❶ 这个框架能用数学表达吗？

可以——但必须附上重要的但书，说明数学在目前阶段能做和不能做的事。本页是 ECI 协调本体论（coordination ontology）的完整方程式目录：每一个方程式、每一个变量、每一个假设，统一收录在此以供查阅。

其中部分方程式是从统计学、信息理论和物理学借用的既有数学工具。另一部分是定义——将 ECI 的概念词汇形式化的记号惯例。少数几条是提议性的关系式，其函数形式仍属未知。还有一条是明确的玩具模型（toy model），用于建立直觉，但不打算作为量化预测。

本页每一条方程式都附带六项元数据（metadata）：Source、Status、Assumptions、Variables、Empirical implication / N/A for definitions，以及（如适用）其分类理由。这是一个参考页面——以查阅为导向，而非叙事性文字。若你想了解这些方程式背后的概念脉络，请循链接前往各方程式所在的上下文页面。

❷ 数学为何重要

数学在一个理论框架中具备三项功能：

精确性（Precision）。 自然语言存在歧义。「信息形塑载体」可以有多种意思。将相容函数写成 Q(I, C, C) 则迫使你明确指定：Q 接收三个引数、回传一个纯量（或至少是有序集合上的一个值），并且取决于信息模式、载体与通道之间的关系。你无法像在句子里那样，把歧义藏在方程式里。

推导性（Deduction）。 一旦将关系形式化，你就能推导出从语言描述中不明显的结果。带相关性延伸的方差公式（方程式 10）告诉你一些「协调影响宏观稳定性」这句话没有说出的事情：具体而言，微观组件之间的正相关可以增加宏观层级的波动，而不仅仅是降低它。这一后果单靠语言无法直觉地得出。

可测试性（Testability）。 方程式产生可与数据比较的预测。「持久的事物与其环境相容」作为陈述并不可测试。但「p_{t+Delta_t}(Omega) 正比于 p_t(Omega) 乘以 S(Omega, Delta_t)，其中 S 可独立测量」则提供了可测量、可拟合、并且有可能遭到否定的东西。

然而，数学也可能带来虚假的信心。一个精确但函数形式未知的方程式——例如 S = f(Q, stability, E, robustness, ...)——并不比语言版本更具信息量。它只是看起来更具信息量。本页对于哪些方程式现在就可供量化使用、哪些仅为等待具体化的形式范本，会如实交代。

❸ ECI 使用的既有数学工具

ECI 并非从头建构其数学。它借助多个成熟的数学框架，将这些工具改编到协调本体论的脉络中。

| Mathematical tool | Field of origin | How ECI uses it | Key reference | |---|---|---|---| | Shannon 熵 H(X) = -Sigma p(x) log p(x) | 信息理论（Information theory） | 量测载体的信息含量；量化观测者压缩中损失的信息 | Shannon (1948) | | 数据处理不等式（Data Processing Inequality, DPI）：I(X;Z) <= I(X;Y) for Markov chain X -> Y -> Z | 信息理论（Information theory） | 形式化观测者压缩——观测者的输出不可能包含比观测者所接收到的更多的关于来源的信息 | Cover & Thomas (2006) | | 带相关性延伸的平均值方差公式（Variance of the mean with correlation extension） | 概率论／统计学（Probability / statistics） | 连结微观层级的协调与宏观层级的稳定性；相关性项驱动涌现理论 | 标准概率论 | | 复制子动态（Replicator dynamics）：dx_i/dt = x_i[f_i(x) - phi(x)] | 演化博弈理论（Evolutionary game theory） | 持续性过滤的结构类比（特殊情况：仅限复制型族群） | Taylor & Jonker (1978); Hofbauer & Sigmund (1998) | | Bayesian 更新（Bayesian updating）：后验正比于先验乘以似然 | 概率论（Probability theory） | 持续性过滤方程式的范本 | Bayes (1763); 标准 | | 重整化群／粗粒化（Renormalization group / coarse-graining） | 统计物理（Statistical physics） | 尺度递归函数 G 的范本 | Kadanoff (1966); Wilson (1971) | | Born 规则（Born rule）：P(outcome) = |<psi\|phi>|^2 | 量子力学（Quantum mechanics） | 观测者零假设（H_0）的基础 | Born (1926); 标准量子力学 |

这些并非 ECI 的贡献。它们是 ECI 在其上建构的数学基础设施。以下使用这些工具的每一条方程式，都继承了它们的假设和限制。

❹ 完整方程式目录

本节包含 ECI 框架的全部十三条方程式。每条方程式均附带完整的元数据：Source、Status、Assumptions、Variables（如适用含单位）、以及 Falsifiable consequence。

