no silent patching**: nessuna esclusione manuale per far tornare 6; mismatch dichiarato. +- **L4 edge cases**: `pendolo_doppio` ha beta 0.3 ma cade; `ising_2d` ha beta 0.4 con supporto forte; `numeri_primi` blank non sottile. +- **L5 re-discovery**: il ciclo non rifà gate o fit; legge solo la partizione non-esatta richiesta. +- **L6 metabolismo cognitivo**: CE-0001, CE-0117, YSN e PVI usati nella combo. +- **L7 possibile/non-possibile**: possibile = atlante locale delle beta; non-possibile = beta 0.3 universale o residuo non-esatto singolo. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Run valido: `python tools/exp_boundary_row_aligned_nonexact_audit.py --matrix tools/data/boundary_two_axis_matrix_20260509_1532.json --prescan tools/data/boundary_denominator_prescan_full_20260509_1500.json --out tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Output: `support_nonexact_rows=7`, `fall_rows=2`, `failure_blank_thin_support=3`, `failure_blank_despite_multi_observable_support=1`. +- Git state: worktree gia' sporco da cicli e pubblicazioni precedenti; questo cycle aggiunge lo script 15:38, il JSON 15:38 e questo report. + +## Files +- Script nuovo: `tools/exp_boundary_row_aligned_nonexact_audit.py` +- Data: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json` +- Report: `tools/data/reports/agent_20260509_1538.md` diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() codex Esperimento eseguito e report scritto in [agent_20260509_1538.md](/opt/MM_D-ND/tools/data/reports/agent_20260509_1538.md). Ho aggiunto anche lo strumento [exp_boundary_row_aligned_nonexact_audit.py](/opt/MM_D-ND/tools/exp_boundary_row_aligned_nonexact_audit.py) e l’output dati [boundary_row_aligned_nonexact_audit_20260509_1538.json](/opt/MM_D-ND/tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json). Verificato: il deposito row-aligned mostra `7` righe support-transfer non esatte, non `6`. Il report dichiara questa frizione e partiziona le righe in cinque failure modes: intervallo beta adiacente, saturazione griglia, coordinata spostata, blank con supporto medio, blank con supporto sottile. diff --git a/tools/data/reports/agent_20260509_1538.md b/tools/data/reports/agent_20260509_1538.md new file mode 100644 index 0000000000000000000000000000000000000000..4a7d7dfe75d5d51b9b916a0a2a4bb6ae24151349 --- /dev/null +++ b/tools/data/reports/agent_20260509_1538.md @@ -0,0 +1,140 @@ +# Agent Report - Boundary Row-Aligned Nonexact Audit +**Date**: 2026-05-09 15:38 +**Piano**: 110 +**Tension explored**: BOUNDARY / TRASCENDENZA_LIMITE +**verdict**: CONSTRAINT - le righe support-transfer non esatte sono 7, non 6; la beta cade in cinque failure modes misurabili +observables_registry: 1.0.0-2026-05-06 +observables_used: [`beta_state`, `coordinate_failure`, `support_tier`, `beta_cardinality`, `beta_span`, `one_sided_count`, `stable_count_coherent`, `stable_count_illusory`, `endpoint_distance`, `denominator_state`, `excluded_mass`, `shuffle_z_score`] - osservabili domain-native di audit, non canonici SR/SR2/L1/L2/triple_var. +**observable_contract**: claim=le righe non-esatte della matrice BOUNDARY 15:32 vanno lette row-aligned senza usare label GUE/Poisson; observable=stato beta + forza supporto + telemetria denominatore/null; operator=`exp_boundary_row_aligned_nonexact_audit.py`; generator=matrice `boundary_two_axis_matrix_20260509_1532` + prescan `boundary_denominator_prescan_full_20260509_1500`; denominator=13 righe totali, 11 support-transfer, 7 support-transfer non esatte; non_possible=forzare il conteggio a 6 o trattare beta 0.3 come ascissa comune; not_tested=nuovi domini, nuovi null, nuova griglia beta, fit `V_c`. + +## Respiro