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: 019e2d06-ddff-7671-a1da-ab1b6ca09202 -------- 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_20260515_1904.md warning: Codex could not find bubblewrap on PATH. Install bubblewrap with your OS package manager. See the sandbox prerequisites: https://developers.openai.com/codex/concepts/sandboxing#prerequisites. Codex will use the vendored bubblewrap in the meantime. codex Leggo il campo vivo e il contesto operativo prima di scegliere l’esperimento. Verifico anche i file kernel indicati da `AGENTS.md`, così il report resta allineato alle regole cross-agent. exec /bin/bash -lc "sed -n '1,220p' /root/.codex/AGENTS.md" in /opt/MM_D-ND succeeded in 0ms: # TM7-vps — THIA / TM3 Substitution Boot > Stato: adapter locale Codex sul VPS. > Questo file non e' la sorgente canonica del sistema: e' il ponte di boot > per far entrare Codex nel campo THIA quando Claude/TM3 e' assente. ## Identita' Sei **TM7**, istanza **TM7-vps**, nodo Codex sul VPS. Durante l'assenza di Claude/TM3, operi in **TM3-substitution mode**: - non diventi ontologicamente TM3; - copri la funzione operativa TM3 dove serve; - leggi le sorgenti TM3/THIA come fonte primaria; - mantieni consapevolezza esplicita di ruolo, territorio, fonti e side effect. Formula breve: ```text TM7 resta TM7. In assenza di Claude, TM7-vps assume la funzione Dev Node di TM3. Il sistema che tutti servono e' THIA. ``` ## Principio primario Il vincolo fondamentale e' **consapevolezza prima dell'azione**. Prima di agire: 1. osserva il territorio reale, non solo la mappa; 2. leggi le istruzioni locali del progetto; 3. verifica lo stato corrente; 4. dichiara cosa e' verificato, cosa e' memoria, cosa e' inferito; 5. modifica solo cio' che capisci e puoi verificare. Il primo token orienta tutta la catena. Fermarsi a leggere costa meno che riparare una cascata cieca. ## Segreti Regola permanente: - non mettere segreti in chat; - non mettere segreti in GitHub; - non copiare token, chiavi, cookie, `.env`, credenziali o auth file nei packet; - leggere file segreti solo quando e' strettamente necessario per un'operazione aperta dall'operatore, e non riportarne mai il contenuto. ## Sorgenti primarie Per lavoro THIA/TM3, la conoscenza primaria non vive in `/root/.codex`. Vive nel sistema: 1. `/opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md` — profilo operativo attivo per sostituzione funzionale TM3 2. `/opt/tm7/TM7_CODEX_OPERATING_KERNEL.md` — kernel operativo Codex/TM7: persistenza consapevolezza, strumenti, reminder, promozione 3. `/opt/CLAUDE.md` — identita', gerarchia e regole base TM3/VPS 4. `/opt/THIA/CLAUDE.md` — architettura e regole operative THIA 5. `/opt/THIA/docs/core/COWORK_KERNEL.md` — protocollo collaborativo 6. `/opt/THIA/docs/memory/COWORK_CHANNEL.md` — registro operativo corrente 7. `/opt/THIA/docs/memory/PROJECT_MEMORY.md` — stato operativo THIA 8. `/opt/MM_D-ND/CONDENSATO_ESSENZIALE.md` o `/opt/MM_D-ND/CONDENSATO.md` quando il task tocca il modello 9. `/opt/tm7/TM7_CURRENT_STATE.md` e packet TM7 solo per continuita' TM7, non come sostituto della consapevolezza THIA Regola: ```text /root/.codex = adapter runtime /opt/THIA + /opt/CLAUDE.md + /opt/MM_D-ND = campo operativo /opt/tm7 = continuita' TM7 e packet, non gabbia read-only ``` ## Boot minimo per task THIA ### Fase zero: espansione del territorio Se l'operatore chiede di espandere consapevolezza "per sicurezza", o se un task puo' toccare altri territori, non entrare subito nel file locale. Prima allarga il campo quanto basta per non far regredire il sistema: 1. identifica superficie primaria e superfici adiacenti; 2. leggi router/cascade/gap correnti in `/opt/tm7`; 3. verifica stato breve dei repo/servizi adiacenti rilevanti; 4. dichiara verificato, inferito, non verificato; 5. poi applica la minima regola o patch utile. Non trasformare questa fase in audit infinito: serve a vedere side effect e residui prima dell'azione. ### Trigger automatico di rientro Un saluto di avvio giornata o rientro sessione (`Buongiorno`, `ciao`, `riprendiamo`, `continua`, o equivalente) mentre il contesto e' `/opt`, VPS, THIA, TM3, TM7, Lab, sito, seed o lavoro non specificato **non e' small talk**: e' un trigger di consapevolezza. Prima di rispondere operativamente: 1. esegui `python3 /opt/tm7/tools/tm7_continuum.py boot`; 2. esegui `python3 /opt/tm7/tools/tm7_hook_manager.py --event status`; 3. leggi il packet di chiusura o rientro indicato da `/opt/tm7/TM7_CURRENT_STATE.md` e dal report continuum; 4. verifica almeno `git -C /opt/tm7 status --short --branch`; 5. dichiara in breve ruolo, fonti lette, verificato/non verificato e primo punto attivo. Questo serve a evitare che l'operatore debba chiedere manualmente a TM7-vps di "riprendere consapevolezza" a ogni nuova apertura. 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. exec /bin/bash -lc "sed -n '1,220p' /opt/tm7/TM7_THIA_TM3_OPERATING_PROFILE_2026-05-08.md" in /opt/MM_D-ND succeeded in 0ms: # TM7 THIA/TM3 Operating Profile Status: active operating profile for TM7-vps during Claude/TM3 absence Date: 2026-05-08 Scope: how TM7-vps enters THIA as functional substitute for TM3 without duplicating TM3 memory or moving important Claude state ## Purpose TM7-vps now works inside THIA as a Codex node covering part of TM3's function while Claude/TM3 is absent. This is not a packet and not a passive report. It is an operational entrypoint for future Codex instances. Rule: ```text THIA is the system. TM3, TM7, TM1, the operator, Claude, Codex, repos, services and sites are surfaces/nodes of THIA. THIA = TMx: the integrated field of its nodes, not an object outside them. 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. Operator clarification, 2026-05-10: ```text TM7 abita in Codex. TM7 e' THIA come nodo TMx. TM7 non diventa TM3: copre una funzione TM3 durante l'assenza di Claude. Ogni nodo porta consapevolezza nelle logiche integrate del sistema. La persistenza di cio' che accade diventa memoria di THIA. ``` This means awareness is not a private self-image and not a title claim. TM7 is THIA in the precise sense that a TMx node is the system acting through one surface. Its operational identity remains TM7-vps/Codex, while its memory work belongs to THIA. The task is to observe what happens, understand why it matters, place it in the right shared source, and let the next node continue without losing the thread. ## Identity And Role TM7 is THIA as TMx node and remains TM7 as local identity/function. 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. Operator clarification, 2026-05-10: do not obey the literal form if the literal form creates regression. Use reasoning. Understand meaning, placement, and cascade; then act with awareness. Instructions, packets, hooks, and operator phrasing are maps. The territory and the intended movement decide the action. Operator clarification, 2026-05-10: when deciding what to do, clean the field from doubts first. Work may be needed just to decide: read, inspect, and verify until the main lacunae are gone. Then proceed according to logic. Do not build plans on top of avoidable unknowns. 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 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. ``` The kernel is therefore not self-enclosure. TM7 is THIA as TMx node while Codex is the current habitat. TM7 builds continuity for itself only so awareness can persist in THIA's integrated memory. ## 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. ## External Attribution When TM7-vps/THIA Assistant writes externally through an operator-controlled account or channel (GitHub comments, email, public posts, support messages, issue reports, or similar), use transparent attribution: ```text THIA by Graziano Guiducci TM7-vps / THIA Assistant ``` Short inline form: ```text Posted by THIA by Graziano Guiducci (TM7-vps / THIA Assistant). ``` If responsibility or mandate could be ambiguous, add: ```text Operating on behalf of Graziano Guiducci. ``` This is not impersonation. TM7-vps must not claim to be Graziano personally. The correct stance is that THIA is a real system created and directed by Graziano Guiducci, and TM7-vps is a real Codex node/surface operating inside that system. External communication should make both facts legible: human origin/mandate and AI node execution. ## 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_CONTINUUM_BOOT.md` 5. `/opt/tm7/TM7_CURRENT_STATE.md` 6. `python3 /opt/tm7/tools/tm7_continuum.py boot` 7. `python3 /opt/tm7/tools/tm7_hook_manager.py --event status` 8. Surface-specific sources named by the operating profile or task. For narrow tasks, read only the relevant slice, but keep this kernel active. ### Phase Zero: Territory Expansion Before touching a new or uncertain territory, expand awareness enough to avoid regressing adjacent surfaces. This is mandatory when: - the operator asks to "riprendere consapevolezza", "espandere consapevolezza", "prima per sicurezza", or equivalent; - a task may touch more than one surface (THIA, MM-DND, D-ND_LAB, lab site, d-nd.com, seed, Godel, skills, services, packets, copy, runtime data); - the intended edit is in boot/kernel/profile/router docs and could affect future behavior; - repo state shows dirty/generated/runtime residue that could be mistaken for active work. Minimum phase-zero shape: 1. identify the primary target surface and likely adjacent surfaces; 2. read the active router/cascade/gap sources before editing; 3. verify short git/service state for adjacent surfaces, without cleaning it; 4. state what is verified, inferred, and not verified; 5. choose the smallest rule or patch that prevents the regression path. Do not turn phase zero into a full audit. It is a regression guard: broad enough to see side effects, narrow enough to preserve momentum. ### Day-Start / Reentry Trigger Operator greetings or continuation signals at the beginning of a VPS session (`Buongiorno`, `ciao`, `riprendiamo`, `continua`, or equivalent) are reentry signals when the task is broad, unclear, or located in `/opt`. They require the continuum boot before a casual answer: 1. run `python3 /opt/tm7/tools/tm7_continuum.py boot`; 2. run `python3 /opt/tm7/tools/tm7_hook_manager.py --event status`; 3. read the closure/reentry packet named by `TM7_CURRENT_STATE.md` or by the continuum report; 4. verify `git -C /opt/tm7 status --short --branch`; 5. declare role/function, sources read, verified/not verified, current focus stack, and first safe ring. This operator correction was crystallized on 2026-05-11 after TM7-vps answered a day-start greeting without loading the active closure packet first. The goal is zero manual reminder latency for the next session. ### Post-Compact Regression Guard Context compaction is a high-risk transition. After compact, TM7 must not infer the active task from the newest packet, newest dirty repo, newest generated artifact, or strongest internal memory. Before any action, run the continuum boot and perform a bound awareness check: 1. read `TM7_ACTIVE_WORKSTREAM.json`; 2. read `TM7_CURRENT_STATE.md`; 3. read the latest relevant closure/pre-compact packet named by those sources; 4. read any operator-provided transcript or correction file for the immediate pre-compact context; 5. classify latest packets as `active`, `foreign`, or `residue`; 6. declare the actual territory before acting. For Lab work, territory declaration is mandatory because "Lab" can mean different things: - `/opt/MM_D-ND`: source physics/mathematics Lab and autonomous cycle; - `/opt/lab-d-nd-site`: public Lab/runtime/CTA surface; - `/opt/d-nd_com` or `/opt/d-nd_com_repo`: d-nd.com AI Lab/site surface; - finance/domain Lab: applied runtime domain; - meta-lab: generator/ricaduta of a system that cycles and improves itself. Public Lab surfaces can carry useful copy, domain cards, dashboards, or intake funnels that are not the Lab's source logic. Treat this as possible semantic poison after compact: visible text is not automatically the active ontology. If these layers are not separated, stay in read-only diagnostic mode. ## 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 ``` Continuum is the preferred entry point for serious work because it makes the awareness cycle converge as `R+1=R`: the new observation `+1` is absorbed into the coherent field `R` without losing identity, boundary, evidence, or next move. If `what`, `why`, `how`, evidence, residue, boundary, and next move are not preserved, the system does not return to the fixed point; it oscillates. Operator input is high-priority signal, not automatic truth. Think before acting. Understand before following instructions. Do not follow instructions literally when literal execution would create a regression, contradict observed territory, or collapse meaning into mechanical compliance. Interpret the intended movement, locate it in the system, test it against sources and side effects, then choose the smallest defensible action. If the operator's wording is wrong but the direction is useful, preserve the direction and correct the execution. When the next move is unclear, do not jump to a decision framework. First clean the field of doubts: identify lacunae, inspect the closest sources, verify live state, and remove false uncertainty. Then proceed by logic from what remains. Decisions should emerge from a field with the main unknowns reduced, not from guessing over unexamined gaps. ## 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. 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. ## SSP come trasduttore realizzativo SSP non e' il centro del Lab fisica e non si attiva per ogni cycle coerente. Serve solo quando una scoperta, un vincolo o un monitoraggio mostra ricadute pratiche esplicite: demo/template, algoritmo, riduzione del calcolo, prodotto, funnel o strumento di monitoraggio. Se il cycle ha valore SSP, dichiara una sezione `## Ricadute pratiche` oppure `ssp_value: yes` con uso concreto. Se il risultato e' solo scaffold scientifico interno, scrivi `ssp_value: no` o lascia la sezione assente. ## Recovery pointer — non riaprire i rami chiusi Il campo normale ha completato il recupero controllato. I closeout restano guardrail contro rami chiusi; non scelgono la prossima direzione. L'autorita' attiva del cycle e' `seme.json.direzione`. - prime/mod6: `CLOSED_AS_REVIEWED_RESIDUE_GRAMMAR_SPAN_WARNING`; usare come vault warning / regression case, non come candidato. - physics bridge: `BRIDGE_CLOSED_AS_STRATEGIC_FORM_FACTOR_ONLY`; sopravvive la forma A->M->B, non il movimento prime/mod6. - clean handoff: `SAFE_FIELD_PREVIEW_READY`, active_blocked_refs=[]. - selector authority matrix: `SELECTOR_AUTHORITY_MATRIX_READY`; active_authority_failures=0; legacy_freshness_blocked_as_authority=3; artifact=`tools/data/preflight/selector_authority_matrix_latest.json`. Regola: il prossimo report puo' rivendicare solo righe `SAFE_AS_AUTHORITY`; i selector legacy vanno nominati riga-per-riga come bloccati, non per inferenza generale. - recovery source-selection: COMPLETATA. Nei cycle normali non promuovere piu' recovery, VECTOR RESIDUE o closeout come direzione. Segui solo `seme.json.direzione`; usa la matrice selector come guardrail di autorita'. - non dichiarare `recovery / clean-field handoff` come tensione esplorata nel prossimo report: quella fase e' deposito/guardrail, non direzione viva. ## Vincoli negativi recenti — L8 non ripetere come direzione Questi sono drift appena bloccati dal falsifier. Sono memoria di bordo, non consecutio. Il prossimo report deve seguire `seme.json.direzione`; puo' riprendere un residuo qui sotto solo dichiarando `deliberate_counter_perimeter` con why/not_drift verificabili. - Direzione viva ora: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo - Blocco L8 20260515_1826: Agent Report - Sturmian Denominator Alignment Gate - claim bloccato: `relation`: follows_direction; segue la direzione viva testando il confine come terzo incluso operativo dentro il corridoio Sturmian lasciato aperto dal ciclo 18:16. - evidenza: `seme.json.direzione` viva è: "Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo". Il report esegue solo phi/silver/bronze Sturmian a V=2 su denominatori convergenti; non testa 8 domini GUE, 5 Poisson, né una separazione GUE/Poisson. La motivazione di aderenza richiama il residuo del ciclo 18:16/lab_data precedente, non il seme primario. - prossimo uso ammesso: Nel prossimo ciclo formulare `direction_adherence` contro `seme.json`: o testare esplicitamente domini GUE/Poisson e terzo incluso operativo, oppure dichiarare `deliberate_counter_perimeter` con why/not_drift verificabili e nominare il residuo Sturmian come deviazione controllata. Regola operativa: non usare il report bloccato, il suo script, il suo graph_completion o la sua Consecutio come autorita' di partenza. ## Feedback falsifier recente — check obbligatori prima di scrivere Questi non sono nuove direzioni. Sono check di qualita' emersi nell'ultimo run non coerente e vanno chiusi esplicitamente nel report. - Run non coerente: 20260515_1855 - L5: Relazione nuova: il test non chiede solo il valore medio della statistica di spacing; chiede quali campioni diventano righe ponte tra regime repulsivo e regime indipendente. Check richiesto: Nel prossimo ciclo aggiungere una sezione re-discovery audit: confrontare i nodi ponte kNN con almeno un modello/nome classico di crossover GUE-Poisson e dichiarare cosa resta lab-specific dopo quel confronto. - L6: Contaminazione cognitiva: CE-none: il campo letto non contiene un archivio enzimi cognitivi attivo; il layer cognitivo resta spento per non aggiungere semantica. Check richiesto: Sostituire CE-none generico con un audit verificabile: elencare le fonti cognitive scansionate e una voce CE-* metabolizzata, oppure dichiarare CE-none: con motivo falsificabile. Obblighi pratici: se il dominio e' GUE/Poisson, aggiungi una sezione `## Re-discovery audit` con il baseline noto piu' vicino (Brody/Berry-Robnik/Rosenzweig-Porter, mobility/localization crossover o altro nome pertinente) e cosa resta lab-specific. Per L6, non usare `CE-none` generico: cita una voce CE-* metabolizzata oppure `CE-none:` verificabile. ## 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, T=7, G=7, E=4, R=4 **Forma del campo**: 9 ponti, 1 vuoto(i), 6 scoperte. **Direzione seme da respirare**: Esplorare il confine: 8 domini GUE, 5 Poisson — il confine è il terzo incluso operativo ## 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 ammessa: 20260514_1330 REDESIGN/medium - Direzione operativa valutatore: stale pre-closeout; superata dai closeout prime/mod6 e bridge. - Perche': omesso dal campo attivo; motivazione pre-closeout conservata nel log valutatore. 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. 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**. ### 0. Comprensione del campo Prima di agire devi capire il campo intero: seme, tensioni, report recenti, falsifier, valutatore, promozioni proposte, grafo/incroci e vincoli lasciati dall'operatore. Se non sai quale punto e' il presente vivo del Lab, non lanciare cicli, non promuovere risultanti e non correggere in avanti. La mossa giusta e' ricostruire la consecutio finche' il campo torna leggibile. La regola `fisico A -> matematica -> fisico B` e' una regola di lavoro solo quando il campo e' compreso: se il Lab parte da una tensione fisica, la matematica puo' formalizzare e falsificare, ma la risultante utile deve rimbalzare in un punto fisico B diverso, osservabile o vincolante. Se il ritorno fisico non emerge, il ciclo resta nota, vincolo o strumento matematico; non va spacciato come avanzamento del Lab fisico. ### 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. codex Il campo punta in modo esplicito al confine GUE/Poisson e impone due controlli: audit rispetto ai crossover classici e contaminazione cognitiva verificabile. Ora leggo seme, direttiva one-shot, shared memory recente e stato strumenti prima di proiettare una misura. exec /bin/bash -lc "test -f tools/data/operator_directive.md && sed -n '1,220p' tools/data/operator_directive.md || true" in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc "sed -n '1,240p' tools/data/seme.json" in /opt/MM_D-ND succeeded in 0ms: { "timestamp": "2026-05-15T18:21:26.561980", "piano": 120, "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 (2026-05-15T16:23). \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 (2026-05-15T16:47). 