五个状态类别如下：

| Status | Meaning | |---|---| | 定义（Definition） | ECI 框架内的记号惯例；本身不可单独进行经验测试 | | 已确立（Established） | 在明确陈述的有效范围内，被接受的数学定理、定义或经验上充分支持的关系；非 ECI 贡献 | | 改编（Adapted） | 从既有数学改写而来，结构保留；ECI 将其应用于新的领域 | | 提议（Proposed） | ECI 提出的新关系式；函数形式可能未知 | | 玩具模型（Toy model） | 在简化假设下仅供说明之用；不打算作为量化预测 |

方程式 1 —— ECI 运作系统

Omega_ECI = (I, C, E ; C)

ECI 框架的核心运作单元：任何运作中的系统都需要信息（Information, I）、载体（Carrier, C）和能量（Energy, E），在通道（Channel, C）的约束下运行。

| Metadata | Content | |---|---| | Source | ECI 原创——定义框架的最小单元 | | Status | 定义（Definition） | | Assumptions | (1)「运作中的系统」意指处理、维持或转换信息的系统。(2) 这三个元素联合必要且各自不充分。(3) 通道 C 约束但不消除系统的运作。 | | Variables | I = 信息模式（information pattern）（无量纲，或以 Shannon 熵量化时为比特 bits）；C = 载体（carrier）（物理基质；类型取决于系统）；E = 能量（energy）（焦耳 J，或以瓦特 W 表示能量流率）；C = 通道（channel）（载体运作所经由的介质／基质；以维度、时间及耦合约束来表征） | | Falsifiable consequence | 若发现一个运作中的系统，其三个元素（I、C、E）之一确实不存在——不仅仅是难以辨识，而是可证明地不存在——则 ECI 分解对该系统失败。若该分解在多种系统类型中未能提供超越现有描述的预测力或解释力，则此框架不具实用性。 |

详细发展于：ECI 单元

方程式 2 —— 包含关系

C in C_alpha

载体始终在特定通道之内（被其包含）运作。通道的特性——其维度架构、时间带宽、耦合特性——约束载体能做的事。

| Metadata | Content | |---|---| | Source | ECI 原创——形式化载体与通道的关系 | | Status | 定义（Definition） | | Assumptions | (1) 每个载体至少有一个可辨识的通道。(2) 通道的约束是真实的且可测量的，而非仅为分类标签。(3) 载体可能跨越多个通道运作，但每次运作都受其当前所在通道的约束。 | | Variables | C = 载体（carrier）（携带信息的物理基质）；C_alpha = 特定通道（channel）（约束载体的介质／环境）；下标 alpha 索引的是哪个通道 | | Falsifiable consequence | 若载体经常以违反其通道已知约束的方式运作——例如，若通过某介质传输的电磁信号持续超过该介质的带宽限制——则包含关系有误。若通道特性对载体行为没有可测量的影响，则此概念毫无助益。 |

详细发展于：载体（B2）、通道（B4）

方程式 3 —— 相容函数

Q(I, C, C)

一个量化信息模式（I）与在给定通道（C）中运作的给定载体（C）之间匹配程度的函数。Q 值越高，表示载体能在该通道约束下更忠实地表征和处理该信息模式。

| Metadata | Content | |---|---| | Source | ECI 原创——耦合、持续性和存取理论的核心 | | Status | 定义（Definition）（就概念而言）；提议（Proposed）（就任何具体的可操作化而言） | | Assumptions | (1) 相容性是 I-C-C 关系的一个真实的、可测量的特性，而非事后标签。(2) Q 原则上可以独立于系统是否实际持续或成功来估计。(3) Q 不是二元的（相容／不相容），而是渐进的。 | | Variables | I = 信息模式（information pattern）；C = 载体（carrier）；C = 通道（channel）；Q = 相容性（compatibility）（纯量或有序值，无量纲）。具体的可操作化可能依测量方法引入单位（例如，互信息 mutual information 以比特 bits 计，信噪比 signal-to-noise ratio 以 dB 计）。 | | Falsifiable consequence | 若独立测量的 Q 在多种系统类型中无法比随机更好地预测系统表现（信号保真度、持续时间、耦合强度），则相容性概念毫无价值。避免套套逻辑的准则至为关键：Q 必须在不参考其所预测之结果的情况下进行定义和测量。 |

详细发展于：耦合与共振（B5）、持续性过滤（C2）

方程式 4 —— 耦合强度

Gamma(X, Y)