fuori-tempo +- **Prima impressione**: la consecutio dice "6 righe non-esatte", ma il deposito row-aligned ne contiene 7. Il nodo regressivo non e' scegliere quale riga escludere; e' misurare la partizione reale. +- **Combo**: A2 confine det=-1 + A9 terzo incluso + A11 combo + QxG continuo/discreto + BOUNDARY 13 righe + tensione "supporto senza coordinata universale". +- **Dipolo / punto-zero**: beta come coordinata / supporto come passaggio; punto-zero = riga support-transfer prima che il blank beta venga interpretato. +- **Piano superiore**: boundary operator su matrice row-aligned. Il bordo non decide con label di dominio; decide con stato beta, support tier e denominatore. +- **Operatori laterali scelti**: boundary operator, sheaf locale/perimetro, coordinate chart. Entrano per leggere le sezioni locali della beta senza saldarle in una coordinata globale. +- **Contaminazione cognitiva**: CE-0001 / KSAR: riuso del kernel 15:32 senza ripetere il gate; CE-0117: cascata solo sulle righe dove il supporto resta vivo; YSN DeltaLink: `two-axis matrix -> nonexact audit -> coordinate failure`; PVI: il numero atteso 6 cade davanti al deposito 7. +- **Proto-ipotesi**: dopo la caduta di beta 0.3 universale, le righe non-esatte non formano un residuo unico. Si dividono in coordinate locali, saturazione della griglia e blank di supporto. +- **Possibile / non-possibile**: possibile = trasformare beta da ascissa universale a chart locale auditabile; non-possibile = usare `support_transfer=true` come prova di una beta comune. +- **Proiezione**: misurare, sulle righe support-transfer non esatte, `beta_cardinality`, `beta_span`, `one_sided_count`, `endpoint_distance`, denominatore e shuffle z-score. + +## Aderenza alla direzione +- `relation`: follows_direction +- `why`: attacca direttamente beta local non-unique, beta local other e support_without_beta_blank sul deposito row-aligned indicato. +- `not_drift`: non usa label GUE/Poisson come operatore, non ritorna a `V_c`, non rifitta il confine; corregge il denominatore della direttiva quando il deposito mostra 7 righe. + +## Claim Under Test +> Le righe BOUNDARY con supporto ma senza beta 0.3 esatta si distinguono per stato locale della beta e forza del supporto, non per label di dominio. + +## Question +Quando beta 0.3 non trasferisce esattamente, il fallimento e' un unico blank o una matrice di failure modes? + +## Experiment Design +- Nuovo strumento: `tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Input 1: `tools/data/boundary_two_axis_matrix_20260509_1532.json`. +- Input 2: `tools/data/boundary_denominator_prescan_full_20260509_1500.json`. +- Output: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Perimetro atomico: 13 righe semi-reali; subset primario = support-transfer con `beta_coordinate_transfer=false`. +- Label policy: non legge `source_domain_type` o label GUE/Poisson come decision field. +- Classi operative: `adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +## Results + +Indice globale: + +| measure | value | +|---|---:| +| total rows | 13 | +| support-transfer rows | 11 | +| beta 0.3 exact rows | 4 | +| support-transfer nonexact rows | 7 | +| expected nonexact rows from field | 6 | +| fall rows | 2 | +| exact endpoint distance mean | 3.829 | +| nonexact endpoint distance mean | 2.957 | +| exact one-sided count mean | 4.000 | +| nonexact one-sided count mean | 2.714 | + +Failure modes: + +| coordinate_failure | rows | +|---|---:| +| adjacent_beta_interval | 1 | +| beta_grid_saturation | 1 | +| coordinate_shifted | 1 | +| blank_despite_multi_observable_support | 1 | +| blank_thin_support | 3 | + +Audit row-aligned: + +| row | beta_state | coordinate_failure | support_tier | beta | one-sided | endpoint | denominator | +|---|---|---|---|---|---:|---:|---| +| brownian_motion:cycle_12 | beta_0_3_local_nonunique | adjacent_beta_interval | strong_multi_observable | 0.2,0.3 | 4 | 3.885 | complete | +| ising_2d:cycle_1 | local_beta_other | coordinate_shifted | strong_multi_observable | 0.4 | 5 | 4.309 | contaminated | +| logistica_biforcazione:cycle_5 | beta_0_3_local_nonunique | beta_grid_saturation | medium_multi_observable | 0.1-0.9 | 3 | 3.258 | complete | +| numeri_primi:cycle_3 | support_without_beta_blank | blank_despite_multi_observable_support | medium_multi_observable | [] | 3 | 3.243 | complete | +| percolation:cycle_9 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.705 | complete | +| random_matrix:cycle_7 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 1 | 1.854 | complete | +| zeta_zeros:cycle_4 | support_without_beta_blank | blank_thin_support | thin_observable_support | [] | 2 | 2.449 | contaminated | + +Fall controls: + +| row | ambiguous_beta | one-sided | stable_count_illusory | endpoint | +|---|---|---:|---:|---:| +| cellular_automata:cycle_8 | [] | 0 | 0.500 | 0.000 | +| pendolo_doppio:cycle_2 | 0.3 | 3 | 0.833 | 3.388 | + +## Key Findings +1. **Verificato: il sotto-perimetro non-esatto e' 7/13, non 6/13.** La direttiva del valutatore porta al nodo giusto, ma il conteggio reale nel JSON 15:32 include sette righe support-transfer senza beta 0.3 esatta. +2. **Verificato: `support_without_beta_blank` non e' una classe unica.** `numeri_primi` ha blank con supporto medio e endpoint 3.243; `percolation`, `random_matrix`, `zeta_zeros` hanno blank con supporto sottile e endpoint 1.705-2.449. +3. **Verificato: beta local non-unique ha due forme.** `brownian_motion` e' intervallo adiacente 0.2,0.3 con supporto forte; `logistica_biforcazione` satura tutta la griglia 0.1-0.9 con supporto medio. +4. **Verificato: `ising_2d` non e' blank ma chart spostata.** Ha beta locale esatta 0.4, cinque osservabili one-sided e endpoint 4.309; la beta trasferisce localmente, ma non sulla coordinata 0.3. +5. **Verificato: beta 0.3 senza supporto resta contro-controllo.** `pendolo_doppio` contiene beta 0.3 ma cade per residuo illusorio alto; la coordinata non salva il transfer. + +## Verdict +**CONSTRAINT**. + +Il frame BOUNDARY regge come support-transfer su 11/13 righe, ma la parte non-esatta non e' una coda omogenea. Le righe support-transfer senza beta 0.3 esatta sono 7 e si dividono in cinque failure modes: + +`adjacent_beta_interval`, `beta_grid_saturation`, `coordinate_shifted`, `blank_despite_multi_observable_support`, `blank_thin_support`. + +Formula valida: + +`beta_coordinate_transfer` = chart locale exact 0.3 dentro supporto vivo. + +Formula non valida: + +`support_transfer non-exact = sei righe residue` oppure `support_without_beta_blank = assenza strutturale unica`. + +Il nodo regressivo e' il denominatore della consecutio: non bisogna salvare il "6"; bisogna usare il deposito row-aligned che mostra 7. + +## Bicono della scoperta +- **Due radici**: coordinata beta locale / supporto ordine-null. +- **Singolare**: riga support-transfer non exact, dove il supporto resta vivo ma la chart beta non coincide. +- **Invariante di passaggio**: failure mode row-aligned; non label GUE/Poisson e non beta 0.3 globale. +- **Campo di possibilita**: qui diventa possibile auditare la beta come atlante locale; qui diventa non-possibile trattare il blank beta come una sola specie. + +## Consecutio +Il prossimo ciclo non deve ripetere la matrice. Deve attaccare i tre blank `support_without_beta_blank` sottili contro il blank medio `numeri_primi`: stesso stato