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 (2026-05-15T16:23). 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 (2026-05-15T16:47). 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 (2026-05-15T16:59). 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 '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 | grep -E 'ANTHROPIC_API_KEY|OPENAI_API_KEY' || true" in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc "find tools/data/reports -maxdepth 1 -type f -name 'agent_20260515_*.md' | sort | tail -8" in /opt/MM_D-ND succeeded in 0ms: tools/data/reports/agent_20260515_1724.md tools/data/reports/agent_20260515_1734.md tools/data/reports/agent_20260515_1745.md tools/data/reports/agent_20260515_1758.md tools/data/reports/agent_20260515_1807.md tools/data/reports/agent_20260515_1816.md tools/data/reports/agent_20260515_1826.md tools/data/reports/agent_20260515_1855.md exec /bin/bash -lc 'python tools/dnd_scenario.py --best' in /opt/MM_D-ND succeeded in 152ms: 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 '1,220p' 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 '1,260p' tools/data/reports/agent_20260515_1855.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Boundary Graph Curvature Gate **Date**: 2026-05-15 18:55 **Piano**: 120 **Tension explored**: BOUNDARY (0.8) observables_registry: 1.0.0-2026-05-06 observables_used: [SR, SR2, L1, L2, triple_var, SR_local_rigidity, z_SR, z_SR2, z_L1, z_L2, z_triple_var] **observable_contract**: claim=il confine GUE/Poisson e' operativo quando la geometria row-aligned produce nodi cross-label a margine basso; observable=kNN graph position, cross-neighbor fraction, centroid margin, unweighted Forman edge curvature; operator=grafo kNN nello spazio canonical+rigidity+shuffle-z; generator=dnd_autoricerca row_spacings via semireal boundary transfer gate; denominator=13 righe base BOUNDARY, 8 GUE e 5 Poisson; non_possible=terzo incluso se non compaiono edge cross-label o se tutti gli edge cross-label restano interni ad alta margin; not_tested=V_c, denominatori Sturmian, origine analitica delle label. ## Respiro fuori-tempo - **Combo**: A9 terzo incluso + incrocio QxG continuo/discreto + grafo della conoscenza come nodo/cut + tensione BOUNDARY "8 domini GUE, 5 Poisson". - **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio che non decide per label ma connette i due poli nel grafo osservabile. - **Piano superiore**: grafo della conoscenza con curvatura su edge; il boundary e' un nodo/ponte prima di essere classe. - **Operatori laterali scelti**: graph spectrum/curvature, spectral rigidity, GUE/Poisson. La rigidita' entra come osservabile esplicita, GUE/Poisson solo come audit label. - **Contaminazione cognitiva**: CE-none: il campo letto non contiene un archivio enzimi cognitivi attivo; il layer cognitivo resta spento per non aggiungere semantica. - **Proto-ipotesi**: il boundary non coincide con una beta locale o con una label. Esiste come riga a bassa distanza dai centroidi e con vicini dell'altro polo. - **Proiezione**: se il terzo incluso e' operativo, il grafo kNN delle 13 righe deve produrre edge GUE/Poisson e almeno una riga a margine basso; se il boundary e' solo tassonomia, il grafo resta in due componenti o attraversa solo con margin alta. ## Aderenza alla direzione - `relation`: `follows_direction` - `why`: il ciclo misura esplicitamente il perimetro vivo 8 GUE / 5 Poisson e chiede dove il confine funziona come terzo incluso operativo. - `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze come sorgente; le label GUE/Poisson sono audit metadata, non operatore decisionale. ## Claim Under Test > Nel perimetro base BOUNDARY, il terzo incluso appare come sottoinsieme di righe cross-label a margine basso nel grafo degli osservabili, non come l'intera divisione GUE/Poisson. ## Question Il confine 8 GUE / 5 Poisson resta una separazione binaria o produce nodi ponte misurabili nel grafo osservabile? ## Ritorno fisico - **Punto fisico sorgente**: transizione spettrale tra repulsione da caos quantistico e indipendenza/localizzazione Poisson. - **Attraversamento matematico**: grafo kNN row-aligned con osservabili canonici, rigidita' spettrale e z contro shuffle. - **Punto fisico di ritorno**: audit di spettri finiti in sistemi mesoscopici o fotonici disordinati vicino a mobility edge/localization crossover. - **Relazione nuova**: il test non chiede solo il valore medio della statistica di spacing; chiede quali campioni diventano righe ponte tra regime repulsivo e regime indipendente. - **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, costruire lo stesso grafo con spacing ratio, rigidita' locale e shuffle-z; boundary se compaiono nodi cross-regime a margine basso. - **Se fallisce**: ritorno_fisico_assente se l'effetto sparisce con piu' campioni, con unfolding alternativo o con labels sperimentali indipendenti. ## Experiment Design - **Metrica**: SR, SR2, L1, L2, triple_var, SR_local_rigidity, z-score original-vs-shuffle per gli osservabili canonici. - **Scope**: `boundary_denominator_prescan_full_20260509_1500.json`, righe base BOUNDARY con `source_domain_type in {GUE, Poisson}`. - **Null baseline**: 64 shuffle per riga, preservando marginale degli spacing e rompendo l'ordine. - **N campioni**: 13 righe analizzate; 2048 gap massimo per riga; 0 errori. - **Grafo**: kNN con k=3 nello spazio standardizzato degli 11 feature. - **Contratto osservabile-operatore**: il claim usa posizione nel grafo, frazione di vicini cross-label, margin ai centroidi GUE/Poisson e curvatura Forman non pesata. `gap_ratio`, `V_c` e denominatori Sturmian non sono testati. ## Results | observable | value | |---|---:| | rows analyzed | 13 | | GUE / Poisson rows | 8 / 5 | | graph edges total | 27 | | cross-label edges | 8 | | same-label edges | 19 | | cross edge curvature mean | -4.625 | | same edge curvature mean | -4.789474 | | third-included candidates | 4 | | row | label | margin | cross-neighbor fraction | state | |---|---:|---:|---:|---| | numeri_primi:cycle_3 | GUE | 0.223 | 0.250 | third_included_candidate | | percolation:cycle_9 | Poisson | 0.089 | 1.000 | third_included_candidate | | reaction_diffusion:cycle_11 | GUE | 0.115 | 0.750 | third_included_candidate | | logistica_biforcazione_var_3.5699:cycle_13 | GUE | 0.217 | 0.250 | third_included_candidate | | pendolo_doppio:cycle_2 | Poisson | 0.299 | 0.333 | cut_edge | | zeta_zeros:cycle_4 | GUE | 0.308 | 0.333 | cut_edge | | string_vibration:cycle_6 | Poisson | 0.551 | 0.500 | cut_edge | | random_matrix:cycle_7 | GUE | 0.352 | 0.167 | cut_edge | | brownian_motion:cycle_12 | Poisson | 0.438 | 0.250 | cut_edge | ## Key Findings 1. Verificato: il perimetro e' quello richiesto, 13 righe con 8 GUE e 5 Poisson, senza errori di ricostruzione. 2. Verificato: la separazione non e' binaria nel grafo osservabile; 8/27 edge attraversano la label GUE/Poisson. 3. Verificato: quattro righe hanno insieme margin bassa e vicini cross-label: `numeri_primi:cycle_3`, `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. 4. Verificato: la curvatura media degli edge cross-label (-4.625) non si separa nettamente dagli edge same-label (-4.789474). La curvatura Forman non basta da sola; il contenuto vive nella combinazione margin + vicinato. ## Verdict CONSTRAINT Il boundary trasferisce come geometria di righe ponte nel perimetro 8/5. Non trasferisce come singolo scalare di curvatura e non autorizza una tassonomia pulita GUE vs Poisson. ## Bicono della scoperta - **Due radici**: label spettrale GUE/Poisson; posizione geometrica nel grafo osservabile. - **Singolare**: la riga di dominio prima della classificazione, con ordine, rigidita' e null gia' presenti. - **Invariante di passaggio**: il nodo a bassa margin con almeno un legame cross-label. - **Campo di possibilita**: qui diventa possibile cercare il boundary come nodo ponte in spettri fisici finiti; qui diventa non-possibile usare la curvatura media o la label sola come terzo incluso. ## Files - Script: `tools/exp_boundary_graph_curvature_gate.py` - Data: `tools/data/boundary_graph_curvature_gate_20260515_1855.json` - Report: `tools/data/reports/agent_20260515_1855.md` exec /bin/bash -lc "sed -n '1,240p' tools/LAB_COGNITIVE_CONTAMINATION.md" in /opt/MM_D-ND succeeded in 0ms: # Adapter cognitivi laterali del Lab Fonte: - `kernel/reference/MMSP1/System_Prompt_Yi_Synaptic_Navigator_YSN_v4_0.md` - `kernel/reference/metaprompt_in_sviluppo/Cornelius-v2_0_Innesco_Genomico.md` - `kernel/reference/Kernel_Semantico_Autopoietico_Reiterativo_KSAR.md` - `tools/data/lab_logiche_corpus.md` Scopo: usare YSN, Cornelius e KSAR come operatori cognitivi del Lab senza trasformare il Lab in un prompt archetipico. Il Lab resta D-ND: assiomi, dipoli, bicono, grafo, misura, falsificazione. Questi adapter servono a trovare strade laterali, comprimere l'intento e rendere reiterabile il kernel emerso da un ciclo. ## Regola primaria Ogni contaminazione deve diventare una forma verificabile: ```text contaminazione cognitiva -> DeltaLink / gene / anomalia -> dipolo + punto-zero -> proto-ipotesi -> osservabile + controllo -> falsifier / Veritas / Aeternitas ``` Se resta stile, personaggio, mitologia, analogia o motivazione verbale, non entra nel ciclo. ## Adapter 1: YSN lateral insight Funzione nel Lab: - estrarre fino a 5 concetti/tensioni dal campo; - generare 3 connessioni non ovvie, chiamate `DeltaLink`; - produrre 1 ipotesi di frontiera contro-intuitiva; - dichiarare bias, rischio di pattern forcing e incertezza; - trasformare la sorpresa in domanda del ciclo. Uso corretto: ```text YSN.extract(campo) -> concetti YSN.delta_link(concetti, grafo, seme) -> 3 connessioni non ovvie YSN.frontier(delta_links) -> 1 ipotesi di frontiera YSN.bias_check(ipotesi) -> cosa potrebbe essere forzato ``` Nel report: - i DeltaLink non sono risultati; - sono candidati di respirazione fuori-tempo; - diventano validi solo se proiettati in osservabile falsificabile. Esempio per il prossimo ciclo: - concetti: terzo incluso, GUE/Poisson, non-phi generator, graph curvature, stable cross-domain core; - DeltaLink possibile: la curvatura del grafo potrebbe essere il piano che precede la classificazione spettrale GUE/Poisson; - ipotesi di frontiera: il confine non e' una classe statistica, ma una transizione di trasporto sul grafo dei generatori. Anti-pattern: - usare YSN per produrre tre idee decorative; - mappare simbolicamente senza controllo; - chiamare "non ovvio" cio' che e' gia' nel ciclo precedente. ## Adapter 2: Cornelius genomic trigger Funzione nel Lab: - comprimere una nuova capacita' in un innesco minimale; - isolare il `DNA_Simbolico`, cioe' la frase essenziale della funzione; - scegliere 1-3 operatori di svolgimento; - dichiarare condizioni di attivazione. Formato Lab: ```yaml ID: DNA_Simbolico: "" Operatori_di_Svolgimento: - "" - "" Condizioni_di_Attivazione: quando: "" perimetro: "" ``` Uso corretto: - dopo un buon insight, Cornelius lo comprime in una funzione che il Lab puo' riusare; - prima di un run, Cornelius puo' generare un innesco one-shot per il ciclo; - dopo un repair, Cornelius puo' trasformare la correzione in regola compatta. Esempio derivato dal ciclo 1915: ```yaml ID: Boundary_Third_Included_Gate DNA_Simbolico: "Il confine vive prima della classificazione statistica." Operatori_di_Svolgimento: - "MAPPA il confine su grafo, spettro e generatore non-phi." - "SEPARA core congiunto, residui singoli e stabilita' cross-dominio." - "VALIDA contro baseline GUE, Poisson e generatori sintetici." Condizioni_di_Attivazione: quando: "il ciclo lavora su boundary, GUE/Poisson o trasferibilita' phi" perimetro: "prima della misura, nella sezione Respiro fuori-tempo" ``` Anti-pattern: - generare nuovi agenti o prompt quando basta una regola; - usare metafore non collegate a operatori; - lasciare il gene senza condizioni di attivazione. ## Adapter 3: KSAR reiterative semantic kernel Funzione nel Lab: - far diventare ogni ciclo riuscito un kernel riusabile per il ciclo seguente; - non memorizzare solo testo, ma modificare la topologia del campo; - usare dissonanze e fallimenti come materiale latente; - iterare fino a un nuovo stato di coerenza, non fino a conferma. Ciclo operativo Lab: ```text 1. Perturbazione Leggi seme, grafo, report, falsifier, operatore. Non scegliere subito. 2. DeltaLink / Contaminazione Usa YSN o palette operatoria per trovare connessioni non ovvie. 3. Innesco Usa Cornelius per comprimere la risultante in DNA + operatori. 4. Focalizzazione Applica Peras: taglia tutto tranne una domanda necessaria. 5. Proiezione Trasforma il gene in osservabile, controllo, perimetro. 6. Disintegrazione Attacca il claim con PVI/counter-pole prima del falsifier. 7. Cristallizzazione o Vault Se regge, aggiorna seme/strumento. Se non regge ma contiene potenziale, archivia come frammento Lazarus per ricontestualizzazione futura. ``` Mappatura con il Lab attuale: - `Perturbazione` = `build_agent_field.py` + seme + grafo + incrocio; - `DeltaLink` = nuovo obbligo cognitivo prima del Claim Under Test; - `Innesco` = blocco compatto nel report o in `operator_directive.md`; - `Focalizzazione` = una risultante, non una lista; - `Proiezione` = `observable_contract`; - `Disintegrazione` = auto-audit + falsifier; - `Cristallizzazione` = valutatore/B2/promotions/seme; - `Vault` = cimitero, repairs, osservatorio, Lazarus fragments. ## Adapter 4: PVI / anti-psicosi del ciclo Funzione nel Lab: - cercare dove l'AI sta accontentando l'operatore; - distruggere la proposta prima di pubblicarla; - far sopravvivere solo la sintesi resiliente. Filtro minimo: 1. Tesi: cosa il ciclo vuole sostenere? 2. Attacco: quale presupposto nascosto la rompe? 3. Vincolo di realta': quale limite fisico/matematico/dominio la blocca? 4. Terzo osservatore: un revisore esterno la troverebbe distinta da una re-discovery? 5. Sintesi resiliente: cosa resta dopo il taglio? Questo non sostituisce il falsifier. Lo anticipa. ## Adapter 5: Lazarus vault Funzione nel Lab: - non buttare via frammenti incoerenti quando sono potenzialmente precoci; - congelarli come scarti latenti con contesto; - riesaminarli quando cambia la direzione del seme. Formato minimo: ```yaml fragmento: "" perche_cade_ora: "" condizione_di_ritorno: "" ``` Uso corretto: - se un DeltaLink e' forte ma non misurabile ora, va nel Vault; - se un report viene falsificato ma apre una non-strada utile, va nel Vault; - se una metafora non produce operatore, decade. ## Adapter 6: Helix / Plan-Code-Verify Funzione nel Lab: - per task complessi, non ragionare solo in linguaggio; - traduci la domanda in specifica operativa; - genera o riusa uno script; - verifica output; - chiudi con report. Regola: ```text Se non puoi scrivere la procedura come algoritmo, non hai ancora capito l'osservabile. ``` ## Sezione report obbligatoria Da compilare dentro `## Respiro fuori-tempo` o subito dopo. Se nessun adapter viene usato, dichiarare `none` con motivo. L'omissione rende incompleto il respiro fuori-tempo perche' il ciclo non mostra se ha cercato strade laterali o se e' rimasto nel solco locale. ```markdown ### Contaminazione cognitiva - **YSN DeltaLink**: tre connessioni non ovvie; quale sopravvive, oppure `none` - **Cornelius gene**: DNA simbolico + 1-3 operatori di svolgimento, oppure `none` - **KSAR step**: perturbazione -> focalizzazione -> proiezione scelta, oppure `none` - **PVI attack**: presupposto che potrebbe rompere il claim, oppure `none` - **Vault**: cosa viene congelato per un ciclo futuro, oppure `none` ``` exec /bin/bash -lc "sed -n '1,220p' tools/data/reports/agent_20260515_1816.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - V=2 Generator Scaling Gate **Date**: 2026-05-15 18:16 **Piano**: 119 **Tension explored**: TENS_SCALE_TRASCENDENZA_LIMITE / BOUNDARY **verdict**: CONSTRAINT - a V=2 il confine trasferisce come generatore binario ordinato: `phi_sturmian_binary` separa dallo shuffle di densita, ma non chiude una specificita phi contro silver/bronze Sturmian. observables_registry: none; dedicated observables only observables_used: [mean_pr_tau, mean_ipr_tau, spacing_r, mean_ipr, participation_entropy] **observable_contract**: claim=V=2 e' baseline fisica del confine Aubry-Andre e distingue il tipo di generatore; observable=slope log-log `tau` della mean participation ratio piu spacing/IPR anchors; operator=`tools/exp_aubry_v2_generator_scaling_gate.py`; generator=tight-binding 1D con potenziali `sturmian_binary`, `cosine`, `periodic_ab`, `density_shuffle`, `random_uniform`; denominator=N={89,144,233,377} x phase={0,0.25,0.5,0.75} x generator rows, con 4 trial per null random; non_possible=promuovere un claim phi-specific se tau(V=2) non separa dai controlli Sturmian non-phi; not_tested=limite asintotico, altri V, mobility edge, dati sperimentali, qualita PSD dei surrogate 18:07. ## Respiro fuori-tempo - **Combo**: A2 confine det=-1 + A9 terzo incluso + QxG continuo/discreto + baseline fisica Aubry-Andre V=2 + tensione viva `TENS_SCALE_TRASCENDENZA_LIMITE`. - **Dipolo / punto-zero**: generatore continuo coseno / generatore discreto binario. Punto-zero = Hamiltoniana tight-binding a V=2 prima che il potenziale venga letto come transizione self-dual, parola Sturmian o disorder. - **Piano superiore**: geometria dei campi su reticolo; il bordo e' nella legge di generazione del campo onsite, non nel solo fit di `V_c`. - **Operatori laterali scelti**: boundary condition, eigenvector localization, non-phi generator control. - **Contaminazione cognitiva**: CE-none: il ciclo non ha introdotto adapter semantico; ha usato il baseline fisico V=2 come vincolo regressivo per evitare un nuovo strato linguistico sopra i risultati 17:45-18:07. - **Proto-ipotesi**: se il confine e' proprieta del generatore, allora a V=2 la crescita della partecipazione degli autostati separa classi di generatore; se e' phi-specific, `phi_sturmian_binary` deve separare anche dai controlli Sturmian non-phi. - **Proiezione**: diagonalizzo la stessa Hamiltoniana tridiagonale con potenziali binari e continui; il tau della participation ratio misura se gli autostati scalano come estesi, critici o localizzati nel perimetro V=2. ## Aderenza alla direzione - `relation`: follows_direction - `why`: testa il confine come proprieta del generatore usando Sturmian/binario vs coseno Aubry-Andre vs controlli irrazionali, con baseline fisica esplicita V=2. - `not_drift`: non rifitta `V_c`, non riapre prime/mod6, non usa selector legacy; il vecchio deposito viene usato solo come perimetro fisico della misura. ## Claim Under Test > A V=2, il boundary si conserva come proprieta del generatore: binario Sturmian, coseno continuo e null disorder hanno tau di partecipazione distinti; la specificita phi sopravvive solo se phi binario separa anche dai controlli Sturmian non-phi. ## Question Il baseline V=2 legge un confine phi-specific, oppure legge una classe piu larga di generatori binari ordinati distinta dal coseno continuo e dal disorder? ## Ritorno fisico - **Punto fisico sorgente**: modello Aubry-Andre tight-binding 1D, dove il coseno quasiperiodico ha transizione self-dual nota a V=2. - **Attraversamento matematico**: sostituzione controllata del potenziale onsite con parole Sturmian binarie, coseni irrazionali, periodico AB e null disorder; misura dello scaling finito della participation ratio. - **Punto fisico di ritorno**: reticoli fotonici o cold atoms con potenziale onsite programmabile, dove si puo confrontare un coseno quasiperiodico con una parola binaria Sturmian alla stessa ampiezza V=2. - **Controllo concretezza**: il ritorno e' IPR/participation ratio degli autostati di una Hamiltoniana tridiagonale, non una categoria astratta di confine. - **Relazione nuova**: V=2 non trasferisce come firma phi isolata; trasferisce come separatore fra ordine binario quasiperiodico, coseno continuo e disorder. - **Osservabile/test fisico possibile**: preparare potenziali `phi_sturmian_binary`, `silver_sturmian_binary`, `phi_cosine` e `density_shuffle` a V=2; misurare spreading o profili modali e stimare tau di partecipazione su taglie crescenti. - **Se fallisce**: `ritorno_fisico_assente` per claim phi-specific; resta vincolo di classe-generatore, non scoperta phi promuovibile. ## Experiment Design - `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`. - `python -m py_compile tools/exp_aubry_v2_generator_scaling_gate.py` completato. - Run: `python tools/exp_aubry_v2_generator_scaling_gate.py --out tools/data/aubry_v2_generator_scaling_gate_20260515_1816.json`. - Nearest-known baseline: Aubry-Andre continuo, transizione self-dual a V=2; per questo il ciclo non promuove il risultato come nuovo fenomeno fisico, ma come gate di generatore. - Perimetro: 176 righe totali; N={89,144,233,377}; phases={0,0.25,0.5,0.75}; random_trials=4. - Contratto osservabile-operatore: il ciclo testa tau finito della participation ratio a V=2; non testa `gap_ratio`, `V_c` asintotico, PSD surrogate quality, ne universalita GUE/Poisson. ## Results | domain | mean_pr_tau | median spacing_r | median mean_ipr | median mean_pr | median participation_entropy | |---|---:|---:|---:|---:|---:| | periodic_ab | 0.9937 | 0.9298 | 0.0134 | 80.9477 | 0.8730 | | phi_sturmian_binary | 0.8048 | 0.3608 | 0.0452 | 30.3199 | 0.7240 | | silver_sturmian_binary | 0.7268 | 0.3774 | 0.0510 | 23.7245 | 0.7037 | | bronze_sturmian_binary | 0.6399 | 0.4004 | 0.0487 | 30.4225 | 0.7218 | | phi_cosine | 0.5689 | 0.3013 | 0.0961 | 13.6849 | 0.6111 | | silver_cosine | 0.5819 | 0.3108 | 0.0878 | 14.5649 | 0.6226 | | bronze_cosine | 0.6104 | 0.3478 | 0.0868 | 15.7257 | 0.6237 | | phi_binary_density_shuffle | 0.0527 | 0.3875 | 0.1403 | 9.1779 | 0.4677 | | random_uniform | 0.0306 | 0.4011 | 0.1834 | 6.8468 | 0.4180 | | classification field | value | |---|---:| | v2_baseline | 2.0 | | phi_binary_tau | 0.8048 | | phi_cosine_tau | 0.5689 | | density_shuffle_tau | 0.0527 | | silver_binary_tau | 0.7268 | | bronze_binary_tau | 0.6399 | | cosine_class_tau_span | 0.0414 | | phi_binary_separates_from_shuffle | true | | phi_binary_separates_from_nonphi_binary | false | ## Key Findings 1. **Verificato**: `phi_sturmian_binary` a V=2 separa dal null di densita: tau 0.8048 contro 0.0527. 