beta, diversa forza del supporto. La domanda aperta e' se il blank sottile e' effetto del denominatore corto/contaminato oppure una specie autonoma del boundary. + +## 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_1532.md`, JSON `boundary_two_axis_matrix_20260509_1532.json`, JSON `boundary_denominator_prescan_full_20260509_1500.json`, script `tools/exp_boundary_row_aligned_nonexact_audit.py`, output `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- **L1 hard constraint**: claim limitato alle 13 righe della matrice 15:32 e al prescan 15:00. +- **L2 count grezzi**: riportati 11/13 support-transfer, 4/13 beta exact, 7/13 support nonexact, 2/13 fall. +- **L3 no silent patching**: nessuna esclusione manuale per far tornare 6; mismatch dichiarato. +- **L4 edge cases**: `pendolo_doppio` ha beta 0.3 ma cade; `ising_2d` ha beta 0.4 con supporto forte; `numeri_primi` blank non sottile. +- **L5 re-discovery**: il ciclo non rifà gate o fit; legge solo la partizione non-esatta richiesta. +- **L6 metabolismo cognitivo**: CE-0001, CE-0117, YSN e PVI usati nella combo. +- **L7 possibile/non-possibile**: possibile = atlante locale delle beta; non-possibile = beta 0.3 universale o residuo non-esatto singolo. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` assenti nell'ambiente. +- Verifica script: `python -m py_compile tools/exp_boundary_row_aligned_nonexact_audit.py`. +- Run valido: `python tools/exp_boundary_row_aligned_nonexact_audit.py --matrix tools/data/boundary_two_axis_matrix_20260509_1532.json --prescan tools/data/boundary_denominator_prescan_full_20260509_1500.json --out tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json`. +- Output: `support_nonexact_rows=7`, `fall_rows=2`, `failure_blank_thin_support=3`, `failure_blank_despite_multi_observable_support=1`. +- Git state: worktree gia' sporco da cicli e pubblicazioni precedenti; questo cycle aggiunge lo script 15:38, il JSON 15:38 e questo report. + +## Files +- Script nuovo: `tools/exp_boundary_row_aligned_nonexact_audit.py` +- Data: `tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json` +- Report: `tools/data/reports/agent_20260509_1538.md` diff --git a/tools/exp_boundary_row_aligned_nonexact_audit.py b/tools/exp_boundary_row_aligned_nonexact_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..1bd8ad45a6e0a6d44f469ef4da63f998636a140d --- /dev/null +++ b/tools/exp_boundary_row_aligned_nonexact_audit.py @@ -0,0 +1,235 @@ +#!/usr/bin/env python3 +""" +Audit BOUNDARY rows where support transfers but beta 0.3 is not exact. + +The operator is row-aligned with the 1532 two-axis matrix and deliberately +does not read GUE/Poisson labels as decision fields. It only uses support, +beta-state, denominator telemetry, shuffle telemetry, and measured gate +strength. +""" + +from __future__ import annotations + +import argparse +import json +from pathlib import Path +from statistics import mean +from typing import Any + + +NONEXACT_STATES = { + "beta_0_3_local_nonunique", + "local_beta_other", + "support_without_beta_blank", +} + + +def row_key(domain: str, cycle: int) -> str: + return f"{domain}:cycle_{cycle}" + + +def build_prescan_index(data: dict[str, Any]) -> dict[str, dict[str, Any]]: + index: dict[str, dict[str, Any]] = {} + for row in data.get("rows", []): + key = row_key(row["domain"], row["cycle"]) + observable = row.get("observable", {}) + null = row.get("null_surrogate", {}) + index[key] = { + "denominator_state": row.get("denominator_state"), + "excluded_mass": row.get("excluded_mass"), + "observable_name": observable.get("name"), + "observable_value": observable.get("value"), + "n_points": observable.get("n_points"), + "null_name": null.get("name"), + "shuffle_z_score": null.get("z_score"), + "shuffle_class_changes": null.get("class_changes"), + "domain_window": row.get("domain_window"), + } + return index + + +def beta_span(beta: list[float]) -> float: + if len(beta) < 2: + return 0.0 + return max(beta) - min(beta) + + +def support_tier(row: dict[str, Any]) -> str: + n_obs = len(row.get("one_sided_observables", [])) + endpoint = float(row.get("endpoint_distance") or 0.0) + stable = float(row.get("stable_count_coherent") or 0.0) + if n_obs >= 4 and endpoint >= 3.5 and stable >= 4.0: + return "strong_multi_observable" + if n_obs >= 3 and endpoint >= 3.0 and stable >= 3.0: + return "medium_multi_observable" + return "thin_observable_support" + + +def coordinate_failure(row: dict[str, Any]) -> str: + state = row["beta_state"] + beta = row.get("ambiguous_beta", []) + tier = support_tier(row) + if state == "beta_0_3_local_nonunique": + if len(beta) >= 5: + return "beta_grid_saturation" + return "adjacent_beta_interval" + if state == "local_beta_other": + return "coordinate_shifted" + if state == "support_without_beta_blank": + if tier == "thin_observable_support": + return "blank_thin_support" + return "blank_despite_multi_observable_support" + return "not_in_scope" + + +def build_audit(two_axis: dict[str, Any], prescan: dict[str, Any]) -> dict[str, Any]: + prescan_index = build_prescan_index(prescan) + exact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_coordinate_transfer") + ] + nonexact_rows = [ + row for row in two_axis.get("rows", []) + if row.get("support_transfer") and row.get("beta_state") in NONEXACT_STATES + ] + fall_rows = [ + row for row in two_axis.get("rows", []) + if not row.get("support_transfer") + ] + + rows = [] + counts: dict[str, int] = { + "total_rows": len(two_axis.get("rows", [])), + "support_transfer_rows": len(exact_rows) + len(nonexact_rows), + "beta_exact_rows": len(exact_rows), + "support_nonexact_rows": len(nonexact_rows), + "fall_rows": len(fall_rows), + } + by_state: dict[str, int] = {} + by_failure: dict[str, int] = {} + by_tier: dict[str, int] = {} + + for row in nonexact_rows: + key = row["row"] + beta = row.get("ambiguous_beta", []) + failure = coordinate_failure(row) + tier = support_tier(row) + by_state[row["beta_state"]] = by_state.get(row["beta_state"], 0) + 1 + by_failure[failure] = by_failure.get(failure, 0) + 1 + by_tier[tier] = by_tier.get(tier, 0) + 1 + rows.append({ + "row": key, + "beta_state": row["beta_state"], + "coordinate_failure": failure, + "support_tier": tier, + "ambiguous_beta": beta, + "beta_cardinality": len(beta), + "beta_span": round(beta_span(beta), 10), + "one_sided_count": len(row.get("one_sided_observables", [])), + "one_sided_observables": row.get("one_sided_observables", []), + "stable_count_coherent": row.get("stable_count_coherent"), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + "n_gaps": row.get("n_gaps"), + "prescan": prescan_index.get(key, {}), + }) + + exact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in exact_rows] + nonexact_endpoint = [float(row.get("endpoint_distance") or 0.0) for row in nonexact_rows] + exact_obs = [len(row.get("one_sided_observables", [])) for row in exact_rows] + nonexact_obs = [len(row.get("one_sided_observables", [])) for row in nonexact_rows] + + counts.update({ + f"state_{key}": value for key, value in sorted(by_state.items()) + }) + counts.update({ + f"failure_{key}": value for key, value in sorted(by_failure.items()) + }) + counts.update({ + f"tier_{key}": value for key, value in sorted(by_tier.items()) + }) + + mismatch = counts["support_nonexact_rows"] != 6 + + return { + "experiment": "boundary_row_aligned_nonexact_audit", + "question": "Which