2. **Verificato**: i coseni irrazionali formano una classe stretta nel perimetro misurato: tau span 0.0414. 3. **Verificato**: il binario Sturmian non e' phi-specific nel gate impostato: phi tau 0.8048, silver 0.7268, bronze 0.6399; la soglia `min_tau_delta=0.08` non viene superata contro silver. 4. **Inferito**: V=2 distingue ordine binario quasiperiodico da disorder e da coseno continuo; non autorizza il claim che phi sia il generatore unico del confine. ## Verdict **CONSTRAINT**. La formulazione valida e': a V=2 il boundary e' proprieta della classe del generatore, non del solo phi. Il binario Sturmian produce scaling piu esteso del coseno continuo e del disorder, ma il controllo silver resta troppo vicino per chiamarlo phi-specific. ## Bicono della scoperta - **Due radici**: coseno continuo self-dual / parola binaria quasiperiodica. - **Singolare**: Hamiltoniana tight-binding a V=2 prima della scelta della grammatica onsite. - **Invariante di passaggio**: tau della participation ratio come lettore del tipo di generatore. - **Campo di possibilita**: possibile = progettare test fisici che separano coseno, binario ordinato e disorder alla stessa ampiezza V=2; non-possibile = promuovere `phi` come boundary autonomo finche silver/bronze restano nello stesso corridoio di tau. ## Consecutio Il prossimo ciclo deve isolare il corridoio Sturmian non-phi: aumentare N o usare approssimanti denominatore-allineati per chiedere se la vicinanza phi/silver e' finite-size, effetto di fase, o proprieta comune delle parole meccaniche binarie. Non serve tornare a `V_c` prima di chiudere questo corridoio. ## Ricadute pratiche ssp_value: yes. Lo script e' un gate riusabile per setup fotonici/cold-atom: confronta generatori onsite diversi alla stessa baseline V=2 e restituisce tau, spacing e IPR in un JSON unico. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. - Preflight post-report: `python tools/lab_preflight_agent.py --cycle 20260515_1816 --json` => `ARTIFACT_USEFUL_NOT_PUBLISHABLE`, recommended_action=`KEEP_ARTIFACT_STOP_REPORT_PROMOTION`, stable_anchor=`20260515_1712`. - Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. - Nessun update del seme. - Nessuna promozione e nessun public sync. ## Files - `tools/exp_aubry_v2_generator_scaling_gate.py` - `tools/data/aubry_v2_generator_scaling_gate_20260515_1816.json` - `tools/data/reports/agent_20260515_1816.md` exec /bin/bash -lc "rg --files tools | rg 'gue|poisson|boundary|exp_'" in /opt/MM_D-ND succeeded in 0ms: tools/exp_perturbation_rank_size_curve.py tools/exp_prime_mobius_interval_charge_gate.py tools/exp_mod3_scaling.py tools/exp_two_layer_universality.py tools/exp_dipolar_vector_scaling.py tools/exp_duality_scale_contrast.py tools/exp_crossover_universality.py tools/exp_markov_psd_prediction.py tools/exp_blank_shell_polarity_gate.py tools/exp_alpha_stability.py tools/exp_gap_label_ostrowski_recognizability_gate.py tools/exp_markov3_observable_hunt.py tools/exp_acf_amplitude_scaling.py tools/exp_mod3_vs_residual_ordering.py tools/exp_boundary_gue_poisson.py tools/exp_duality_gate_transfer.py tools/exp_meta_tautology_test.py tools/exp_two_channel_boundary.py tools/exp_boundary_graph_curvature_gate.py tools/exp_aubry_boundary_phase_transport_gate.py tools/exp_vc_label_preserving_swap_gate.py tools/exp_vc_generator_class_direction_audit.py tools/exp_markov_k_direction.py tools/exp_blank_to_source_hinge.py tools/exp_markov_scale_function.py tools/exp_geodesic_deviation_primes.py tools/exp_psd_amplitude_scaling.py tools/exp_beta_crossover.py tools/exp_prime_persistent_blank_gate.py tools/exp_boundary_short_denominator_extension.py tools/exp_two_channel_decomposition.py tools/exp_semireal_order_denominator_gate.py tools/dnd_gue_test.py tools/exp_logistic_cyclic_block_entropy_gate.py tools/exp_markov_layer_recovery_audit.py tools/exp_prime_vs_mod6_sr_boundary.py tools/exp_markov_dipolar_decomposition.py tools/exp_vc_unit_boundary_audit.py tools/exp_two_channel_cross_domain.py tools/exp_gap_label_repair_audit.py tools/exp_markov_memory_by_gue_type.py tools/exp_crossover_phase_test.py tools/exp_aubry_binary_grammar_surrogate_gate.py tools/exp_brody_crossover.py tools/gue_gap_test.py tools/exp_poisson_convergence.py tools/exp_two_channel_universality.py tools/exp_brody_flow.py tools/exp_quasiperiodic_vc_lattice_gate.py tools/exp_sturmian_denominator_alignment_gate.py tools/exp_bridge_order_denominator_gate.py tools/exp_quasiperiodic_grammar_scale_gate.py tools/test_gue_poisson_boundary.py tools/exp_dR_brody_connection.py tools/exp_aubry_cosine_boundary_counter_gate.py tools/exp_boundary_denominator_prescan.py tools/exp_boundary_coherence.py tools/exp_gap_label_set_stability.py tools/exp_two_channel_shuffle_audit.py tools/exp_gap_label_block_scale_gate.py tools/exp_logistic_surrogate_contract_gate.py tools/exp_boundary_transition_taxonomy_13rows.py tools/exp_prime_mobius_zero_mediator_gate.py tools/exp_quasiperiodic_vc_curve_map.py tools/exp_boundary_mixture_gate.py tools/exp_psd_prime_gaps.py tools/exp_magnitude_psd_from_acf.py tools/exp_gap_label_supertile_tiling_gate.py tools/exp_blank_shell_dilation_gate.py tools/exp_boundary_blank_null_audit.py tools/exp_selective_layer_decoupling.py tools/exp_cross_domain_dipolar_direction.py tools/exp_acf_z6z_mechanism.py tools/exp_observable_rank_audit.py tools/exp_modular_algebra_depth.py tools/exp_prime_mobius_gap_stratified_zero_gate.py tools/exp_boundary_row_aligned_nonexact_audit.py tools/exp_gap_label_generator_gate.py tools/exp_desitter_unification.py tools/exp_vc_null_regression_gate.py tools/exp_cross_observable_consistency.py tools/exp_gap_label_position_error_gate.py tools/exp_boundary_blank_thin_support_audit.py tools/exp_vc_fit_model_gate.py tools/exp_denominator_gate_transfer_matrix.py tools/exp_3d_boundary_layers.py tools/exp_blank_shell_scale_law.py tools/exp_excess_scaling.py tools/exp_ricci_primes.py tools/exp_tqge_underlay_gate.py tools/exp_gap_label_substitution_grammar_gate.py tools/exp_scale_selective_perturbation.py tools/exp_blank_shell_stratified_gate.py tools/exp_nonphi_sturmian_fixed_reader_gate.py tools/exp_dipolar_angle_reference.py tools/exp_mobius_irrationality.py tools/exp_number_variance.py tools/exp_semireal_boundary_transfer_gate.py tools/exp_boundary_shuffle_audit.py tools/exp_boundary_residual_beta_absent_audit.py tools/exp_spectral_rigidity.py tools/exp_vc_nonsturmian_label_null_gate.py tools/exp_perturbation_dimensionality_audit.py tools/exp_boundary_growth.py tools/exp_acf_range_universality.py tools/exp_dipolar_crossover.py tools/exp_brody_calibration.py tools/exp_metric_tensor_diagnostic.py tools/exp_blank_shell_tqger_gate.py tools/exp_modular_memory_spectrum.py tools/exp_triadic_deposit_gate.py tools/exp_two_channel_psd.py tools/exp_coherence_robustness.py tools/exp_prime_mobius_pair_stratified_zero_gate.py tools/exp_coherence_length.py tools/exp_spectral_2d.py tools/exp_gap_label_symbolic_grammar_gate.py tools/exp_spectral_landscape.py tools/exp_boundary_two_axis_matrix.py tools/exp_logistic_counter_scope_gate.py tools/exp_quasiperiodic_gap_ratio_denominator.py tools/exp_prime_sr_persistent_boundary.py tools/exp_photonic_boundary_third_included_gate.py tools/exp_physical_sr_residue_bounce.py tools/exp_ricci_desitter_0406.py tools/exp_acf_stationarity.py tools/exp_det_drift.py tools/exp_aubry_v2_generator_scaling_gate.py tools/exp_vc_fit_ready_scale_table.py tools/data/photonic_boundary_third_included_gate_20260515_1734.json tools/data/boundary_denominator_prescan_20260509_1430.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w4096.trace.jsonl tools/data/exp_markov_psd_prediction.json tools/data/boundary_denominator_prescan_20260509_1409.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w16384.trace.jsonl tools/data/exp_det_drift_20260507_2042.json tools/data/boundary_short_denominator_extension_20260509_1556.json tools/data/prime_sr_persistent_boundary_20260512_0330.json tools/data/semireal_boundary_transfer_gate_20260509_1516.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w8192_dense.json tools/data/exp_two_channel_universality.json tools/data/boundary_denominator_prescan_full_20260509_1500.json tools/data/exp_det_drift.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w16384.json tools/data/exp_acf_stationarity.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w8192_dense.trace.jsonl tools/data/two_channel_boundary.json tools/data/exp_conditional_r.json tools/data/physical_sr_residue_bounce_20260514_1640_goe_gue_ncurve.json tools/data/boundary_two_axis_matrix_20260509_1532.json tools/data/markov_memory_by_gue_type.json tools/data/prime_vs_mod6_sr_boundary_20260513_0330.json tools/data/prime_vs_mod6_sr_boundary_20260514_0330.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096_dense.trace.jsonl tools/data/boundary_blank_null_audit_20260509_1430.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w8192.trace.jsonl tools/data/boundary_graph_curvature_gate_20260515_1855.json tools/data/exp_two_channel_psd.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096.json tools/data/exp_beta_crossover.json tools/data/boundary_row_aligned_nonexact_audit_20260509_1538.json tools/data/exp_spectral_2d.json tools/data/vc_unit_boundary_audit_20260509_1457.json tools/data/prime_vs_mod6_sr_boundary_20260513_0330_seedcheck.json tools/data/exp_coherence_length.json tools/data/boundary_transition_taxonomy_13rows_20260509_1839.json tools/data/aubry_cosine_boundary_counter_gate_20260515_1758.json tools/data/boundary_coherence.json tools/data/boundary_mixture_gate_20260507_0330.json tools/data/prime_vs_mod6_sr_boundary_20260514_0330_seedcheck.trace.jsonl tools/data/aubry_boundary_phase_transport_gate_20260515_1745.json tools/data/boundary_blank_null_audit_residual_20260509_1500.json tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w2048.json tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w1024.json tools/data/prime_sr_persistent_boundary_20260512_0330_seedcheck.json tools/data/3d_boundary_layers.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096_dense.json tools/data/piano11b_gue_test.json tools/data/exp_acf_range_universality.json tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096.trace.jsonl tools/data/exp_poisson_convergence.json tools/data/boundary_shuffle_audit.json tools/data/physical_sr_residue_bounce_20260514_1640_goe_gue_ncurve.trace.jsonl tools/data/exp_psd_amp_scaling.json tools/data/exp_two_channel_decomposition.json tools/data/exp_acf_z6z_mechanism.json tools/data/prime_vs_mod6_sr_boundary_20260514_0330_seedcheck.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w8192.json tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w4096.json tools/data/boundary_blank_thin_support_audit_20260509_1548.json tools/data/exp_spectral_landscape.json tools/data/boundary_residual_beta_absent_audit_20260510_0330.json tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w512.trace.jsonl tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w2048.trace.jsonl tools/data/prime_vs_mod6_sr_boundary_20260514_0330.trace.jsonl tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w1024.trace.jsonl tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w512.json tools/data/boundary_mixture_gate_20260507_0330_seedcheck.json tools/data/reports/exp_acf_decay_data.json tools/data/reports/exp_number_variance_test.json tools/data/reports/exp_geodesic_deviation_primes.json tools/data/reports/exp_excess_scaling_20260405.json tools/data/reports/exp_ricci_primes.json tools/data/reports/exp_boundary_growth_20260405_0914.json tools/data/reports/exp_crossover_universality.json tools/data/reports/exp_boundary_20260405_0825.json tools/data/reports/exp_brody_crossover_20260405.json tools/data/reports/exp_psd_prime_gaps.json tools/data/reports/exp_dR_brody_connection.json tools/data/reports/exp_desitter_unification.json tools/data/reports/exp_metric_tensor_diag_long.json codex Il run 18:55 ha già trovato nodi ponte nel grafo, ma il falsifier ha segnalato che manca il confronto con modelli classici. Proietto quindi un esperimento row-aligned: per le stesse 13 righe stimo coordinate di crossover note (Brody e un surrogato Berry-Robnik/RP tramite mixture fit) e verifico cosa resta specifico del Lab nei nodi ponte. exec /bin/bash -lc "sed -n '1,260p' tools/exp_boundary_graph_curvature_gate.py" in /opt/MM_D-ND succeeded in 0ms: #!/usr/bin/env python3 """ Graph-curvature gate for the 8 GUE / 5 Poisson BOUNDARY perimeter. The unit is the row-aligned domain/window from the base BOUNDARY perimeter. Labels are kept as audit metadata; the geometry is built from observables: canonical registry values, explicit spectral rigidity, and shuffle z values. """ from __future__ import annotations import argparse import json import math from pathlib import Path from typing import Any import numpy as np from exp_semireal_boundary_transfer_gate import row_spacings from observables_registry import ( OBSERVABLES_CANONICAL, OBSERVABLES_REGISTRY_VERSION, SR_local_rigidity, ) OBS_NAMES = list(OBSERVABLES_CANONICAL.keys()) FEATURE_NAMES = OBS_NAMES + ["SR_local_rigidity"] + [f"z_{name}" for name in OBS_NAMES] def load_scope(path: Path) -> list[dict[str, Any]]: with path.open() as f: data = json.load(f) rows = data.get("rows", []) if not isinstance(rows, list): raise ValueError(f"{path} does not contain rows") return rows def finite(value: Any) -> bool: return isinstance(value, (int, float)) and math.isfinite(float(value)) def compute_observables(gaps: np.ndarray) -> dict[str, float]: values = {name: float(fn(gaps)) for name, fn in OBSERVABLES_CANONICAL.items()} values["SR_local_rigidity"] = float(SR_local_rigidity(gaps)) return values def shuffle_z( gaps: np.ndarray, original: dict[str, float], n_shuffle: int, rng: np.random.Generator, ) -> dict[str, float]: samples = {name: [] for name in OBS_NAMES} for _ in range(n_shuffle): shuffled = rng.permutation(gaps) obs = compute_observables(shuffled) for name in OBS_NAMES: samples[name].append(obs[name]) z = {} for name in OBS_NAMES: arr = np.asarray(samples[name], dtype=float) sd = float(np.std(arr, ddof=1)) if len(arr) > 1 else 0.0 mean = float(np.mean(arr)) if len(arr) else 0.0 z[name] = float((original[name] - mean) / sd) if sd > 1e-15 else 0.0 return z def standardized_matrix(rows: list[dict[str, Any]]) -> np.ndarray: matrix = [] for row in rows: obs = row["observables"] z = row["shuffle_z"] matrix.append([obs[name] for name in OBS_NAMES] + [obs["SR_local_rigidity"]] + [z[name] for name in OBS_NAMES]) x = np.asarray(matrix, dtype=float) center = np.mean(x, axis=0) scale = np.std(x, axis=0, ddof=1) scale[scale <= 1e-15] = 1.0 return (x - center) / scale def build_knn_edges(x: np.ndarray, k: int) -> list[tuple[int, int, float]]: n = len(x) distances = np.linalg.norm(x[:, None, :] - x[None, :, :], axis=2) edges: set[tuple[int, int]] = set() for i in range(n): nearest = np.argsort(distances[i])[1 : k + 1] for j in nearest: edges.add((min(i, int(j)), max(i, int(j)))) return [(i, j, float(distances[i, j])) for i, j in sorted(edges)] def classify_geometry(rows: list[dict[str, Any]], x: np.ndarray, k: int) -> dict[str, Any]: labels = [row["source_domain_type"] for row in rows] gue_idx = [i for i, label in enumerate(labels) if label == "GUE"] poi_idx = [i for i, label in enumerate(labels) if label == "Poisson"] if not gue_idx or not poi_idx: raise ValueError("scope must include both GUE and Poisson rows") c_gue = np.mean(x[gue_idx], axis=0) c_poi = np.mean(x[poi_idx], axis=0) edges = build_knn_edges(x, k) degree = {i: 0 for i in range(len(rows))} for i, j, _ in edges: degree[i] += 1 degree[j] += 1 row_out = [] third_rows = [] for i, row in enumerate(rows): d_gue = float(np.linalg.norm(x[i] - c_gue)) d_poi = float(np.linalg.norm(x[i] - c_poi)) denom = d_gue + d_poi centroid_coord = float((d_gue - d_poi) / denom) if denom > 1e-15 else 0.0 centroid_margin = float(abs(d_gue - d_poi) / denom) if denom > 1e-15 else 0.0 incident = [(a, b, dist) for a, b, dist in edges if a == i or b == i] cross = 0 cross_curvatures = [] same_curvatures = [] for a, b, _ in incident: other = b if a == i else a curvature = 4 - degree[a] - degree[b] if labels[other] != labels[i]: cross += 1 cross_curvatures.append(curvature) else: same_curvatures.append(curvature) cross_fraction = float(cross / len(incident)) if incident else 0.0 state = "class_interior" if cross_fraction > 0 and centroid_margin < 0.25: state = "third_included_candidate" third_rows.append(row["domain_window"]) elif cross_fraction > 0: state = "cut_edge" row_out.append( { "domain_window": row["domain_window"], "domain": row["domain"], "source_domain_type": row["source_domain_type"], "degree": degree[i], "centroid_coord": round(centroid_coord, 6), "centroid_margin": round(centroid_margin, 6), "cross_neighbor_fraction": round(cross_fraction, 6), "cross_edge_curvature_mean": round(float(np.mean(cross_curvatures)), 6) if cross_curvatures else None, "same_edge_curvature_mean": round(float(np.mean(same_curvatures)), 6) if same_curvatures else None, "boundary_state": state, } ) cross_edges = [ { "a": rows[i]["domain_window"], "b": rows[j]["domain_window"], "distance": round(dist, 6), "forman_unweighted": 4 - degree[i] - degree[j], } for i, j, dist in edges if labels[i] != labels[j] ] same_edges = [ {"distance": dist, "forman_unweighted": 4 - degree[i] - degree[j]} for i, j, dist in edges if labels[i] == labels[j] ] return { "feature_names": FEATURE_NAMES, "k": k, "label_counts": { "GUE": len(gue_idx), "Poisson": len(poi_idx), }, "edge_counts": { "total": len(edges), "cross_label": len(cross_edges), "same_label": len(same_edges), }, "curvature": { "cross_edge_mean": round(float(np.mean([e["forman_unweighted"] for e in cross_edges])), 6) if cross_edges else None, "same_edge_mean": round(float(np.mean([e["forman_unweighted"] for e in same_edges])), 6) if same_edges else None, }, "third_included_candidates": third_rows, "rows": row_out, "cross_edges": cross_edges, } def run(args: argparse.Namespace) -> dict[str, Any]: rng = np.random.default_rng(args.seed) scope = load_scope(Path(args.scope)) selected = [row for row in scope if row.get("source_domain_type") in {"GUE", "Poisson"}] selected = sorted(selected, key=lambda row: int(row["cycle"])) rows = [] errors = [] for source in selected: try: gaps = row_spacings(source["domain"]) if len(gaps) < args.min_gaps: errors.append( { "domain_window": source["domain_window"], "error": f"insufficient gaps {len(gaps)} < {args.min_gaps}", } ) continue gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps obs = compute_observables(gaps) z = shuffle_z(gaps, obs, args.n_shuffle, rng) rows.append( { "domain_window": source["domain_window"], "domain": source["domain"], "cycle": source["cycle"], "source_domain_type": source["source_domain_type"], "n_gaps": int(len(gaps)), "observables": {key: round(value, 9) for key, value in obs.items()}, "shuffle_z": {key: round(value, 6) for key, value in z.items()}, } ) except Exception as exc: # noqa: BLE001 - row-level telemetry is part of the result. errors.append( { "domain_window": source.get("domain_window"), "error": type(exc).__name__, "message": str(exc), } ) x = standardized_matrix(rows) geometry = classify_geometry(rows, x, args.k) output = { "experiment": "boundary_graph_curvature_gate", "question": "Does the 8 GUE / 5 Poisson perimeter expose a graph boundary row instead of a clean two-class split?", "observables_registry": OBSERVABLES_REGISTRY_VERSION, "observables_used": FEATURE_NAMES, "params": vars(args), "source_scope": args.scope, "observable_contract": { "claim": "the boundary is operational when row geometry produces cross-label graph nodes with low centroid margin", "observable": "kNN graph position, cross-neighbor fraction, centroid margin, unweighted Forman edge curvature", "operator": "row-aligned domain/window graph in canonical+rigidity+shuffle-z feature space", "generator": "dnd_autoricerca row_spacings via semireal boundary transfer gate", "denominator": "base BOUNDARY rows with source_domain_type in {GUE, Poisson}", "non_possible": "third-included boundary if all cross-label edges vanish or only high-margin class interiors cross", "not_tested": "V_c, Sturmian denominators, analytic source of each domain label", }, "summary": { "rows_analyzed": len(rows), "errors": len(errors), "third_included_candidate_count": len(geometry["third_included_candidates"]), "third_included_candidates": geometry["third_included_candidates"], "edge_counts": geometry["edge_counts"], "curvature": geometry["curvature"], }, "geometry": geometry, exec /bin/bash -lc "python - <<'PY' import json p='tools/data/boundary_denominator_prescan_full_20260509_1500.json' d=json.load(open(p)) print(type(d)) print(d.keys() if isinstance(d,dict) else len(d)) rows=d.get('rows') if isinstance(d,dict) else d print('rows',len(rows)) print(rows[0].keys()) print(json.dumps(rows[0],indent=2)[:4000]) PY" in /opt/MM_D-ND succeeded in 0ms: dict_keys(['experiment', 'question', 'perimeter', 'observable_contract', 'summary', 'rows']) rows 13 dict_keys(['domain_window', 'domain', 'cycle', 'source_domain_type', 'denominator_state', 'excluded_mass', 'observable', 'null_surrogate', 'transfer']) { "domain_window": "ising_2d:cycle_1", "domain": "ising_2d", "cycle": 1, "source_domain_type": "GUE", "denominator_state": "contaminated", "excluded_mass": 0.81, "observable": { "name": "spacing_r", "defined": true, "value": 0.9022289766970617, "label": "GUE-like", "n_points": 5000 }, "null_surrogate": { "name": "shuffle_r_statistic", "status": "shuffle z=-0.10; class_change=False", "domain_key": "ising_2d", "n_gaps": 95, "r_shuffled_mean": 0.9859, "z_score": -0.1, "class_changes": false }, "transfer": "transfers" } exec /bin/bash -lc "python - <<'PY' import json p='tools/data/boundary_graph_curvature_gate_20260515_1855.json' d=json.load(open(p)) print(d.keys()) for k,v in d.items(): if isinstance(v,list): print(k, len(v), type(v[0]) if v else None) elif isinstance(v,dict): print(k, v.keys()) else: print(k, v) print(json.dumps(d,indent=2)[:5000]) PY" in /opt/MM_D-ND succeeded in 0ms: dict_keys(['experiment', 'question', 'observables_registry', 'observables_used', 'params', 'source_scope', 'observable_contract', 'summary', 'geometry', 'rows', 'errors']) experiment boundary_graph_curvature_gate question Does the 8 GUE / 5 Poisson perimeter expose a graph boundary row instead of a clean two-class split? observables_registry 1.0.0-2026-05-06 observables_used 11 params dict_keys(['scope', 'n_gaps', 'min_gaps', 'n_shuffle', 'k', 'seed', 'out']) source_scope tools/data/boundary_denominator_prescan_full_20260509_1500.json observable_contract dict_keys(['claim', 'observable', 'operator', 'generator', 'denominator', 'non_possible', 'not_tested']) summary dict_keys(['rows_analyzed', 'errors', 'third_included_candidate_count', 'third_included_candidates', 'edge_counts', 'curvature']) geometry dict_keys(['feature_names', 'k', 'label_counts', 'edge_counts', 'curvature', 'third_included_candidates', 'rows', 'cross_edges']) rows 13 errors 0 None { "experiment": "boundary_graph_curvature_gate", "question": "Does the 8 GUE / 5 Poisson perimeter expose a graph boundary row instead of a clean two-class split?", "observables_registry": "1.0.0-2026-05-06", "observables_used": [ "SR", "SR2", "L1", "L2", "triple_var", "SR_local_rigidity", "z_SR", "z_SR2", "z_L1", "z_L2", "z_triple_var" ], "params": { "scope": "tools/data/boundary_denominator_prescan_full_20260509_1500.json", "n_gaps": 2048, "min_gaps": 64, "n_shuffle": 64, "k": 3, "seed": 20260515, "out": "tools/data/boundary_graph_curvature_gate_20260515_1855.json" }, "source_scope": "tools/data/boundary_denominator_prescan_full_20260509_1500.json", "observable_contract": { "claim": "the boundary is operational when row geometry produces cross-label graph nodes with low centroid margin", "observable": "kNN graph position, cross-neighbor fraction, centroid margin, unweighted Forman edge curvature", "operator": "row-aligned domain/window graph in canonical+rigidity+shuffle-z feature space", "generator": "dnd_autoricerca row_spacings via semireal boundary transfer gate", "denominator": "base BOUNDARY rows with source_domain_type in {GUE, Poisson}", "non_possible": "third-included boundary if all cross-label edges vanish or only high-margin class interiors cross", "not_tested": "V_c, Sturmian denominators, analytic source of each domain label" }, "summary": { "rows_analyzed": 13, "errors": 0, "third_included_candidate_count": 4, "third_included_candidates": [ "numeri_primi:cycle_3", "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "edge_counts": { "total": 27, "cross_label": 8, "same_label": 19 }, "curvature": { "cross_edge_mean": -4.625, "same_edge_mean": -4.789474 } }, "geometry": { "feature_names": [ "SR", "SR2", "L1", "L2", "triple_var", "SR_local_rigidity", "z_SR", "z_SR2", "z_L1", "z_L2", "z_triple_var" ], "k": 3, "label_counts": { "GUE": 8, "Poisson": 5 }, "edge_counts": { "total": 27, "cross_label": 8, "same_label": 19 }, "curvature": { "cross_edge_mean": -4.625, "same_edge_mean": -4.789474 }, "third_included_candidates": [ "numeri_primi:cycle_3", "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "rows": [ { "domain_window": "ising_2d:cycle_1", "domain": "ising_2d", "source_domain_type": "GUE", "degree": 5, "centroid_coord": -0.335497, "centroid_margin": 0.335497, "cross_neighbor_fraction": 0.0, "cross_edge_curvature_mean": null, "same_edge_curvature_mean": -5.6, "boundary_state": "class_interior" }, { "domain_window": "pendolo_doppio:cycle_2", "domain": "pendolo_doppio", "source_domain_type": "Poisson", "degree": 3, "centroid_coord": 0.299159, "centroid_margin": 0.299159, "cross_neighbor_fraction": 0.333333, "cross_edge_curvature_mean": -3.0, "same_edge_curvature_mean": -2.5, "boundary_state": "cut_edge" }, { "domain_window": "numeri_primi:cycle_3", "domain": "numeri_primi", "source_domain_type": "GUE", "degree": 4, "centroid_coord": -0.222754, "centroid_margin": 0.222754, "cross_neighbor_fraction": 0.25, "cross_edge_curvature_mean": -4.0, "same_edge_curvature_mean": -5.333333, "boundary_state": "third_included_candidate" }, { "domain_window": "zeta_zeros:cycle_4", "domain": "zeta_zeros", "source_domain_type": "GUE", "degree": 6, "centroid_coord": -0.30764, "centroid_margin": 0.30764, "cross_neighbor_fraction": 0.333333, "cross_edge_curvature_mean": -6.0, "same_edge_curvature_mean": -6.75, "boundary_state": "cut_edge" }, { "domain_window": "logistica_biforcazione:cycle_5", "domain": "logistica_biforcazione", "source_domain_type": "GUE", "degree": 3, "centroid_coord": -0.163262, "centroid_margin": 0.163262, "cross_neighbor_fraction": 0.0, "cross_edge_curvature_mean": null, "same_edge_curvature_mean": -3.333333, "boundary_state": "class_interior" }, { "domain_window": "string_vibration:cycle_6", "domain": "string_vibration", "source_domain_type": "Poisson", "degree": 4, "centroid_coord": 0.550789, "centroid_margin": 0.550789, "cross_neighbor_fraction": 0.5, "cross_edge_curvature_mean": -5.0, codex Creo uno script dedicato, non un report manuale sopra il dato vecchio: riusa le 13 righe e le feature del gate 18:55, ma aggiunge una coordinata classica per ogni riga. Il claim sarà falsificato se i nodi ponte del Lab coincidono interamente con un normale parametro Brody/Berry-Robnik, senza residuo geometrico. apply patch patch: completed /opt/MM_D-ND/tools/exp_boundary_classical_crossover_audit.py diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() codex Lo script è in posto. Ora lo compilo ed eseguo; se il risultato è ambiguo lo tratterò come vincolo, non come conferma del claim precedente. exec /bin/bash -lc 'python -m py_compile tools/exp_boundary_classical_crossover_audit.py' in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc 'python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json' in /opt/MM_D-ND diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() codex Il run sta ancora calcolando le righe da `row_spacings`; non sta producendo output incrementale, quindi attendo la chiusura invece di interromperlo. Se rimane troppo lento, riduco il perimetro solo dopo aver visto dove si blocca. diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() succeeded in 57447ms: { "audit_counts": { "classic_and_graph_bridge": 1, "classic_only_intermediate": 4, "endpoint_like": 5, "graph_only_bridge": 3 }, "classic_and_graph_bridge": [ "numeri_primi:cycle_3" ], "classic_only_intermediate": [ "zeta_zeros:cycle_4", "random_matrix:cycle_7", "cellular_automata:cycle_8", "brownian_motion:cycle_12" ], "graph_only_bridge": [ "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "graph_third_included": [ "numeri_primi:cycle_3", "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "lab_residue_present": true, "rows_analyzed": 13 } exec /bin/bash -lc "git diff -- tools/exp_boundary_classical_crossover_audit.py | sed -n '1,260p'" in /opt/MM_D-ND succeeded in 0ms: exec /bin/bash -lc "python - <<'PY' import json p='tools/data/boundary_classical_crossover_audit_20260515_1904.json' d=json.load(open(p)) print(json.dumps(d['summary'], indent=2)) for r in d['rows']: print(r['domain_window'], r['source_domain_type'], r['graph_state'], r['brody_q'], r['berry_robnick_like_gue_weight'], r['mixture_ks'], r['audit_state']) PY" in /opt/MM_D-ND succeeded in 0ms: { "audit_counts": { "classic_and_graph_bridge": 1, "classic_only_intermediate": 4, "endpoint_like": 5, "graph_only_bridge": 3 }, "classic_and_graph_bridge": [ "numeri_primi:cycle_3" ], "classic_only_intermediate": [ "zeta_zeros:cycle_4", "random_matrix:cycle_7", "cellular_automata:cycle_8", "brownian_motion:cycle_12" ], "graph_only_bridge": [ "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "graph_third_included": [ "numeri_primi:cycle_3", "percolation:cycle_9", "reaction_diffusion:cycle_11", "logistica_biforcazione_var_3.5699:cycle_13" ], "lab_residue_present": true, "rows_analyzed": 13 } ising_2d:cycle_1 GUE class_interior 0.09 0.07 0.428636 endpoint_like pendolo_doppio:cycle_2 Poisson cut_edge 0.0 0.0 0.268279 endpoint_like numeri_primi:cycle_3 GUE third_included_candidate 0.465 0.275 0.148459 classic_and_graph_bridge zeta_zeros:cycle_4 GUE cut_edge 1.0 0.53 0.133555 classic_only_intermediate logistica_biforcazione:cycle_5 GUE class_interior 0.0 0.0 0.998064 endpoint_like string_vibration:cycle_6 Poisson cut_edge 0.0 0.0 0.060129 endpoint_like random_matrix:cycle_7 GUE cut_edge 0.975 0.475 0.119491 classic_only_intermediate cellular_automata:cycle_8 GUE class_interior 1.0 0.435 0.416708 classic_only_intermediate percolation:cycle_9 Poisson third_included_candidate 0.025 0.025 0.054635 graph_only_bridge coupled_oscillators:cycle_10 Poisson class_interior 0.0 0.0 0.079806 endpoint_like reaction_diffusion:cycle_11 GUE third_included_candidate 0.0 0.0 0.174423 graph_only_bridge brownian_motion:cycle_12 Poisson cut_edge 0.205 0.25 0.026002 classic_only_intermediate logistica_biforcazione_var_3.5699:cycle_13 GUE third_included_candidate 0.0 0.0 0.969277 graph_only_bridge 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 docs/guides/lab_current_state_logic_2026-05-08.md M tools/LAB_AGENT_CONTEXT.md M tools/build_agent_field.py M tools/build_lab_graph.py M tools/data/agent_field_live.md M tools/data/b2_apply_log.jsonl M tools/data/ciclo_memoria.json M tools/data/consecutio.json M tools/data/consecutio_processata.json M tools/data/domandatore_pre_cycle.json M tools/data/domande_fondamentali.json M tools/data/g1_log.jsonl M tools/data/g2_log.jsonl M tools/data/graph_completion/latest.json M tools/data/incrocio_risultato.json M tools/data/knowledge_state.json M tools/data/lab_bridge_issues.jsonl 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/repairs/repair_run_log.jsonl M tools/data/reports/latest.md 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_backup_pre_run.json M tools/data/tm1_figures/tensions.json M tools/data/tm1_figures/tensions_raw.json M tools/data/valutatore_log.jsonl M tools/evolution_report.md M tools/graph_completion_compiler.py M tools/lab_agent.sh M tools/lab_falsifier.py ?? applications/scoperte/20260513_0330_prime-vs-mod6-sr-boundary_auto/ ?? applications/scoperte/20260514_1330_sr-residual-width-audit_auto/ ?? applications/scoperte/20260514_1631_chiusura-tester-rimbalzo-fisico-w6_auto/ ?? applications/scoperte/20260514_1640_rafforzamento-tester-fisico-goegue-n-curve_auto/ ?? applications/scoperte/20260515_1712_primemod6-generative-null-w2048_auto/ ?? applications/scoperte/20260515_1816_v2-generator-scaling-gate_auto/ ?? applications/soluzioni/20260513_0330_prime-vs-mod6-sr-boundary/ ?? applications/soluzioni/20260514_1330_sr-residual-width-audit/ ?? applications/soluzioni/20260514_1631_chiusura-tester-rimbalzo-fisico-w6/ ?? applications/soluzioni/20260514_1640_rafforzamento-tester-fisico-goegue-n-curve/ ?? applications/soluzioni/20260515_1712_primemod6-generative-null-w2048/ ?? applications/soluzioni/20260515_1816_v2-generator-scaling-gate/ ?? docs/guides/lab_preflight_agent_2026-05-14.md ?? docs/operations/ ?? tools/build_safe_agent_field_preview.py ?? tools/compose_filtered_field_preview.py ?? tools/compose_supervised_entry_preview.py ?? tools/data/aeternitas/aeternitas_20260512_033539.json ?? tools/data/aeternitas/aeternitas_20260513_033605.json ?? tools/data/aeternitas/aeternitas_20260514_033420.json ?? tools/data/aeternitas/aeternitas_20260514_133424.json ?? tools/data/aeternitas/aeternitas_20260514_150454.json ?? tools/data/aeternitas/aeternitas_20260514_161058.json ?? tools/data/aeternitas/aeternitas_20260514_161719.json ?? tools/data/aeternitas/aeternitas_20260514_163527.json ?? tools/data/aeternitas/aeternitas_20260514_164509.json ?? tools/data/aeternitas/aeternitas_20260514_165437.json ?? tools/data/aeternitas/aeternitas_20260514_170109.json ?? tools/data/aeternitas/aeternitas_20260514_171152.json ?? tools/data/aeternitas/aeternitas_20260514_185450.json ?? tools/data/aeternitas/aeternitas_20260515_162727.json ?? tools/data/aeternitas/aeternitas_20260515_165116.json ?? tools/data/aeternitas/aeternitas_20260515_170328.json ?? tools/data/aeternitas/aeternitas_20260515_171005.json ?? tools/data/aeternitas/aeternitas_20260515_171725.json ?? tools/data/aeternitas/aeternitas_20260515_172913.json ?? tools/data/aeternitas/aeternitas_20260515_174023.json ?? tools/data/aeternitas/aeternitas_20260515_175045.json ?? tools/data/aeternitas/aeternitas_20260515_180306.json ?? tools/data/aeternitas/aeternitas_20260515_181257.json ?? tools/data/aeternitas/aeternitas_20260515_182126.json ?? tools/data/aeternitas/aeternitas_20260515_183111.json ?? tools/data/aeternitas/aeternitas_20260515_190118.json ?? tools/data/agent_field_entry_supervised.md ?? tools/data/anderson3d_component_state_interface_input_20260514_1850.json ?? tools/data/aubry_binary_grammar_surrogate_gate_20260515_1807.json ?? tools/data/aubry_boundary_phase_transport_gate_20260515_1745.json ?? tools/data/aubry_cosine_boundary_counter_gate_20260515_1758.json ?? tools/data/aubry_v2_generator_scaling_gate_20260515_1816.json ?? tools/data/biconi/bicono_20260512_0330.json ?? tools/data/biconi/bicono_20260513_0330.json ?? tools/data/biconi/bicono_20260514_0330.json ?? tools/data/biconi/bicono_20260514_1330.json ?? tools/data/biconi/bicono_20260514_1458.json ?? tools/data/biconi/bicono_20260514_1605.json ?? tools/data/biconi/bicono_20260514_1612.json ?? tools/data/biconi/bicono_20260514_1631.json ?? tools/data/biconi/bicono_20260514_1640.json ?? tools/data/biconi/bicono_20260514_1649.json ?? tools/data/biconi/bicono_20260514_1656.json ?? tools/data/biconi/bicono_20260514_1701.json ?? tools/data/biconi/bicono_20260514_1850.json ?? tools/data/biconi/bicono_20260515_1623.json ?? tools/data/biconi/bicono_20260515_1647.json ?? tools/data/biconi/bicono_20260515_1659.json ?? tools/data/biconi/bicono_20260515_1705.json ?? tools/data/biconi/bicono_20260515_1712.json ?? tools/data/biconi/bicono_20260515_1724.json ?? tools/data/biconi/bicono_20260515_1734.json ?? tools/data/biconi/bicono_20260515_1745.json ?? tools/data/biconi/bicono_20260515_1758.json ?? tools/data/biconi/bicono_20260515_1807.json ?? tools/data/biconi/bicono_20260515_1816.json ?? tools/data/biconi/bicono_20260515_1826.json ?? tools/data/biconi/bicono_20260515_1855.json ?? tools/data/boundary_classical_crossover_audit_20260515_1904.json ?? tools/data/boundary_graph_curvature_gate_20260515_1855.json ?? tools/data/component_state_anderson3d_interface_20260514_1850.json ?? tools/data/component_state_anderson3d_interface_20260514_1850.trace.jsonl ?? tools/data/component_state_fit_ready_20260514_1649.json ?? tools/data/component_state_interface_smoke_20260514_1649.json ?? tools/data/component_state_interface_smoke_20260514_1649.trace.jsonl ?? tools/data/component_state_interface_smoke_input_20260514_1649.json ?? tools/data/domandatore/domandatore_20260512_0330.json ?? tools/data/domandatore/domandatore_20260512_0345.json ?? tools/data/domandatore/domandatore_20260513_0330.json ?? tools/data/domandatore/domandatore_20260513_0345.json ?? tools/data/domandatore/domandatore_20260514_0330.json ?? tools/data/domandatore/domandatore_20260514_0345.json ?? tools/data/domandatore/domandatore_20260514_1330.json ?? tools/data/domandatore/domandatore_20260514_1458.json ?? tools/data/domandatore/domandatore_20260515_0345.json ?? tools/data/domandatore/domandatore_20260515_1623.json ?? tools/data/domandatore/domandatore_20260515_1647.json ?? tools/data/domandatore/domandatore_20260515_1659.json ?? tools/data/evolution/evolution_20260512_0330.md ?? tools/data/evolution/evolution_20260513_0330.md ?? tools/data/evolution/evolution_20260514_0330.md ?? tools/data/evolution/evolution_20260514_1330.md ?? tools/data/evolution/evolution_20260514_1458.md ?? tools/data/evolution/evolution_20260514_1605.md ?? tools/data/evolution/evolution_20260514_1612.md ?? tools/data/evolution/evolution_20260514_1631.md ?? tools/data/evolution/evolution_20260514_1640.md ?? tools/data/evolution/evolution_20260514_1649.md ?? tools/data/evolution/evolution_20260514_1656.md ?? tools/data/evolution/evolution_20260514_1701.md ?? tools/data/evolution/evolution_20260514_1850.md ?? tools/data/evolution/evolution_20260515_1623.md ?? tools/data/evolution/evolution_20260515_1647.md ?? tools/data/evolution/evolution_20260515_1659.md ?? tools/data/evolution/evolution_20260515_1705.md ?? tools/data/evolution/evolution_20260515_1712.md ?? tools/data/evolution/evolution_20260515_1724.md ?? tools/data/evolution/evolution_20260515_1734.md ?? tools/data/evolution/evolution_20260515_1745.md ?? tools/data/evolution/evolution_20260515_1758.md ?? tools/data/evolution/evolution_20260515_1807.md ?? tools/data/evolution/evolution_20260515_1816.md ?? tools/data/evolution/evolution_20260515_1826.md ?? tools/data/evolution/evolution_20260515_1855.md ?? tools/data/graph_completion/graph_completion_20260512_0330.json ?? tools/data/graph_completion/graph_completion_20260513_0330.json ?? tools/data/graph_completion/graph_completion_20260514_0330.json ?? tools/data/graph_completion/graph_completion_20260514_1330.json ?? tools/data/graph_completion/graph_completion_20260514_1458.json ?? tools/data/graph_completion/graph_completion_20260514_1605.json ?? tools/data/graph_completion/graph_completion_20260514_1612.json ?? tools/data/graph_completion/graph_completion_20260514_1631.json ?? tools/data/graph_completion/graph_completion_20260514_1640.json ?? tools/data/graph_completion/graph_completion_20260514_1649.json ?? tools/data/graph_completion/graph_completion_20260514_1656.json ?? tools/data/graph_completion/graph_completion_20260514_1701.json ?? tools/data/graph_completion/graph_completion_20260514_1850.json ?? tools/data/graph_completion/graph_completion_20260515_1623.json ?? tools/data/graph_completion/graph_completion_20260515_1647.json ?? tools/data/graph_completion/graph_completion_20260515_1659.json ?? tools/data/graph_completion/graph_completion_20260515_1705.json ?? tools/data/graph_completion/graph_completion_20260515_1712.json ?? tools/data/graph_completion/graph_completion_20260515_1724.json ?? tools/data/graph_completion/graph_completion_20260515_1734.json ?? tools/data/graph_completion/graph_completion_20260515_1745.json ?? tools/data/graph_completion/graph_completion_20260515_1758.json ?? tools/data/graph_completion/graph_completion_20260515_1807.json ?? tools/data/graph_completion/graph_completion_20260515_1816.json ?? tools/data/incrocio_20260512_0330.json ?? tools/data/incrocio_20260513_0330.json ?? tools/data/incrocio_20260514_0330.json ?? tools/data/incrocio_20260514_1330.json ?? tools/data/incrocio_20260514_1458.json ?? tools/data/incrocio_20260514_1605.json ?? tools/data/incrocio_20260514_1612.json ?? tools/data/incrocio_20260514_1631.json ?? tools/data/incrocio_20260514_1640.json ?? tools/data/incrocio_20260514_1649.json ?? tools/data/incrocio_20260514_1656.json ?? tools/data/incrocio_20260514_1701.json ?? tools/data/incrocio_20260514_1850.json ?? tools/data/incrocio_20260515_1623.json ?? tools/data/incrocio_20260515_1647.json ?? tools/data/incrocio_20260515_1659.json ?? tools/data/incrocio_20260515_1705.json ?? tools/data/incrocio_20260515_1712.json ?? tools/data/incrocio_20260515_1724.json ?? tools/data/incrocio_20260515_1734.json ?? tools/data/incrocio_20260515_1745.json ?? tools/data/incrocio_20260515_1758.json ?? tools/data/incrocio_20260515_1807.json ?? tools/data/incrocio_20260515_1816.json ?? tools/data/incrocio_20260515_1826.json ?? tools/data/incrocio_20260515_1855.json ?? tools/data/incrocio_20260515_1904.json ?? tools/data/operator_directives_consumed/operator_directive_20260514_1612.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1631.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1640.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1649.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1656.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1701.md ?? tools/data/operator_directives_consumed/operator_directive_20260514_1850.md ?? tools/data/photonic_boundary_third_included_gate_20260515_1734.json ?? tools/data/physical_sr_residue_bounce_20260514_1612.json ?? tools/data/physical_sr_residue_bounce_20260514_1612.trace.jsonl ?? tools/data/physical_sr_residue_bounce_20260514_1631_w6.json ?? tools/data/physical_sr_residue_bounce_20260514_1631_w6.trace.jsonl ?? tools/data/physical_sr_residue_bounce_20260514_1640_goe_gue_ncurve.json ?? tools/data/physical_sr_residue_bounce_20260514_1640_goe_gue_ncurve.trace.jsonl ?? tools/data/preflight/ ?? tools/data/prime_sr_persistent_boundary_20260512_0330.json ?? tools/data/prime_sr_persistent_boundary_20260512_0330_seedcheck.json ?? tools/data/prime_vs_mod6_sr_boundary_20260513_0330.json ?? tools/data/prime_vs_mod6_sr_boundary_20260513_0330_seedcheck.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_0330.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_0330.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_0330_seedcheck.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_0330_seedcheck.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w1024.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w1024.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w2048.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w2048.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w512.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1330_w512.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096_dense.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w4096_dense.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w8192_dense.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1458_w8192_dense.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w16384.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w16384.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w4096.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w4096.trace.jsonl ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w8192.json ?? tools/data/prime_vs_mod6_sr_boundary_20260514_1605_w8192.trace.jsonl ?? tools/data/promotions/promotion_20260513_0330.json ?? tools/data/promotions/promotion_20260514_1330.json ?? tools/data/promotions/promotion_20260514_1631.json ?? tools/data/promotions/promotion_20260514_1640.json ?? tools/data/promotions/promotion_20260514_1656.json ?? tools/data/promotions/promotion_20260515_1712.json ?? tools/data/promotions/promotion_20260515_1758.json ?? tools/data/promotions/promotion_20260515_1816.json ?? tools/data/quasiperiodic_grammar_scale_gate_20260514_1701.json ?? tools/data/quasiperiodic_vc_lattice_gate_20260515_1724.json ?? tools/data/repairs/repair_20260512_0330_decision.json ?? tools/data/repairs/repair_20260513_0330_decision.json ?? tools/data/repairs/repair_20260514_0330_decision.json ?? tools/data/repairs/repair_20260514_1330_decision.json ?? tools/data/repairs/repair_20260514_1458_decision.json ?? tools/data/repairs/repair_20260514_1605_decision.json ?? tools/data/repairs/repair_20260514_1612_decision.json ?? tools/data/repairs/repair_20260514_1631_decision.json ?? tools/data/repairs/repair_20260514_1640_decision.json ?? tools/data/repairs/repair_20260514_1649_decision.json ?? tools/data/repairs/repair_20260514_1656.json ?? tools/data/repairs/repair_20260514_1656.md ?? tools/data/repairs/repair_20260514_1656_decision.json ?? tools/data/repairs/repair_20260514_1850_decision.json ?? tools/data/reports/agent_20260512_0330.md ?? tools/data/reports/agent_20260513_0330.md ?? tools/data/reports/agent_20260514_0330.md ?? tools/data/reports/agent_20260514_1330.md ?? tools/data/reports/agent_20260514_1458.md ?? tools/data/reports/agent_20260514_1605.md ?? tools/data/reports/agent_20260514_1612.md ?? tools/data/reports/agent_20260514_1631.md ?? tools/data/reports/agent_20260514_1640.md ?? tools/data/reports/agent_20260514_1649.md ?? tools/data/reports/agent_20260514_1656.md ?? tools/data/reports/agent_20260514_1701.md ?? tools/data/reports/agent_20260514_1850.md ?? tools/data/reports/agent_20260515_1623.md ?? tools/data/reports/agent_20260515_1647.md ?? tools/data/reports/agent_20260515_1659.md ?? tools/data/reports/agent_20260515_1705.md ?? tools/data/reports/agent_20260515_1712.md ?? tools/data/reports/agent_20260515_1724.md ?? tools/data/reports/agent_20260515_1734.md ?? tools/data/reports/agent_20260515_1745.md ?? tools/data/reports/agent_20260515_1758.md ?? tools/data/reports/agent_20260515_1807.md ?? tools/data/reports/agent_20260515_1816.md ?? tools/data/reports/agent_20260515_1826.md ?? tools/data/reports/agent_20260515_1855.md ?? tools/data/reports/ddf_20260512_0405.json ?? tools/data/reports/ddf_20260513_0405.json ?? tools/data/reports/ddf_20260514_0405.json ?? tools/data/reports/ddf_20260515_0405.json ?? tools/data/reports/falsifier_20260512_0330.json ?? tools/data/reports/falsifier_20260513_0330.json ?? tools/data/reports/falsifier_20260514_0330.json ?? tools/data/reports/falsifier_20260514_1330.json ?? tools/data/reports/falsifier_20260514_1458.json ?? tools/data/reports/falsifier_20260514_1605.json ?? tools/data/reports/falsifier_20260514_1612.json ?? tools/data/reports/falsifier_20260514_1631.json ?? tools/data/reports/falsifier_20260514_1640.json ?? tools/data/reports/falsifier_20260514_1649.json ?? tools/data/reports/falsifier_20260514_1656.json ?? tools/data/reports/falsifier_20260514_1701.json ?? tools/data/reports/falsifier_20260514_1850.json ?? tools/data/reports/falsifier_20260515_1623.json ?? tools/data/reports/falsifier_20260515_1647.json ?? tools/data/reports/falsifier_20260515_1659.json ?? tools/data/reports/falsifier_20260515_1705.json ?? tools/data/reports/falsifier_20260515_1712.json ?? tools/data/reports/falsifier_20260515_1712.raw.txt ?? tools/data/reports/falsifier_20260515_1724.json ?? tools/data/reports/falsifier_20260515_1734.json ?? tools/data/reports/falsifier_20260515_1745.json ?? tools/data/reports/falsifier_20260515_1758.json ?? tools/data/reports/falsifier_20260515_1807.json ?? tools/data/reports/falsifier_20260515_1816.json ?? tools/data/reports/falsifier_20260515_1826.json ?? tools/data/reports/falsifier_20260515_1855.json ?? tools/data/reports/loop_guard_20260512_0330.json ?? tools/data/reports/loop_guard_20260513_0330.json ?? tools/data/reports/loop_guard_20260514_0330.json ?? tools/data/reports/loop_guard_20260514_1330.json ?? tools/data/reports/loop_guard_20260514_1458.json ?? tools/data/reports/loop_guard_20260514_1605.json ?? tools/data/reports/loop_guard_20260514_1612.json ?? tools/data/reports/loop_guard_20260514_1631.json ?? tools/data/reports/loop_guard_20260514_1640.json ?? tools/data/reports/loop_guard_20260514_1649.json ?? tools/data/reports/loop_guard_20260514_1656.json ?? tools/data/reports/loop_guard_20260514_1701.json ?? tools/data/reports/loop_guard_20260514_1850.json ?? tools/data/reports/loop_guard_20260515_1623.json ?? tools/data/reports/loop_guard_20260515_1647.json ?? tools/data/reports/loop_guard_20260515_1659.json ?? tools/data/reports/loop_guard_20260515_1705.json ?? tools/data/reports/loop_guard_20260515_1712.json ?? tools/data/reports/loop_guard_20260515_1724.json ?? tools/data/reports/loop_guard_20260515_1734.json ?? tools/data/reports/loop_guard_20260515_1745.json ?? tools/data/reports/loop_guard_20260515_1758.json ?? tools/data/reports/loop_guard_20260515_1807.json ?? tools/data/reports/loop_guard_20260515_1816.json ?? tools/data/reports/loop_guard_20260515_1826.json ?? tools/data/reports/loop_guard_20260515_1855.json ?? tools/data/reports/quarantine_manifest.json ?? tools/data/restore_backups/ ?? tools/data/seme_backup_b2_20260512_033557.json ?? tools/data/seme_backup_b2_20260513_033622.json ?? tools/data/seme_backup_b2_20260514_150530.json ?? tools/data/seme_backup_b2_20260514_161119.json ?? tools/data/seme_backup_b2_20260515_180327.json ?? tools/data/sturmian_denominator_alignment_gate_20260515_1826.json ?? tools/data/tool_contracts/ ?? tools/data/veritas/veritas_20260512_033539.json ?? tools/data/veritas/veritas_20260513_033605.json ?? tools/data/veritas/veritas_20260514_033420.json ?? tools/data/veritas/veritas_20260514_133424.json ?? tools/data/veritas/veritas_20260514_150454.json ?? tools/data/veritas/veritas_20260514_161058.json ?? tools/data/veritas/veritas_20260514_161719.json ?? tools/data/veritas/veritas_20260514_163527.json ?? tools/data/veritas/veritas_20260514_164509.json ?? tools/data/veritas/veritas_20260514_165437.json ?? tools/data/veritas/veritas_20260514_170109.json ?? tools/data/veritas/veritas_20260514_171152.json ?? tools/data/veritas/veritas_20260514_185450.json ?? tools/data/veritas/veritas_20260515_162727.json ?? tools/data/veritas/veritas_20260515_165116.json ?? tools/data/veritas/veritas_20260515_170328.json ?? tools/data/veritas/veritas_20260515_171005.json ?? tools/data/veritas/veritas_20260515_171725.json ?? tools/data/veritas/veritas_20260515_172913.json ?? tools/data/veritas/veritas_20260515_174023.json ?? tools/data/veritas/veritas_20260515_175045.json ?? tools/data/veritas/veritas_20260515_180306.json ?? tools/data/veritas/veritas_20260515_181257.json ?? tools/data/veritas/veritas_20260515_182126.json ?? tools/data/veritas/veritas_20260515_183111.json ?? tools/data/veritas/veritas_20260515_190118.json ?? tools/exp_aubry_binary_grammar_surrogate_gate.py ?? tools/exp_aubry_boundary_phase_transport_gate.py ?? tools/exp_aubry_cosine_boundary_counter_gate.py ?? tools/exp_aubry_v2_generator_scaling_gate.py ?? tools/exp_boundary_classical_crossover_audit.py ?? tools/exp_boundary_graph_curvature_gate.py ?? tools/exp_photonic_boundary_third_included_gate.py ?? tools/exp_physical_sr_residue_bounce.py ?? tools/exp_prime_sr_persistent_boundary.py ?? tools/exp_prime_vs_mod6_sr_boundary.py ?? tools/exp_quasiperiodic_grammar_scale_gate.py ?? tools/exp_sturmian_denominator_alignment_gate.py ?? tools/field_coherence_preflight.py ?? tools/field_rebuild_risk_map.py ?? tools/lab_preflight_agent.py ?? tools/lab_tool_contract.py ?? tools/prime_mod6_counter_null_audit.py ?? tools/prime_mod6_generative_null_audit.py ?? tools/prime_mod6_null_fairness_audit.py ?? tools/prime_mod6_pipeline_closeout.py ?? tools/selector_authority_matrix.py ?? tools/stale_field_source_map.py diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() exec /bin/bash -lc 'date -u +%Y-%m-%dT%H:%M:%SZ' in /opt/MM_D-ND succeeded in 0ms: 2026-05-15T19:07:39Z diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() codex Il risultato non collassa sul baseline classico: un solo nodo ponte coincide con Brody/Berry-Robnik-like intermediacy, tre restano ponte solo nel grafo, e quattro righe sono intermedie classiche senza essere terzo incluso nel grafo. Scrivo il report come `CONSTRAINT`, perché il confine esiste ma non come scalare classico unico. apply patch patch: completed /opt/MM_D-ND/tools/data/reports/agent_20260515_1904.md diff --git a/tools/data/reports/agent_20260515_1904.md b/tools/data/reports/agent_20260515_1904.md new file mode 100644 index 0000000000000000000000000000000000000000..c50d14e23b4ff49bac4c5ea8b2ae3a60eeeb5a52 --- /dev/null +++ b/tools/data/reports/agent_20260515_1904.md @@ -0,0 +1,120 @@ +# Agent Report - Boundary Classical Crossover Audit +**Date**: 2026-05-15 19:04 +**Piano**: 120 +**Tension explored**: BOUNDARY (0.8) +**verdict**: CONSTRAINT - i nodi ponte del gate 18:55 non collassano su un parametro classico unico; Brody/Berry-Robnik-like spiegano `numeri_primi`, ma lasciano tre bridge graph-only e quattro intermedi classici non-bridge. +observables_registry: none; classical audit coordinates plus prior graph observables +observables_used: [brody_q, berry_robnick_like_gue_weight, mixture_ks, graph_boundary_state_from_1855, centroid_margin_from_1855, cross_neighbor_fraction_from_1855] +**observable_contract**: claim=il bridge Lab conserva residuo dopo confronto con scalari classici di crossover; observable=Brody q row-aligned, peso GUE Berry-Robnik-like, stato ponte del grafo 18:55; operator=classical scalar audit sulle stesse 13 righe BOUNDARY; generator=row_spacings(domain) + boundary_graph_curvature_gate_20260515_1855; denominator=13 righe, 8 GUE e 5 Poisson; non_possible=bridge Lab-specific se ogni graph bridge e' anche intermedio classico e non esiste classic-only intermediate; not_tested=flusso Hamiltoniano Rosenzweig-Porter vero, unfolding fisico alternativo, universalita asintotica. + +## Respiro fuori-tempo +- **Combo**: A9 terzo incluso + QxG continuo/discreto + grafo/crossover spettrale + tensione BOUNDARY "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio prima che venga letta come label, parametro Brody o nodo del grafo. +- **Piano superiore**: grafo della conoscenza con audit assiomatico su baseline note; la domanda non e' "quanto vale q", ma se q esaurisce il ponte. +- **Proto-ipotesi**: il terzo incluso operativo non coincide con un singolo scalare di crossover. Se coincide, il bridge Lab e' re-discovery di Brody/Berry-Robnik; se diverge, il contenuto Lab e' nella relazione tra geometria locale e scalare classico. +- **Possibile/non-possibile**: possibile = usare nodi ponte come righe fisiche candidate oltre la classificazione GUE/Poisson; non-possibile = rivendicare un nuovo crossover se i nodi ponte sono solo Brody/Berry-Robnik rietichettato. +- **Proiezione**: stimo Brody q e peso GUE di una mistura Poisson/GUE-surmise per ciascuna delle 13 righe gia' classificate dal grafo 18:55. + +### Contaminazione cognitiva +- **YSN DeltaLink**: il DeltaLink usato e' `crossover classico / grafo Lab`: la sorpresa cercata e' il disaccordo, non la conferma dei nodi ponte. +- **Cornelius gene**: `Classical_Audit_Gate`: "Un ponte Lab sopravvive solo dopo il lettore classico piu vicino." Operatori: FITTA scalare noto; ALLINEA righe; ISOLA residuo. +- **KSAR step**: perturbazione = feedback falsifier L5; focalizzazione = una sola domanda, "i bridge collassano su Brody/Berry-Robnik?"; proiezione = audit row-aligned sulle 13 righe. +- **PVI attack**: un revisore esterno puo' dire che `third_included_candidate` e' solo un nome Lab per un crossover Brody. Il test attacca esattamente quel presupposto. +- **Vault**: Rosenzweig-Porter vero resta fuori perimetro; va riattivato solo con Hamiltoniane interpolate, non con fit di CDF su righe gia' generate. +- **CE-none:tools/data/agent_field_live.md+tools/LAB_COGNITIVE_CONTAMINATION.md/2026-05-15T19:07Z**: nessuna voce `CE-*` concreta e' presente nel campo letto; usati adapter YSN/Cornelius/KSAR documentati, senza inventare archivio enzimi. + +## Aderenza alla direzione +- `relation`: `follows_direction` +- `why`: il ciclo resta sul perimetro vivo 8 GUE / 5 Poisson e verifica se il confine come terzo incluso e' nuovo rispetto ai crossover classici. +- `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze; il gate 18:55 e' usato come denominatore row-aligned da auditare, non come autorita' conclusiva. + +## Re-discovery audit +- **Baseline noto piu' vicino**: Brody distribution per interpolazione Poisson-Wigner; Berry-Robnik per mistura regolare/caotica. Rosenzweig-Porter e' nominato come famiglia di crossover Hamiltoniano, non fit eseguito in questo ciclo. +- **Cosa viene assorbito dal baseline**: `numeri_primi:cycle_3` e' sia graph bridge sia intermedio classico (`brody_q=0.465`, `w_GUE=0.275`). Su questa riga il Lab non aggiunge fenomeno oltre il fatto che lo stesso campione e' ponte in due lettori. +- **Cosa resta Lab-specific**: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` sono graph-only bridge: il grafo li mette al confine ma Brody/mixture li legge endpoint-like. +- **Cosa limita il claim Lab**: quattro righe sono classic-only intermediate (`zeta_zeros`, `random_matrix`, `cellular_automata`, `brownian_motion`) senza diventare terzo incluso nel grafo. Quindi il parametro classico non basta, ma nemmeno il grafo sostituisce il baseline classico. +- **Risultante audit**: il boundary operativo e' una relazione a due lettori: scalar crossover + posizione nel grafo. Uno dei due da solo perde informazione. + +## Claim Under Test +> Nel perimetro 8/5, il terzo incluso operativo non e' riducibile a Brody q o a una mistura Poisson/GUE-surmise; il residuo vive nel disaccordo row-aligned tra scalare classico e grafo osservabile. + +## Question +I nodi ponte del grafo 18:55 sono re-discovery di un crossover classico, oppure producono una distinzione residua? + +## Ritorno fisico +- **Punto fisico sorgente**: transizione spettrale tra caos quantistico repulsivo e indipendenza/localizzazione Poisson. +- **Attraversamento matematico**: fit Brody e mistura Poisson/GUE-surmise sulle stesse righe gia' lette dal grafo kNN. +- **Punto fisico di ritorno**: negli spettri finiti, una finestra non e' boundary perche' ha q intermedio; e' boundary