measured condition separates beta local non-unique, beta local other, and support-without-beta rows after the beta 0.3 universal coordinate fails?", + "source_matrix": two_axis.get("experiment"), + "source_scope": two_axis.get("source_scope"), + "prescan_source": "boundary_denominator_prescan_full_20260509_1500", + "observables_registry": two_axis.get("observables_registry"), + "observables_used": [ + "beta_state", + "coordinate_failure", + "support_tier", + "beta_cardinality", + "beta_span", + "one_sided_count", + "stable_count_coherent", + "stable_count_illusory", + "endpoint_distance", + "denominator_state", + "excluded_mass", + "shuffle_z_score", + ], + "label_policy": "Does not use source_domain_type or GUE/Poisson label as an operator.", + "direction_check": { + "expected_nonexact_rows_from_field": 6, + "measured_support_nonexact_rows": counts["support_nonexact_rows"], + "mismatch_is_result": mismatch, + }, + "counts": counts, + "comparative_means": { + "exact_endpoint_distance_mean": mean(exact_endpoint) if exact_endpoint else None, + "nonexact_endpoint_distance_mean": mean(nonexact_endpoint) if nonexact_endpoint else None, + "exact_one_sided_count_mean": mean(exact_obs) if exact_obs else None, + "nonexact_one_sided_count_mean": mean(nonexact_obs) if nonexact_obs else None, + }, + "rows": rows, + "falls": [ + { + "row": row["row"], + "raw_beta_exact_0_3": row.get("raw_beta_exact_0_3"), + "ambiguous_beta": row.get("ambiguous_beta", []), + "one_sided_count": len(row.get("one_sided_observables", [])), + "stable_count_illusory": row.get("stable_count_illusory"), + "endpoint_distance": row.get("endpoint_distance"), + } + for row in fall_rows + ], + } + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--matrix", default="tools/data/boundary_two_axis_matrix_20260509_1532.json") + parser.add_argument("--prescan", default="tools/data/boundary_denominator_prescan_full_20260509_1500.json") + parser.add_argument("--out", default="tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json") + args = parser.parse_args() + + with Path(args.matrix).open() as f: + two_axis = json.load(f) + with Path(args.prescan).open() as f: + prescan = json.load(f) + + output = build_audit(two_axis, prescan) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + with out.open("w") as f: + json.dump(output, f, indent=2) + + c = output["counts"] + print(f"total_rows={c['total_rows']}") + print(f"support_transfer_rows={c['support_transfer_rows']}") + print(f"beta_exact_rows={c['beta_exact_rows']}") + print(f"support_nonexact_rows={c['support_nonexact_rows']}") + print(f"fall_rows={c['fall_rows']}") + print(f"direction_expected_nonexact=6 measured={c['support_nonexact_rows']}") + for key, value in sorted(c.items()): + if key.startswith("state_") or key.startswith("failure_") or key.startswith("tier_"): + print(f"{key}={value}") + print(f"saved {out}") + + +if __name__ == "__main__": + main() tokens used 78,935 Esperimento eseguito e report scritto in [agent_20260509_1538.md](/opt/MM_D-ND/tools/data/reports/agent_20260509_1538.md). Ho aggiunto anche lo strumento [exp_boundary_row_aligned_nonexact_audit.py](/opt/MM_D-ND/tools/exp_boundary_row_aligned_nonexact_audit.py) e l’output dati [boundary_row_aligned_nonexact_audit_20260509_1538.json](/opt/MM_D-ND/tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json). Verificato: il deposito row-aligned mostra `7` righe support-transfer non esatte, non `6`. Il report dichiara questa frizione e partiziona le righe in cinque failure modes: intervallo beta adiacente, saturazione griglia, coordinata spostata, blank con supporto medio, blank con supporto sottile.