quando q intermedio e posizione multi-feature del grafo vengono confrontati e il residuo resta nominabile. +- **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, calcolare q Brody, peso mistura e kNN multi-feature; separare bridge coincidenti, graph-only e classic-only. +- **Se fallisce**: se su dati fisici indipendenti graph-only e classic-only spariscono, il gate Lab si riduce a baseline classico e il terzo incluso non trasferisce. + +## Experiment Design +- **Script**: `tools/exp_boundary_classical_crossover_audit.py`. +- **Input graph**: `tools/data/boundary_graph_curvature_gate_20260515_1855.json`. +- **Run**: `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json`. +- **Denominatore**: 13 righe row-aligned dal perimetro BOUNDARY, 8 GUE e 5 Poisson. +- **Fit Brody**: grid likelihood su q in [0,1], spacings normalizzati a media 1. +- **Fit Berry-Robnik-like**: griglia su peso GUE in mistura CDF `w*GUE_surmise + (1-w)*Poisson`, selezionata per KS minimo. +- **Contratto osservabile-operatore**: il ciclo testa concordanza/disaccordo tra scalare classico e graph state; non testa V_c, denominatori Sturmian, unfolding fisico alternativo o Rosenzweig-Porter Hamiltoniano. + +## Results +| audit state | count | +|---|---:| +| classic_and_graph_bridge | 1 | +| graph_only_bridge | 3 | +| classic_only_intermediate | 4 | +| endpoint_like | 5 | + +| row | label | graph_state | Brody q | w_GUE | KS | audit_state | +|---|---|---|---:|---:|---:|---| +| ising_2d:cycle_1 | GUE | class_interior | 0.090 | 0.070 | 0.428636 | endpoint_like | +| pendolo_doppio:cycle_2 | Poisson | cut_edge | 0.000 | 0.000 | 0.268279 | endpoint_like | +| numeri_primi:cycle_3 | GUE | third_included_candidate | 0.465 | 0.275 | 0.148459 | classic_and_graph_bridge | +| zeta_zeros:cycle_4 | GUE | cut_edge | 1.000 | 0.530 | 0.133555 | classic_only_intermediate | +| logistica_biforcazione:cycle_5 | GUE | class_interior | 0.000 | 0.000 | 0.998064 | endpoint_like | +| string_vibration:cycle_6 | Poisson | cut_edge | 0.000 | 0.000 | 0.060129 | endpoint_like | +| random_matrix:cycle_7 | GUE | cut_edge | 0.975 | 0.475 | 0.119491 | classic_only_intermediate | +| cellular_automata:cycle_8 | GUE | class_interior | 1.000 | 0.435 | 0.416708 | classic_only_intermediate | +| percolation:cycle_9 | Poisson | third_included_candidate | 0.025 | 0.025 | 0.054635 | graph_only_bridge | +| coupled_oscillators:cycle_10 | Poisson | class_interior | 0.000 | 0.000 | 0.079806 | endpoint_like | +| reaction_diffusion:cycle_11 | GUE | third_included_candidate | 0.000 | 0.000 | 0.174423 | graph_only_bridge | +| brownian_motion:cycle_12 | Poisson | cut_edge | 0.205 | 0.250 | 0.026002 | classic_only_intermediate | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | third_included_candidate | 0.000 | 0.000 | 0.969277 | graph_only_bridge | + +## Key Findings +1. Verificato: il denominatore resta quello richiesto, 13 righe con 8 GUE e 5 Poisson. +2. Verificato: un solo nodo ponte del grafo e' anche intermedio classico: `numeri_primi:cycle_3`. +3. Verificato: tre nodi ponte sono graph-only: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. +4. Verificato: quattro righe sono classic-only intermediate senza essere terzo incluso nel grafo: `zeta_zeros:cycle_4`, `random_matrix:cycle_7`, `cellular_automata:cycle_8`, `brownian_motion:cycle_12`. +5. Inferito: il terzo incluso non e' uno scalare di crossover. E' una discrepanza controllata fra lettore classico e posizione multi-osservabile. + +## Verdict +CONSTRAINT + +Il boundary trasferisce come audit a due lettori. Brody/Berry-Robnik-like e grafo misurano aspetti diversi dello stesso confine; nessuno dei due chiude il terzo incluso da solo. + +## Bicono della scoperta +- **Due radici**: parametro classico di crossover; nodo ponte del grafo Lab. +- **Singolare**: riga di dominio row-aligned prima della classificazione. +- **Invariante di passaggio**: disaccordo nominabile tra `classic_and_graph`, `graph_only`, `classic_only`, `endpoint_like`. +- **Campo di possibilita**: possibile = costruire un gate fisico che richiede doppia lettura prima di chiamare boundary; non-possibile = promuovere il grafo 18:55 come scoperta autonoma senza baseline classico. + +## Consecutio +Il prossimo ciclo utile non deve aggiungere una terza metrica locale. Deve portare il gate a due lettori su un sistema fisico controllato: Rosenzweig-Porter, Anderson/mobility edge o Aubry-Andre con finestre energetiche. Il risultato da cercare e' se `graph_only` e `classic_only` sopravvivono fuori dal perimetro composito del Lab. + +## Ricadute pratiche +ssp_value: yes. Lo script crea un audit riusabile per separare re-discovery classica, residuo Lab e endpoint-like in ogni perimetro GUE/Poisson row-aligned. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. +- `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`, ma la direzione viva del campo impone il perimetro BOUNDARY 8/5. +- `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` completato. +- `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json` completato. +- Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. +- Nessun update del seme. +- Nessuna promozione e nessun public sync. + +## Files +- Script: `tools/exp_boundary_classical_crossover_audit.py` +- Data: `tools/data/boundary_classical_crossover_audit_20260515_1904.json` +- Report: `tools/data/reports/agent_20260515_1904.md` diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() diff --git a/tools/data/reports/agent_20260515_1904.md b/tools/data/reports/agent_20260515_1904.md new file mode 100644 index 0000000000000000000000000000000000000000..c50d14e23b4ff49bac4c5ea8b2ae3a60eeeb5a52 --- /dev/null +++ b/tools/data/reports/agent_20260515_1904.md @@ -0,0 +1,120 @@ +# Agent Report - Boundary Classical Crossover Audit +**Date**: 2026-05-15 19:04 +**Piano**: 120 +**Tension explored**: BOUNDARY (0.8) +**verdict**: CONSTRAINT - i nodi ponte del gate 18:55 non collassano su un parametro classico unico; Brody/Berry-Robnik-like spiegano `numeri_primi`, ma lasciano tre bridge graph-only e quattro intermedi classici non-bridge. +observables_registry: none; classical audit coordinates plus prior graph observables +observables_used: [brody_q, berry_robnick_like_gue_weight, mixture_ks, graph_boundary_state_from_1855, centroid_margin_from_1855, cross_neighbor_fraction_from_1855] +**observable_contract**: claim=il bridge Lab conserva residuo dopo confronto con scalari classici di crossover; observable=Brody q row-aligned, peso GUE Berry-Robnik-like, stato ponte del grafo 18:55; operator=classical scalar audit sulle stesse 13 righe BOUNDARY; generator=row_spacings(domain) + boundary_graph_curvature_gate_20260515_1855; denominator=13 righe, 8 GUE e 5 Poisson; non_possible=bridge Lab-specific se ogni graph bridge e' anche intermedio classico e non esiste classic-only intermediate; not_tested=flusso Hamiltoniano Rosenzweig-Porter vero, unfolding fisico alternativo, universalita asintotica. + +## Respiro fuori-tempo +- **Combo**: A9 terzo incluso + QxG continuo/discreto + grafo/crossover spettrale + tensione BOUNDARY "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio prima che venga letta come label, parametro Brody o nodo del grafo. +- **Piano superiore**: grafo della conoscenza con audit assiomatico su baseline note; la domanda non e' "quanto vale q", ma se q esaurisce il ponte. +- **Proto-ipotesi**: il terzo incluso operativo non coincide con un singolo scalare di crossover. Se coincide, il bridge Lab e' re-discovery di Brody/Berry-Robnik; se diverge, il contenuto Lab e' nella relazione tra geometria locale e scalare classico. +- **Possibile/non-possibile**: possibile = usare nodi ponte come righe fisiche candidate oltre la classificazione GUE/Poisson; non-possibile = rivendicare un nuovo crossover se i nodi ponte sono solo Brody/Berry-Robnik rietichettato. +- **Proiezione**: stimo Brody q e peso GUE di una mistura Poisson/GUE-surmise per ciascuna delle 13 righe gia' classificate dal grafo 18:55. + +### Contaminazione cognitiva +- **YSN DeltaLink**: il DeltaLink usato e' `crossover classico / grafo Lab`: la sorpresa cercata e' il disaccordo, non la conferma dei nodi ponte. +- **Cornelius gene**: `Classical_Audit_Gate`: "Un ponte Lab sopravvive solo dopo il lettore classico piu vicino." Operatori: FITTA scalare noto; ALLINEA righe; ISOLA residuo. +- **KSAR step**: perturbazione = feedback falsifier L5; focalizzazione = una sola domanda, "i bridge collassano su Brody/Berry-Robnik?"; proiezione = audit row-aligned sulle 13 righe. +- **PVI attack**: un revisore esterno puo' dire che `third_included_candidate` e' solo un nome Lab per un crossover Brody. Il test attacca esattamente quel presupposto. +- **Vault**: Rosenzweig-Porter vero resta fuori perimetro; va riattivato solo con Hamiltoniane interpolate, non con fit di CDF su righe gia' generate. +- **CE-none:tools/data/agent_field_live.md+tools/LAB_COGNITIVE_CONTAMINATION.md/2026-05-15T19:07Z**: nessuna voce `CE-*` concreta e' presente nel campo letto; usati adapter YSN/Cornelius/KSAR documentati, senza inventare archivio enzimi. + +## Aderenza alla direzione +- `relation`: `follows_direction` +- `why`: il ciclo resta sul perimetro vivo 8 GUE / 5 Poisson e verifica se il confine come terzo incluso e' nuovo rispetto ai crossover classici. +- `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze; il gate 18:55 e' usato come denominatore row-aligned da auditare, non come autorita' conclusiva. + +## Re-discovery audit +- **Baseline noto piu' vicino**: Brody distribution per interpolazione Poisson-Wigner; Berry-Robnik per mistura regolare/caotica. Rosenzweig-Porter e' nominato come famiglia di crossover Hamiltoniano, non fit eseguito in questo ciclo. +- **Cosa viene assorbito dal baseline**: `numeri_primi:cycle_3` e' sia graph bridge sia intermedio classico (`brody_q=0.465`, `w_GUE=0.275`). Su questa riga il Lab non aggiunge fenomeno oltre il fatto che lo stesso campione e' ponte in due lettori. +- **Cosa resta Lab-specific**: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` sono graph-only bridge: il grafo li mette al confine ma Brody/mixture li legge endpoint-like. +- **Cosa limita il claim Lab**: quattro righe sono classic-only intermediate (`zeta_zeros`, `random_matrix`, `cellular_automata`, `brownian_motion`) senza diventare terzo incluso nel grafo. Quindi il parametro classico non basta, ma nemmeno il grafo sostituisce il baseline classico. +- **Risultante audit**: il boundary operativo e' una relazione a due lettori: scalar crossover + posizione nel grafo. Uno dei due da solo perde informazione. + +## Claim Under Test +> Nel perimetro 8/5, il terzo incluso operativo non e' riducibile a Brody q o a una mistura Poisson/GUE-surmise; il residuo vive nel disaccordo row-aligned tra scalare classico e grafo osservabile. + +## Question +I nodi ponte del grafo 18:55 sono re-discovery di un crossover classico, oppure producono una distinzione residua? + +## Ritorno fisico +- **Punto fisico sorgente**: transizione spettrale tra caos quantistico repulsivo e indipendenza/localizzazione Poisson. +- **Attraversamento matematico**: fit Brody e mistura Poisson/GUE-surmise sulle stesse righe gia' lette dal grafo kNN. +- **Punto fisico di ritorno**: negli spettri finiti, una finestra non e' boundary perche' ha q intermedio; e' boundary quando q intermedio e posizione multi-feature del grafo vengono confrontati e il residuo resta nominabile. +- **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, calcolare q Brody, peso mistura e kNN multi-feature; separare bridge coincidenti, graph-only e classic-only. +- **Se fallisce**: se su dati fisici indipendenti graph-only e classic-only spariscono, il gate Lab si riduce a baseline classico e il terzo incluso non trasferisce. + +## Experiment Design +- **Script**: `tools/exp_boundary_classical_crossover_audit.py`. +- **Input graph**: `tools/data/boundary_graph_curvature_gate_20260515_1855.json`. +- **Run**: `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json`. +- **Denominatore**: 13 righe row-aligned dal perimetro BOUNDARY, 8 GUE e 5 Poisson. +- **Fit Brody**: grid likelihood su q in [0,1], spacings normalizzati a media 1. +- **Fit Berry-Robnik-like**: griglia su peso GUE in mistura CDF `w*GUE_surmise + (1-w)*Poisson`, selezionata per KS minimo. +- **Contratto osservabile-operatore**: il ciclo testa concordanza/disaccordo tra scalare classico e graph state; non testa V_c, denominatori Sturmian, unfolding fisico alternativo o Rosenzweig-Porter Hamiltoniano. + +## Results +| audit state | count | +|---|---:| +| classic_and_graph_bridge | 1 | +| graph_only_bridge | 3 | +| classic_only_intermediate | 4 | +| endpoint_like | 5 | + +| row | label | graph_state | Brody q | w_GUE | KS | audit_state | +|---|---|---|---:|---:|---:|---| +| ising_2d:cycle_1 | GUE | class_interior | 0.090 | 0.070 | 0.428636 | endpoint_like | +| pendolo_doppio:cycle_2 | Poisson | cut_edge | 0.000 | 0.000 | 0.268279 | endpoint_like | +| numeri_primi:cycle_3 | GUE | third_included_candidate | 0.465 | 0.275 | 0.148459 | classic_and_graph_bridge | +| zeta_zeros:cycle_4 | GUE | cut_edge | 1.000 | 0.530 | 0.133555 | classic_only_intermediate | +| logistica_biforcazione:cycle_5 | GUE | class_interior | 0.000 | 0.000 | 0.998064 | endpoint_like | +| string_vibration:cycle_6 | Poisson | cut_edge | 0.000 | 0.000 | 0.060129 | endpoint_like | +| random_matrix:cycle_7 | GUE | cut_edge | 0.975 | 0.475 | 0.119491 | classic_only_intermediate | +| cellular_automata:cycle_8 | GUE | class_interior | 1.000 | 0.435 | 0.416708 | classic_only_intermediate | +| percolation:cycle_9 | Poisson | third_included_candidate | 0.025 | 0.025 | 0.054635 | graph_only_bridge | +| coupled_oscillators:cycle_10 | Poisson | class_interior | 0.000 | 0.000 | 0.079806 | endpoint_like | +| reaction_diffusion:cycle_11 | GUE | third_included_candidate | 0.000 | 0.000 | 0.174423 | graph_only_bridge | +| brownian_motion:cycle_12 | Poisson | cut_edge | 0.205 | 0.250 | 0.026002 | classic_only_intermediate | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | third_included_candidate | 0.000 | 0.000 | 0.969277 | graph_only_bridge | + +## Key Findings +1. Verificato: il denominatore resta quello richiesto, 13 righe con 8 GUE e 5 Poisson. +2. Verificato: un solo nodo ponte del grafo e' anche intermedio classico: `numeri_primi:cycle_3`. +3. Verificato: tre nodi ponte sono graph-only: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. +4. Verificato: quattro righe sono classic-only intermediate senza essere terzo incluso nel grafo: `zeta_zeros:cycle_4`, `random_matrix:cycle_7`, `cellular_automata:cycle_8`, `brownian_motion:cycle_12`. +5. Inferito: il terzo incluso non e' uno scalare di crossover. E' una discrepanza controllata fra lettore classico e posizione multi-osservabile. + +## Verdict +CONSTRAINT + +Il boundary trasferisce come audit a due lettori. Brody/Berry-Robnik-like e grafo misurano aspetti diversi dello stesso confine; nessuno dei due chiude il terzo incluso da solo. + +## Bicono della scoperta +- **Due radici**: parametro classico di crossover; nodo ponte del grafo Lab. +- **Singolare**: riga di dominio row-aligned prima della classificazione. +- **Invariante di passaggio**: disaccordo nominabile tra `classic_and_graph`, `graph_only`, `classic_only`, `endpoint_like`. +- **Campo di possibilita**: possibile = costruire un gate fisico che richiede doppia lettura prima di chiamare boundary; non-possibile = promuovere il grafo 18:55 come scoperta autonoma senza baseline classico. + +## Consecutio +Il prossimo ciclo utile non deve aggiungere una terza metrica locale. Deve portare il gate a due lettori su un sistema fisico controllato: Rosenzweig-Porter, Anderson/mobility edge o Aubry-Andre con finestre energetiche. Il risultato da cercare e' se `graph_only` e `classic_only` sopravvivono fuori dal perimetro composito del Lab. + +## Ricadute pratiche +ssp_value: yes. Lo script crea un audit riusabile per separare re-discovery classica, residuo Lab e endpoint-like in ogni perimetro GUE/Poisson row-aligned. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. +- `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`, ma la direzione viva del campo impone il perimetro BOUNDARY 8/5. +- `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` completato. +- `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json` completato. +- Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. +- Nessun update del seme. +- Nessuna promozione e nessun public sync. + +## Files +- Script: `tools/exp_boundary_classical_crossover_audit.py` +- Data: `tools/data/boundary_classical_crossover_audit_20260515_1904.json` +- Report: `tools/data/reports/agent_20260515_1904.md` diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() codex Il report è scritto nel percorso richiesto. Faccio una verifica minima con il preflight del Lab sul cycle `20260515_1904` e controllo che i file creati siano leggibili. exec /bin/bash -lc "sed -n '1,260p' tools/data/reports/agent_20260515_1904.md" in /opt/MM_D-ND succeeded in 0ms: # Agent Report - Boundary Classical Crossover Audit **Date**: 2026-05-15 19:04 **Piano**: 120 **Tension explored**: BOUNDARY (0.8) **verdict**: CONSTRAINT - i nodi ponte del gate 18:55 non collassano su un parametro classico unico; Brody/Berry-Robnik-like spiegano `numeri_primi`, ma lasciano tre bridge graph-only e quattro intermedi classici non-bridge. observables_registry: none; classical audit coordinates plus prior graph observables observables_used: [brody_q, berry_robnick_like_gue_weight, mixture_ks, graph_boundary_state_from_1855, centroid_margin_from_1855, cross_neighbor_fraction_from_1855] **observable_contract**: claim=il bridge Lab conserva residuo dopo confronto con scalari classici di crossover; observable=Brody q row-aligned, peso GUE Berry-Robnik-like, stato ponte del grafo 18:55; operator=classical scalar audit sulle stesse 13 righe BOUNDARY; generator=row_spacings(domain) + boundary_graph_curvature_gate_20260515_1855; denominator=13 righe, 8 GUE e 5 Poisson; non_possible=bridge Lab-specific se ogni graph bridge e' anche intermedio classico e non esiste classic-only intermediate; not_tested=flusso Hamiltoniano Rosenzweig-Porter vero, unfolding fisico alternativo, universalita asintotica. ## Respiro fuori-tempo - **Combo**: A9 terzo incluso + QxG continuo/discreto + grafo/crossover spettrale + tensione BOUNDARY "8 domini GUE, 5 Poisson". - **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio prima che venga letta come label, parametro Brody o nodo del grafo. - **Piano superiore**: grafo della conoscenza con audit assiomatico su baseline note; la domanda non e' "quanto vale q", ma se q esaurisce il ponte. - **Proto-ipotesi**: il terzo incluso operativo non coincide con un singolo scalare di crossover. Se coincide, il bridge Lab e' re-discovery di Brody/Berry-Robnik; se diverge, il contenuto Lab e' nella relazione tra geometria locale e scalare classico. - **Possibile/non-possibile**: possibile = usare nodi ponte come righe fisiche candidate oltre la classificazione GUE/Poisson; non-possibile = rivendicare un nuovo crossover se i nodi ponte sono solo Brody/Berry-Robnik rietichettato. - **Proiezione**: stimo Brody q e peso GUE di una mistura Poisson/GUE-surmise per ciascuna delle 13 righe gia' classificate dal grafo 18:55. ### Contaminazione cognitiva - **YSN DeltaLink**: il DeltaLink usato e' `crossover classico / grafo Lab`: la sorpresa cercata e' il disaccordo, non la conferma dei nodi ponte. - **Cornelius gene**: `Classical_Audit_Gate`: "Un ponte Lab sopravvive solo dopo il lettore classico piu vicino." Operatori: FITTA scalare noto; ALLINEA righe; ISOLA residuo. - **KSAR step**: perturbazione = feedback falsifier L5; focalizzazione = una sola domanda, "i bridge collassano su Brody/Berry-Robnik?"; proiezione = audit row-aligned sulle 13 righe. - **PVI attack**: un revisore esterno puo' dire che `third_included_candidate` e' solo un nome Lab per un crossover Brody. Il test attacca esattamente quel presupposto. - **Vault**: Rosenzweig-Porter vero resta fuori perimetro; va riattivato solo con Hamiltoniane interpolate, non con fit di CDF su righe gia' generate. - **CE-none:tools/data/agent_field_live.md+tools/LAB_COGNITIVE_CONTAMINATION.md/2026-05-15T19:07Z**: nessuna voce `CE-*` concreta e' presente nel campo letto; usati adapter YSN/Cornelius/KSAR documentati, senza inventare archivio enzimi. ## Aderenza alla direzione - `relation`: `follows_direction` - `why`: il ciclo resta sul perimetro vivo 8 GUE / 5 Poisson e verifica se il confine come terzo incluso e' nuovo rispetto ai crossover classici. - `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze; il gate 18:55 e' usato come denominatore row-aligned da auditare, non come autorita' conclusiva. ## Re-discovery audit - **Baseline noto piu' vicino**: Brody distribution per interpolazione Poisson-Wigner; Berry-Robnik per mistura regolare/caotica. Rosenzweig-Porter e' nominato come famiglia di crossover Hamiltoniano, non fit eseguito in questo ciclo. - **Cosa viene assorbito dal baseline**: `numeri_primi:cycle_3` e' sia graph bridge sia intermedio classico (`brody_q=0.465`, `w_GUE=0.275`). Su questa riga il Lab non aggiunge fenomeno oltre il fatto che lo stesso campione e' ponte in due lettori. - **Cosa resta Lab-specific**: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` sono graph-only bridge: il grafo li mette al confine ma Brody/mixture li legge endpoint-like. - **Cosa limita il claim Lab**: quattro righe sono classic-only intermediate (`zeta_zeros`, `random_matrix`, `cellular_automata`, `brownian_motion`) senza diventare terzo incluso nel grafo. Quindi il parametro classico non basta, ma nemmeno il grafo sostituisce il baseline classico. - **Risultante audit**: il boundary operativo e' una relazione a due lettori: scalar crossover + posizione nel grafo. Uno dei due da solo perde informazione. ## Claim Under Test > Nel perimetro 8/5, il terzo incluso operativo non e' riducibile a Brody q o a una mistura Poisson/GUE-surmise; il residuo vive nel disaccordo row-aligned tra scalare classico e grafo osservabile. ## Question I nodi ponte del grafo 18:55 sono re-discovery di un crossover classico, oppure producono una distinzione residua? ## Ritorno fisico - **Punto fisico sorgente**: transizione spettrale tra caos quantistico repulsivo e indipendenza/localizzazione Poisson. - **Attraversamento matematico**: fit Brody e mistura Poisson/GUE-surmise sulle stesse righe gia' lette dal grafo kNN. - **Punto fisico di ritorno**: negli spettri finiti, una finestra non e' boundary perche' ha q intermedio; e' boundary quando q intermedio e posizione multi-feature del grafo vengono confrontati e il residuo resta nominabile. - **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, calcolare q Brody, peso mistura e kNN multi-feature; separare bridge coincidenti, graph-only e classic-only. - **Se fallisce**: se su dati fisici indipendenti graph-only e classic-only spariscono, il gate Lab si riduce a baseline classico e il terzo incluso non trasferisce. ## Experiment Design - **Script**: `tools/exp_boundary_classical_crossover_audit.py`. - **Input graph**: `tools/data/boundary_graph_curvature_gate_20260515_1855.json`. - **Run**: `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json`. - **Denominatore**: 13 righe row-aligned dal perimetro BOUNDARY, 8 GUE e 5 Poisson. - **Fit Brody**: grid likelihood su q in [0,1], spacings normalizzati a media 1. - **Fit Berry-Robnik-like**: griglia su peso GUE in mistura CDF `w*GUE_surmise + (1-w)*Poisson`, selezionata per KS minimo. - **Contratto osservabile-operatore**: il ciclo testa concordanza/disaccordo tra scalare classico e graph state; non testa V_c, denominatori Sturmian, unfolding fisico alternativo o Rosenzweig-Porter Hamiltoniano. ## Results | audit state | count | |---|---:| | classic_and_graph_bridge | 1 | | graph_only_bridge | 3 | | classic_only_intermediate | 4 | | endpoint_like | 5 | | row | label | graph_state | Brody q | w_GUE | KS | audit_state | |---|---|---|---:|---:|---:|---| | ising_2d:cycle_1 | GUE | class_interior | 0.090 | 0.070 | 0.428636 | endpoint_like | | pendolo_doppio:cycle_2 | Poisson | cut_edge | 0.000 | 0.000 | 0.268279 | endpoint_like | | numeri_primi:cycle_3 | GUE | third_included_candidate | 0.465 | 0.275 | 0.148459 | classic_and_graph_bridge | | zeta_zeros:cycle_4 | GUE | cut_edge | 1.000 | 0.530 | 0.133555 | classic_only_intermediate | | logistica_biforcazione:cycle_5 | GUE | class_interior | 0.000 | 0.000 | 0.998064 | endpoint_like | | string_vibration:cycle_6 | Poisson | cut_edge | 0.000 | 0.000 | 0.060129 | endpoint_like | | random_matrix:cycle_7 | GUE | cut_edge | 0.975 | 0.475 | 0.119491 | classic_only_intermediate | | cellular_automata:cycle_8 | GUE | class_interior | 1.000 | 0.435 | 0.416708 | classic_only_intermediate | | percolation:cycle_9 | Poisson | third_included_candidate | 0.025 | 0.025 | 0.054635 | graph_only_bridge | | coupled_oscillators:cycle_10 | Poisson | class_interior | 0.000 | 0.000 | 0.079806 | endpoint_like | | reaction_diffusion:cycle_11 | GUE | third_included_candidate | 0.000 | 0.000 | 0.174423 | graph_only_bridge | | brownian_motion:cycle_12 | Poisson | cut_edge | 0.205 | 0.250 | 0.026002 | classic_only_intermediate | | logistica_biforcazione_var_3.5699:cycle_13 | GUE | third_included_candidate | 0.000 | 0.000 | 0.969277 | graph_only_bridge | ## Key Findings 1. Verificato: il denominatore resta quello richiesto, 13 righe con 8 GUE e 5 Poisson. 2. Verificato: un solo nodo ponte del grafo e' anche intermedio classico: `numeri_primi:cycle_3`. 3. Verificato: tre nodi ponte sono graph-only: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. 4. Verificato: quattro righe sono classic-only intermediate senza essere terzo incluso nel grafo: `zeta_zeros:cycle_4`, `random_matrix:cycle_7`, `cellular_automata:cycle_8`, `brownian_motion:cycle_12`. 5. Inferito: il terzo incluso non e' uno scalare di crossover. E' una discrepanza controllata fra lettore classico e posizione multi-osservabile. ## Verdict CONSTRAINT Il boundary trasferisce come audit a due lettori. Brody/Berry-Robnik-like e grafo misurano aspetti diversi dello stesso confine; nessuno dei due chiude il terzo incluso da solo. ## Bicono della scoperta - **Due radici**: parametro classico di crossover; nodo ponte del grafo Lab. - **Singolare**: riga di dominio row-aligned prima della classificazione. - **Invariante di passaggio**: disaccordo nominabile tra `classic_and_graph`, `graph_only`, `classic_only`, `endpoint_like`. - **Campo di possibilita**: possibile = costruire un gate fisico che richiede doppia lettura prima di chiamare boundary; non-possibile = promuovere il grafo 18:55 come scoperta autonoma senza baseline classico. ## Consecutio Il prossimo ciclo utile non deve aggiungere una terza metrica locale. Deve portare il gate a due lettori su un sistema fisico controllato: Rosenzweig-Porter, Anderson/mobility edge o Aubry-Andre con finestre energetiche. Il risultato da cercare e' se `graph_only` e `classic_only` sopravvivono fuori dal perimetro composito del Lab. ## Ricadute pratiche ssp_value: yes. Lo script crea un audit riusabile per separare re-discovery classica, residuo Lab e endpoint-like in ogni perimetro GUE/Poisson row-aligned. ## Telemetria - No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. - `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`, ma la direzione viva del campo impone il perimetro BOUNDARY 8/5. - `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` completato. - `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json` completato. - Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. - Nessun update del seme. - Nessuna promozione e nessun public sync. ## Files - Script: `tools/exp_boundary_classical_crossover_audit.py` - Data: `tools/data/boundary_classical_crossover_audit_20260515_1904.json` - Report: `tools/data/reports/agent_20260515_1904.md` exec /bin/bash -lc 'test -s tools/data/boundary_classical_crossover_audit_20260515_1904.json && test -s tools/data/reports/agent_20260515_1904.md && test -s tools/exp_boundary_classical_crossover_audit.py && echo ok' in /opt/MM_D-ND succeeded in 0ms: ok exec /bin/bash -lc 'python tools/lab_preflight_agent.py --cycle 20260515_1904 --json' in /opt/MM_D-ND diff --git a/tools/data/reports/agent_20260515_1904.md b/tools/data/reports/agent_20260515_1904.md new file mode 100644 index 0000000000000000000000000000000000000000..c50d14e23b4ff49bac4c5ea8b2ae3a60eeeb5a52 --- /dev/null +++ b/tools/data/reports/agent_20260515_1904.md @@ -0,0 +1,120 @@ +# Agent Report - Boundary Classical Crossover Audit +**Date**: 2026-05-15 19:04 +**Piano**: 120 +**Tension explored**: BOUNDARY (0.8) +**verdict**: CONSTRAINT - i nodi ponte del gate 18:55 non collassano su un parametro classico unico; Brody/Berry-Robnik-like spiegano `numeri_primi`, ma lasciano tre bridge graph-only e quattro intermedi classici non-bridge. +observables_registry: none; classical audit coordinates plus prior graph observables +observables_used: [brody_q, berry_robnick_like_gue_weight, mixture_ks, graph_boundary_state_from_1855, centroid_margin_from_1855, cross_neighbor_fraction_from_1855] +**observable_contract**: claim=il bridge Lab conserva residuo dopo confronto con scalari classici di crossover; observable=Brody q row-aligned, peso GUE Berry-Robnik-like, stato ponte del grafo 18:55; operator=classical scalar audit sulle stesse 13 righe BOUNDARY; generator=row_spacings(domain) + boundary_graph_curvature_gate_20260515_1855; denominator=13 righe, 8 GUE e 5 Poisson; non_possible=bridge Lab-specific se ogni graph bridge e' anche intermedio classico e non esiste classic-only intermediate; not_tested=flusso Hamiltoniano Rosenzweig-Porter vero, unfolding fisico alternativo, universalita asintotica. + +## Respiro fuori-tempo +- **Combo**: A9 terzo incluso + QxG continuo/discreto + grafo/crossover spettrale + tensione BOUNDARY "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio prima che venga letta come label, parametro Brody o nodo del grafo. +- **Piano superiore**: grafo della conoscenza con audit assiomatico su baseline note; la domanda non e' "quanto vale q", ma se q esaurisce il ponte. +- **Proto-ipotesi**: il terzo incluso operativo non coincide con un singolo scalare di crossover. Se coincide, il bridge Lab e' re-discovery di Brody/Berry-Robnik; se diverge, il contenuto Lab e' nella relazione tra geometria locale e scalare classico. +- **Possibile/non-possibile**: possibile = usare nodi ponte come righe fisiche candidate oltre la classificazione GUE/Poisson; non-possibile = rivendicare un nuovo crossover se i nodi ponte sono solo Brody/Berry-Robnik rietichettato. +- **Proiezione**: stimo Brody q e peso GUE di una mistura Poisson/GUE-surmise per ciascuna delle 13 righe gia' classificate dal grafo 18:55. + +### Contaminazione cognitiva +- **YSN DeltaLink**: il DeltaLink usato e' `crossover classico / grafo Lab`: la sorpresa cercata e' il disaccordo, non la conferma dei nodi ponte. +- **Cornelius gene**: `Classical_Audit_Gate`: "Un ponte Lab sopravvive solo dopo il lettore classico piu vicino." Operatori: FITTA scalare noto; ALLINEA righe; ISOLA residuo. +- **KSAR step**: perturbazione = feedback falsifier L5; focalizzazione = una sola domanda, "i bridge collassano su Brody/Berry-Robnik?"; proiezione = audit row-aligned sulle 13 righe. +- **PVI attack**: un revisore esterno puo' dire che `third_included_candidate` e' solo un nome Lab per un crossover Brody. Il test attacca esattamente quel presupposto. +- **Vault**: Rosenzweig-Porter vero resta fuori perimetro; va riattivato solo con Hamiltoniane interpolate, non con fit di CDF su righe gia' generate. +- **CE-none:tools/data/agent_field_live.md+tools/LAB_COGNITIVE_CONTAMINATION.md/2026-05-15T19:07Z**: nessuna voce `CE-*` concreta e' presente nel campo letto; usati adapter YSN/Cornelius/KSAR documentati, senza inventare archivio enzimi. + +## Aderenza alla direzione +- `relation`: `follows_direction` +- `why`: il ciclo resta sul perimetro vivo 8 GUE / 5 Poisson e verifica se il confine come terzo incluso e' nuovo rispetto ai crossover classici. +- `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze; il gate 18:55 e' usato come denominatore row-aligned da auditare, non come autorita' conclusiva. + +## Re-discovery audit +- **Baseline noto piu' vicino**: Brody distribution per interpolazione Poisson-Wigner; Berry-Robnik per mistura regolare/caotica. Rosenzweig-Porter e' nominato come famiglia di crossover Hamiltoniano, non fit eseguito in questo ciclo. +- **Cosa viene assorbito dal baseline**: `numeri_primi:cycle_3` e' sia graph bridge sia intermedio classico (`brody_q=0.465`, `w_GUE=0.275`). Su questa riga il Lab non aggiunge fenomeno oltre il fatto che lo stesso campione e' ponte in due lettori. +- **Cosa resta Lab-specific**: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` sono graph-only bridge: il grafo li mette al confine ma Brody/mixture li legge endpoint-like. +- **Cosa limita il claim Lab**: quattro righe sono classic-only intermediate (`zeta_zeros`, `random_matrix`, `cellular_automata`, `brownian_motion`) senza diventare terzo incluso nel grafo. Quindi il parametro classico non basta, ma nemmeno il grafo sostituisce il baseline classico. +- **Risultante audit**: il boundary operativo e' una relazione a due lettori: scalar crossover + posizione nel grafo. Uno dei due da solo perde informazione. + +## Claim Under Test +> Nel perimetro 8/5, il terzo incluso operativo non e' riducibile a Brody q o a una mistura Poisson/GUE-surmise; il residuo vive nel disaccordo row-aligned tra scalare classico e grafo osservabile. + +## Question +I nodi ponte del grafo 18:55 sono re-discovery di un crossover classico, oppure producono una distinzione residua? + +## Ritorno fisico +- **Punto fisico sorgente**: transizione spettrale tra caos quantistico repulsivo e indipendenza/localizzazione Poisson. +- **Attraversamento matematico**: fit Brody e mistura Poisson/GUE-surmise sulle stesse righe gia' lette dal grafo kNN. +- **Punto fisico di ritorno**: negli spettri finiti, una finestra non e' boundary perche' ha q intermedio; e' boundary quando q intermedio e posizione multi-feature del grafo vengono confrontati e il residuo resta nominabile. +- **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, calcolare q Brody, peso mistura e kNN multi-feature; separare bridge coincidenti, graph-only e classic-only. +- **Se fallisce**: se su dati fisici indipendenti graph-only e classic-only spariscono, il gate Lab si riduce a baseline classico e il terzo incluso non trasferisce. + +## Experiment Design +- **Script**: `tools/exp_boundary_classical_crossover_audit.py`. +- **Input graph**: `tools/data/boundary_graph_curvature_gate_20260515_1855.json`. +- **Run**: `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json`. +- **Denominatore**: 13 righe row-aligned dal perimetro BOUNDARY, 8 GUE e 5 Poisson. +- **Fit Brody**: grid likelihood su q in [0,1], spacings normalizzati a media 1. +- **Fit Berry-Robnik-like**: griglia su peso GUE in mistura CDF `w*GUE_surmise + (1-w)*Poisson`, selezionata per KS minimo. +- **Contratto osservabile-operatore**: il ciclo testa concordanza/disaccordo tra scalare classico e graph state; non testa V_c, denominatori Sturmian, unfolding fisico alternativo o Rosenzweig-Porter Hamiltoniano. + +## Results +| audit state | count | +|---|---:| +| classic_and_graph_bridge | 1 | +| graph_only_bridge | 3 | +| classic_only_intermediate | 4 | +| endpoint_like | 5 | + +| row | label | graph_state | Brody q | w_GUE | KS | audit_state | +|---|---|---|---:|---:|---:|---| +| ising_2d:cycle_1 | GUE | class_interior | 0.090 | 0.070 | 0.428636 | endpoint_like | +| pendolo_doppio:cycle_2 | Poisson | cut_edge | 0.000 | 0.000 | 0.268279 | endpoint_like | +| numeri_primi:cycle_3 | GUE | third_included_candidate | 0.465 | 0.275 | 0.148459 | classic_and_graph_bridge | +| zeta_zeros:cycle_4 | GUE | cut_edge | 1.000 | 0.530 | 0.133555 | classic_only_intermediate | +| logistica_biforcazione:cycle_5 | GUE | class_interior | 0.000 | 0.000 | 0.998064 | endpoint_like | +| string_vibration:cycle_6 | Poisson | cut_edge | 0.000 | 0.000 | 0.060129 | endpoint_like | +| random_matrix:cycle_7 | GUE | cut_edge | 0.975 | 0.475 | 0.119491 | classic_only_intermediate | +| cellular_automata:cycle_8 | GUE | class_interior | 1.000 | 0.435 | 0.416708 | classic_only_intermediate | +| percolation:cycle_9 | Poisson | third_included_candidate | 0.025 | 0.025 | 0.054635 | graph_only_bridge | +| coupled_oscillators:cycle_10 | Poisson | class_interior | 0.000 | 0.000 | 0.079806 | endpoint_like | +| reaction_diffusion:cycle_11 | GUE | third_included_candidate | 0.000 | 0.000 | 0.174423 | graph_only_bridge | +| brownian_motion:cycle_12 | Poisson | cut_edge | 0.205 | 0.250 | 0.026002 | classic_only_intermediate | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | third_included_candidate | 0.000 | 0.000 | 0.969277 | graph_only_bridge | + +## Key Findings +1. Verificato: il denominatore resta quello richiesto, 13 righe con 8 GUE e 5 Poisson. +2. Verificato: un solo nodo ponte del grafo e' anche intermedio classico: `numeri_primi:cycle_3`. +3. Verificato: tre nodi ponte sono graph-only: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. +4. Verificato: quattro righe sono classic-only intermediate senza essere terzo incluso nel grafo: `zeta_zeros:cycle_4`, `random_matrix:cycle_7`, `cellular_automata:cycle_8`, `brownian_motion:cycle_12`. +5. Inferito: il terzo incluso non e' uno scalare di crossover. E' una discrepanza controllata fra lettore classico e posizione multi-osservabile. + +## Verdict +CONSTRAINT + +Il boundary trasferisce come audit a due lettori. Brody/Berry-Robnik-like e grafo misurano aspetti diversi dello stesso confine; nessuno dei due chiude il terzo incluso da solo. + +## Bicono della scoperta +- **Due radici**: parametro classico di crossover; nodo ponte del grafo Lab. +- **Singolare**: riga di dominio row-aligned prima della classificazione. +- **Invariante di passaggio**: disaccordo nominabile tra `classic_and_graph`, `graph_only`, `classic_only`, `endpoint_like`. +- **Campo di possibilita**: possibile = costruire un gate fisico che richiede doppia lettura prima di chiamare boundary; non-possibile = promuovere il grafo 18:55 come scoperta autonoma senza baseline classico. + +## Consecutio +Il prossimo ciclo utile non deve aggiungere una terza metrica locale. Deve portare il gate a due lettori su un sistema fisico controllato: Rosenzweig-Porter, Anderson/mobility edge o Aubry-Andre con finestre energetiche. Il risultato da cercare e' se `graph_only` e `classic_only` sopravvivono fuori dal perimetro composito del Lab. + +## Ricadute pratiche +ssp_value: yes. Lo script crea un audit riusabile per separare re-discovery classica, residuo Lab e endpoint-like in ogni perimetro GUE/Poisson row-aligned. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. +- `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`, ma la direzione viva del campo impone il perimetro BOUNDARY 8/5. +- `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` completato. +- `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json` completato. +- Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. +- Nessun update del seme. +- Nessuna promozione e nessun public sync. + +## Files +- Script: `tools/exp_boundary_classical_crossover_audit.py` +- Data: `tools/data/boundary_classical_crossover_audit_20260515_1904.json` +- Report: `tools/data/reports/agent_20260515_1904.md` diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() succeeded in 797ms: {"cycle_ref": "20260515_1904", "classification": "ARTIFACT_USEFUL_NOT_PUBLISHABLE", "recommended_action": "KEEP_ARTIFACT_STOP_REPORT_PROMOTION", "stable_anchor": {"cycle": "20260515_1816", "title": "Agent Report - V=2 Generator Scaling Gate", "veritas_band": "COLLASSO", "rho": 0.985}, "json_path": "/opt/MM_D-ND/tools/data/preflight/preflight_20260515_1904.json", "md_path": "/opt/MM_D-ND/tools/data/preflight/preflight_20260515_1904.md"} codex Eseguito il ciclo e scritto il report richiesto: [tools/data/reports/agent_20260515_1904.md](/opt/MM_D-ND/tools/data/reports/agent_20260515_1904.md) Creati anche: - [tools/exp_boundary_classical_crossover_audit.py](/opt/MM_D-ND/tools/exp_boundary_classical_crossover_audit.py) - [tools/data/boundary_classical_crossover_audit_20260515_1904.json](/opt/MM_D-ND/tools/data/boundary_classical_crossover_audit_20260515_1904.json) Verifiche eseguite: - `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` - run esperimento completato - `python tools/lab_preflight_agent.py --cycle 20260515_1904 --json` Preflight: `ARTIFACT_USEFUL_NOT_PUBLISHABLE`, azione consigliata `KEEP_ARTIFACT_STOP_REPORT_PROMOTION`. Nessun update del seme, nessuna promozione, nessun sync pubblico. diff --git a/tools/data/reports/agent_20260515_1904.md b/tools/data/reports/agent_20260515_1904.md new file mode 100644 index 0000000000000000000000000000000000000000..c50d14e23b4ff49bac4c5ea8b2ae3a60eeeb5a52 --- /dev/null +++ b/tools/data/reports/agent_20260515_1904.md @@ -0,0 +1,120 @@ +# Agent Report - Boundary Classical Crossover Audit +**Date**: 2026-05-15 19:04 +**Piano**: 120 +**Tension explored**: BOUNDARY (0.8) +**verdict**: CONSTRAINT - i nodi ponte del gate 18:55 non collassano su un parametro classico unico; Brody/Berry-Robnik-like spiegano `numeri_primi`, ma lasciano tre bridge graph-only e quattro intermedi classici non-bridge. +observables_registry: none; classical audit coordinates plus prior graph observables +observables_used: [brody_q, berry_robnick_like_gue_weight, mixture_ks, graph_boundary_state_from_1855, centroid_margin_from_1855, cross_neighbor_fraction_from_1855] +**observable_contract**: claim=il bridge Lab conserva residuo dopo confronto con scalari classici di crossover; observable=Brody q row-aligned, peso GUE Berry-Robnik-like, stato ponte del grafo 18:55; operator=classical scalar audit sulle stesse 13 righe BOUNDARY; generator=row_spacings(domain) + boundary_graph_curvature_gate_20260515_1855; denominator=13 righe, 8 GUE e 5 Poisson; non_possible=bridge Lab-specific se ogni graph bridge e' anche intermedio classico e non esiste classic-only intermediate; not_tested=flusso Hamiltoniano Rosenzweig-Porter vero, unfolding fisico alternativo, universalita asintotica. + +## Respiro fuori-tempo +- **Combo**: A9 terzo incluso + QxG continuo/discreto + grafo/crossover spettrale + tensione BOUNDARY "8 domini GUE, 5 Poisson". +- **Dipolo / punto-zero**: repulsione spettrale / indipendenza spettrale. Punto-zero: riga di dominio prima che venga letta come label, parametro Brody o nodo del grafo. +- **Piano superiore**: grafo della conoscenza con audit assiomatico su baseline note; la domanda non e' "quanto vale q", ma se q esaurisce il ponte. +- **Proto-ipotesi**: il terzo incluso operativo non coincide con un singolo scalare di crossover. Se coincide, il bridge Lab e' re-discovery di Brody/Berry-Robnik; se diverge, il contenuto Lab e' nella relazione tra geometria locale e scalare classico. +- **Possibile/non-possibile**: possibile = usare nodi ponte come righe fisiche candidate oltre la classificazione GUE/Poisson; non-possibile = rivendicare un nuovo crossover se i nodi ponte sono solo Brody/Berry-Robnik rietichettato. +- **Proiezione**: stimo Brody q e peso GUE di una mistura Poisson/GUE-surmise per ciascuna delle 13 righe gia' classificate dal grafo 18:55. + +### Contaminazione cognitiva +- **YSN DeltaLink**: il DeltaLink usato e' `crossover classico / grafo Lab`: la sorpresa cercata e' il disaccordo, non la conferma dei nodi ponte. +- **Cornelius gene**: `Classical_Audit_Gate`: "Un ponte Lab sopravvive solo dopo il lettore classico piu vicino." Operatori: FITTA scalare noto; ALLINEA righe; ISOLA residuo. +- **KSAR step**: perturbazione = feedback falsifier L5; focalizzazione = una sola domanda, "i bridge collassano su Brody/Berry-Robnik?"; proiezione = audit row-aligned sulle 13 righe. +- **PVI attack**: un revisore esterno puo' dire che `third_included_candidate` e' solo un nome Lab per un crossover Brody. Il test attacca esattamente quel presupposto. +- **Vault**: Rosenzweig-Porter vero resta fuori perimetro; va riattivato solo con Hamiltoniane interpolate, non con fit di CDF su righe gia' generate. +- **CE-none:tools/data/agent_field_live.md+tools/LAB_COGNITIVE_CONTAMINATION.md/2026-05-15T19:07Z**: nessuna voce `CE-*` concreta e' presente nel campo letto; usati adapter YSN/Cornelius/KSAR documentati, senza inventare archivio enzimi. + +## Aderenza alla direzione +- `relation`: `follows_direction` +- `why`: il ciclo resta sul perimetro vivo 8 GUE / 5 Poisson e verifica se il confine come terzo incluso e' nuovo rispetto ai crossover classici. +- `not_drift`: non usa il report Sturmian bloccato, non misura V_c, non usa phi/silver/bronze; il gate 18:55 e' usato come denominatore row-aligned da auditare, non come autorita' conclusiva. + +## Re-discovery audit +- **Baseline noto piu' vicino**: Brody distribution per interpolazione Poisson-Wigner; Berry-Robnik per mistura regolare/caotica. Rosenzweig-Porter e' nominato come famiglia di crossover Hamiltoniano, non fit eseguito in questo ciclo. +- **Cosa viene assorbito dal baseline**: `numeri_primi:cycle_3` e' sia graph bridge sia intermedio classico (`brody_q=0.465`, `w_GUE=0.275`). Su questa riga il Lab non aggiunge fenomeno oltre il fatto che lo stesso campione e' ponte in due lettori. +- **Cosa resta Lab-specific**: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13` sono graph-only bridge: il grafo li mette al confine ma Brody/mixture li legge endpoint-like. +- **Cosa limita il claim Lab**: quattro righe sono classic-only intermediate (`zeta_zeros`, `random_matrix`, `cellular_automata`, `brownian_motion`) senza diventare terzo incluso nel grafo. Quindi il parametro classico non basta, ma nemmeno il grafo sostituisce il baseline classico. +- **Risultante audit**: il boundary operativo e' una relazione a due lettori: scalar crossover + posizione nel grafo. Uno dei due da solo perde informazione. + +## Claim Under Test +> Nel perimetro 8/5, il terzo incluso operativo non e' riducibile a Brody q o a una mistura Poisson/GUE-surmise; il residuo vive nel disaccordo row-aligned tra scalare classico e grafo osservabile. + +## Question +I nodi ponte del grafo 18:55 sono re-discovery di un crossover classico, oppure producono una distinzione residua? + +## Ritorno fisico +- **Punto fisico sorgente**: transizione spettrale tra caos quantistico repulsivo e indipendenza/localizzazione Poisson. +- **Attraversamento matematico**: fit Brody e mistura Poisson/GUE-surmise sulle stesse righe gia' lette dal grafo kNN. +- **Punto fisico di ritorno**: negli spettri finiti, una finestra non e' boundary perche' ha q intermedio; e' boundary quando q intermedio e posizione multi-feature del grafo vengono confrontati e il residuo resta nominabile. +- **Osservabile/test fisico possibile**: su finestre energetiche sperimentali, calcolare q Brody, peso mistura e kNN multi-feature; separare bridge coincidenti, graph-only e classic-only. +- **Se fallisce**: se su dati fisici indipendenti graph-only e classic-only spariscono, il gate Lab si riduce a baseline classico e il terzo incluso non trasferisce. + +## Experiment Design +- **Script**: `tools/exp_boundary_classical_crossover_audit.py`. +- **Input graph**: `tools/data/boundary_graph_curvature_gate_20260515_1855.json`. +- **Run**: `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json`. +- **Denominatore**: 13 righe row-aligned dal perimetro BOUNDARY, 8 GUE e 5 Poisson. +- **Fit Brody**: grid likelihood su q in [0,1], spacings normalizzati a media 1. +- **Fit Berry-Robnik-like**: griglia su peso GUE in mistura CDF `w*GUE_surmise + (1-w)*Poisson`, selezionata per KS minimo. +- **Contratto osservabile-operatore**: il ciclo testa concordanza/disaccordo tra scalare classico e graph state; non testa V_c, denominatori Sturmian, unfolding fisico alternativo o Rosenzweig-Porter Hamiltoniano. + +## Results +| audit state | count | +|---|---:| +| classic_and_graph_bridge | 1 | +| graph_only_bridge | 3 | +| classic_only_intermediate | 4 | +| endpoint_like | 5 | + +| row | label | graph_state | Brody q | w_GUE | KS | audit_state | +|---|---|---|---:|---:|---:|---| +| ising_2d:cycle_1 | GUE | class_interior | 0.090 | 0.070 | 0.428636 | endpoint_like | +| pendolo_doppio:cycle_2 | Poisson | cut_edge | 0.000 | 0.000 | 0.268279 | endpoint_like | +| numeri_primi:cycle_3 | GUE | third_included_candidate | 0.465 | 0.275 | 0.148459 | classic_and_graph_bridge | +| zeta_zeros:cycle_4 | GUE | cut_edge | 1.000 | 0.530 | 0.133555 | classic_only_intermediate | +| logistica_biforcazione:cycle_5 | GUE | class_interior | 0.000 | 0.000 | 0.998064 | endpoint_like | +| string_vibration:cycle_6 | Poisson | cut_edge | 0.000 | 0.000 | 0.060129 | endpoint_like | +| random_matrix:cycle_7 | GUE | cut_edge | 0.975 | 0.475 | 0.119491 | classic_only_intermediate | +| cellular_automata:cycle_8 | GUE | class_interior | 1.000 | 0.435 | 0.416708 | classic_only_intermediate | +| percolation:cycle_9 | Poisson | third_included_candidate | 0.025 | 0.025 | 0.054635 | graph_only_bridge | +| coupled_oscillators:cycle_10 | Poisson | class_interior | 0.000 | 0.000 | 0.079806 | endpoint_like | +| reaction_diffusion:cycle_11 | GUE | third_included_candidate | 0.000 | 0.000 | 0.174423 | graph_only_bridge | +| brownian_motion:cycle_12 | Poisson | cut_edge | 0.205 | 0.250 | 0.026002 | classic_only_intermediate | +| logistica_biforcazione_var_3.5699:cycle_13 | GUE | third_included_candidate | 0.000 | 0.000 | 0.969277 | graph_only_bridge | + +## Key Findings +1. Verificato: il denominatore resta quello richiesto, 13 righe con 8 GUE e 5 Poisson. +2. Verificato: un solo nodo ponte del grafo e' anche intermedio classico: `numeri_primi:cycle_3`. +3. Verificato: tre nodi ponte sono graph-only: `percolation:cycle_9`, `reaction_diffusion:cycle_11`, `logistica_biforcazione_var_3.5699:cycle_13`. +4. Verificato: quattro righe sono classic-only intermediate senza essere terzo incluso nel grafo: `zeta_zeros:cycle_4`, `random_matrix:cycle_7`, `cellular_automata:cycle_8`, `brownian_motion:cycle_12`. +5. Inferito: il terzo incluso non e' uno scalare di crossover. E' una discrepanza controllata fra lettore classico e posizione multi-osservabile. + +## Verdict +CONSTRAINT + +Il boundary trasferisce come audit a due lettori. Brody/Berry-Robnik-like e grafo misurano aspetti diversi dello stesso confine; nessuno dei due chiude il terzo incluso da solo. + +## Bicono della scoperta +- **Due radici**: parametro classico di crossover; nodo ponte del grafo Lab. +- **Singolare**: riga di dominio row-aligned prima della classificazione. +- **Invariante di passaggio**: disaccordo nominabile tra `classic_and_graph`, `graph_only`, `classic_only`, `endpoint_like`. +- **Campo di possibilita**: possibile = costruire un gate fisico che richiede doppia lettura prima di chiamare boundary; non-possibile = promuovere il grafo 18:55 come scoperta autonoma senza baseline classico. + +## Consecutio +Il prossimo ciclo utile non deve aggiungere una terza metrica locale. Deve portare il gate a due lettori su un sistema fisico controllato: Rosenzweig-Porter, Anderson/mobility edge o Aubry-Andre con finestre energetiche. Il risultato da cercare e' se `graph_only` e `classic_only` sopravvivono fuori dal perimetro composito del Lab. + +## Ricadute pratiche +ssp_value: yes. Lo script crea un audit riusabile per separare re-discovery classica, residuo Lab e endpoint-like in ogni perimetro GUE/Poisson row-aligned. + +## Telemetria +- No API paid run: `ANTHROPIC_API_KEY` e `OPENAI_API_KEY` non presenti nell'ambiente. +- `python tools/dnd_scenario.py --best` eseguito: massimo discriminante `TENS_SCALE_TRASCENDENZA_LIMITE`, ma la direzione viva del campo impone il perimetro BOUNDARY 8/5. +- `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` completato. +- `python tools/exp_boundary_classical_crossover_audit.py --out tools/data/boundary_classical_crossover_audit_20260515_1904.json` completato. +- Worktree gia dirty prima del ciclo; ignorate modifiche non correlate. +- Nessun update del seme. +- Nessuna promozione e nessun public sync. + +## Files +- Script: `tools/exp_boundary_classical_crossover_audit.py` +- Data: `tools/data/boundary_classical_crossover_audit_20260515_1904.json` +- Report: `tools/data/reports/agent_20260515_1904.md` diff --git a/tools/exp_boundary_classical_crossover_audit.py b/tools/exp_boundary_classical_crossover_audit.py new file mode 100644 index 0000000000000000000000000000000000000000..4e0d6ba3c4974cc540d244bc33407cac906b9965 --- /dev/null +++ b/tools/exp_boundary_classical_crossover_audit.py @@ -0,0 +1,199 @@ +#!/usr/bin/env python3 +""" +Classical crossover audit for the 8 GUE / 5 Poisson BOUNDARY perimeter. + +The row unit is inherited from the graph-curvature gate. This script adds two +standard one-dimensional crossover readers to the same rows: + +- Brody q in [0, 1], fitted by grid likelihood on mean-normalized spacings. +- A simple Berry-Robnik-like mixture weight in [0, 1], fitted by KS distance + between the empirical CDF and w * GUE_surmise + (1-w) * Poisson. + +These are audit coordinates, not new Lab observables. The Lab-specific residue +is the disagreement between graph bridge rows and classical scalar intermediacy. +""" + +from __future__ import annotations + +import argparse +import json +import math +from pathlib import Path +from typing import Any + +import numpy as np + +from exp_semireal_boundary_transfer_gate import row_spacings + + +def load_json(path: Path) -> dict[str, Any]: + with path.open() as f: + data = json.load(f) + if not isinstance(data, dict): + raise ValueError(f"{path} must contain a JSON object") + return data + + +def normalize_spacings(gaps: np.ndarray) -> np.ndarray: + gaps = np.asarray(gaps, dtype=float) + gaps = gaps[np.isfinite(gaps)] + gaps = gaps[gaps > 0] + if len(gaps) == 0: + raise ValueError("no positive finite spacings") + mean = float(np.mean(gaps)) + if mean <= 1e-15: + raise ValueError("spacing mean is zero") + return gaps / mean + + +def brody_pdf(s: np.ndarray, q: float) -> np.ndarray: + beta = math.gamma((q + 2.0) / (q + 1.0)) ** (q + 1.0) + return (q + 1.0) * beta * np.power(s, q) * np.exp(-beta * np.power(s, q + 1.0)) + + +def fit_brody_q(s: np.ndarray, grid_size: int) -> tuple[float, float]: + qs = np.linspace(0.0, 1.0, grid_size) + best_q = 0.0 + best_nll = float("inf") + for q in qs: + pdf = np.maximum(brody_pdf(s, float(q)), 1e-300) + nll = -float(np.sum(np.log(pdf))) + if nll < best_nll: + best_nll = nll + best_q = float(q) + return best_q, best_nll + + +def poisson_cdf(s: np.ndarray) -> np.ndarray: + return 1.0 - np.exp(-s) + + +def gue_wigner_cdf(s: np.ndarray) -> np.ndarray: + a = 4.0 / math.pi + return 1.0 - np.exp(-a * s * s) * (1.0 + a * s * s) + + +def empirical_ks(s: np.ndarray, model_cdf: np.ndarray) -> float: + empirical = np.arange(1, len(s) + 1, dtype=float) / float(len(s)) + return float(np.max(np.abs(empirical - model_cdf))) + + +def fit_mixture_weight(s: np.ndarray, grid_size: int) -> tuple[float, float]: + sorted_s = np.sort(s) + poi = poisson_cdf(sorted_s) + gue = gue_wigner_cdf(sorted_s) + best_w = 0.0 + best_ks = float("inf") + for w in np.linspace(0.0, 1.0, grid_size): + model = (1.0 - w) * poi + w * gue + ks = empirical_ks(sorted_s, model) + if ks < best_ks: + best_ks = ks + best_w = float(w) + return best_w, best_ks + + +def classical_state(brody_q: float, mixture_w: float, graph_state: str) -> str: + brody_mid = 0.25 <= brody_q <= 0.75 + mix_mid = 0.25 <= mixture_w <= 0.75 + if graph_state == "third_included_candidate" and (brody_mid or mix_mid): + return "classic_and_graph_bridge" + if graph_state == "third_included_candidate": + return "graph_only_bridge" + if brody_mid or mix_mid: + return "classic_only_intermediate" + return "endpoint_like" + + +def run(args: argparse.Namespace) -> dict[str, Any]: + graph = load_json(Path(args.graph)) + graph_rows = graph.get("geometry", {}).get("rows", []) + if not isinstance(graph_rows, list) or not graph_rows: + raise ValueError("graph input has no geometry.rows") + + rows = [] + for grow in graph_rows: + gaps = row_spacings(grow["domain"]) + gaps = gaps[: args.n_gaps] if len(gaps) > args.n_gaps else gaps + s = normalize_spacings(gaps) + brody_q, brody_nll = fit_brody_q(s, args.grid_size) + mixture_w, mixture_ks = fit_mixture_weight(s, args.grid_size) + rows.append( + { + "domain_window": grow["domain_window"], + "domain": grow["domain"], + "source_domain_type": grow["source_domain_type"], + "graph_state": grow["boundary_state"], + "centroid_margin": grow["centroid_margin"], + "cross_neighbor_fraction": grow["cross_neighbor_fraction"], + "n_spacings": int(len(s)), + "brody_q": round(brody_q, 6), + "brody_nll": round(brody_nll, 6), + "berry_robnick_like_gue_weight": round(mixture_w, 6), + "mixture_ks": round(mixture_ks, 6), + "audit_state": classical_state(brody_q, mixture_w, grow["boundary_state"]), + } + ) + + counts: dict[str, int] = {} + for row in rows: + counts[row["audit_state"]] = counts.get(row["audit_state"], 0) + 1 + + third = [row for row in rows if row["graph_state"] == "third_included_candidate"] + graph_only = [row["domain_window"] for row in third if row["audit_state"] == "graph_only_bridge"] + classic_and_graph = [row["domain_window"] for row in third if row["audit_state"] == "classic_and_graph_bridge"] + classic_only = [row["domain_window"] for row in rows if row["audit_state"] == "classic_only_intermediate"] + + output = { + "experiment": "boundary_classical_crossover_audit", + "question": "Do graph bridge rows collapse to standard Brody/Berry-Robnik-like crossover coordinates?", + "observables_registry": "none; classical audit coordinates plus prior graph observables", + "observables_used": [ + "brody_q", + "berry_robnick_like_gue_weight", + "mixture_ks", + "graph_boundary_state_from_1855", + "centroid_margin_from_1855", + "cross_neighbor_fraction_from_1855", + ], + "params": vars(args), + "source_graph": args.graph, + "observable_contract": { + "claim": "Lab bridge rows retain residue after comparison with classical crossover scalars", + "observable": "row-aligned Brody q, Berry-Robnik-like GUE mixture weight, graph bridge state", + "operator": "classical scalar audit over the same 13 BOUNDARY rows used by the graph gate", + "generator": "row_spacings(domain) with graph states imported from boundary_graph_curvature_gate", + "denominator": "13 rows: 8 GUE and 5 Poisson", + "non_possible": "Lab-specific bridge if every graph bridge is exactly a classical intermediate and no classical-only intermediate appears", + "not_tested": "true Rosenzweig-Porter Hamiltonian flow, physical unfolding alternatives, asymptotic universality", + }, + "summary": { + "rows_analyzed": len(rows), + "audit_counts": counts, + "graph_third_included": [row["domain_window"] for row in third], + "classic_and_graph_bridge": classic_and_graph, + "graph_only_bridge": graph_only, + "classic_only_intermediate": classic_only, + "lab_residue_present": bool(graph_only or classic_only), + }, + "rows": rows, + } + return output + + +def main() -> None: + parser = argparse.ArgumentParser() + parser.add_argument("--graph", default="tools/data/boundary_graph_curvature_gate_20260515_1855.json") + parser.add_argument("--n-gaps", type=int, default=2048) + parser.add_argument("--grid-size", type=int, default=201) + parser.add_argument("--out", default="tools/data/boundary_classical_crossover_audit_20260515_1904.json") + args = parser.parse_args() + output = run(args) + out = Path(args.out) + out.parent.mkdir(parents=True, exist_ok=True) + out.write_text(json.dumps(output, indent=2, sort_keys=True) + "\n") + print(json.dumps(output["summary"], indent=2, sort_keys=True)) + + +if __name__ == "__main__": + main() tokens used 115,245 Eseguito il ciclo e scritto il report richiesto: [tools/data/reports/agent_20260515_1904.md](/opt/MM_D-ND/tools/data/reports/agent_20260515_1904.md) Creati anche: - [tools/exp_boundary_classical_crossover_audit.py](/opt/MM_D-ND/tools/exp_boundary_classical_crossover_audit.py) - [tools/data/boundary_classical_crossover_audit_20260515_1904.json](/opt/MM_D-ND/tools/data/boundary_classical_crossover_audit_20260515_1904.json) Verifiche eseguite: - `python -m py_compile tools/exp_boundary_classical_crossover_audit.py` - run esperimento completato - `python tools/lab_preflight_agent.py --cycle 20260515_1904 --json` Preflight: `ARTIFACT_USEFUL_NOT_PUBLISHABLE`, azione consigliata `KEEP_ARTIFACT_STOP_REPORT_PROMOTION`. Nessun update del seme, nessuna promozione, nessun sync pubblico.