一个量化两个系统 X 和 Y 之间信息耦合（information coupling）强度的函数——一个系统的状态在多大程度上影响或约束另一个系统的状态。

| Metadata | Content | |---|---| | Source | ECI 原创——形式化框架中使用的交互作用概念 | | Status | 定义（Definition）（就概念而言）；具体的可操作化可能是已确立的（例如，互信息 mutual information、转移熵 transfer entropy、Granger 因果性 Granger causality） | | Assumptions | (1) 耦合强度是 X-Y 关系的一个可测量特性。(2) Gamma 在一般情况下是对称的，但可分解为方向性分量（X 影响 Y 与 Y 影响 X）。(3) Gamma = 0 意味着统计独立；Gamma > 0 意味着某种程度的相互约束。 | | Variables | X、Y = 两个系统（可以是任何尺度的 ECI 单元、子系统或组件）；Gamma = 耦合强度（coupling strength）（以标准化互信息定义时为无量纲；以原始互信息定义时为比特 bits；以物理耦合量值定义时为领域特定单位，如弹簧常数 N/m） | | Falsifiable consequence | 若以 Gamma 测量的耦合强度未能预测 X 和 Y 之间的协调行为程度——若高耦合系统（高 Gamma）的行为并不比弱耦合系统（低 Gamma）更协调——则此量值并未捕捉到它所声称的东西。 |

详细发展于：耦合与共振（B5）

方程式 5 —— 资源预算

B_total = B_ordinary + B_extra + B_maintenance

系统可用的总资源预算，分解为三个功能类别。关键洞察：「货币」B 可以是能量、神经组织、发育投资、处理时间，或任何其他有限资源。给定功能 i 可用的载体容量 K_i 随后从分配的预算导出：K_i = g(B_i, architecture)。

| Metadata | Content | |---|---| | Source | ECI 原创——资源配置框架 | | Status | 提议（Proposed） | | Assumptions | (1) 在给定时间窗口内，总资源是有限且守恒的（或至少有界的）。(2) 存在有意义的三分法：常规运作、额外／探索性容量、以及维护／修复。(3) 从预算 B_i 到容量 K_i 的映射取决于系统的架构——相同的预算在不同架构中产生不同的容量。(4) 预算类别可能重叠或随时间转移；此分解代表的是一个快照。 | | Variables | B_total = 总资源预算（total resource budget）（单位取决于资源：能量为焦耳 J、神经组织为 mm^3、处理时间为小时等）；B_ordinary = 分配给常规运作的资源；B_extra = 分配给探索性、新颖或非常规功能的资源；B_maintenance = 分配给维护、修复、错误校正的资源；K_i = 从预算分配 i 导出的载体容量（carrier capacity）（比特 bits、状态数，或领域特定的容量单位）；g = 架构依赖的映射函数（形式未指定） | | Falsifiable consequence | 若三分法未能在有意义的接合处划分资源使用——若系统无法以常规／额外／维护分配来有效表征，或若此分解未能预测效能取舍（例如，增加 B_extra 而牺牲 B_maintenance 导致更高探索性但更低稳健性）——则此框架在「资源是有限的」之外毫无助益。 |

详细发展于：跨通道存取（E1）、载体（B2）

方程式 6 —— 独立机会匹配（玩具模型）

P(match >= 1) = 1 - (1 - q)^N

在 N 个独立机会中，每个机会的成功概率为 q 时，至少一次成功匹配的概率。这是标准概率论的结果，在此作为存取概率如何随机会数量扩展的简化说明。

| Metadata | Content | |---|---| | Source | 标准概率论（所有 N 次独立试验均失败之概率的补数） | | Status | 玩具模型（Toy model） | | Assumptions | (1) 每个机会与其他所有机会独立——这是关键性的简化，在真实系统中几乎确定为假。(2) 每个机会具有相同的成功概率 q——在实务上也不切实际。(3) N 个机会在相关时间窗口内可同时或依序取得。这些假设被明确承认为不切实际。真实系统具有相关的机会、可变的 q，以及结构化的（而非随机的）搜索。 | | Variables | P(match >= 1) = 至少一次成功匹配的概率（无量纲，范围 [0, 1]）；q = 每个机会的成功概率（per-opportunity success probability）（无量纲，范围 [0, 1]）；N = 独立机会数（无量纲整数） | | Falsifiable consequence | 作为玩具模型，此方程式不打算对真实系统做量化预测。其可证伪的内容仅限于定性主张：在其他条件相同的情况下，增加 N（机会数量）会增加至少一次匹配的概率。若增加独立机会的数量并未增加匹配概率——若对真正独立的机会仍有强烈的递减报酬——则基本概率论将会是错的（而它不是）。真正可证伪的问题是，真实系统是否能被独立机会很好地近似（它们几乎确定不能）。 |

详细发展于：跨通道存取（E1）

方程式 7 —— 功能性存取

A_access approx [1 - (1 - q)^N] x R(kappa, K, Gamma, stability)

系统实际达成的存取是机会匹配概率（方程式 6）与调节因子 R 的乘积，R 取决于协调性（kappa）、载体容量（K）、耦合强度（Gamma）和系统稳定性。R 的函数形式目前未知。

| Metadata | Content | |---|---| | Source | ECI 原创——尝试将玩具模型（方程式 6）连结到真实系统的表现 | | Status | 提议（Proposed） | | Assumptions | (1) 存取可以有意义地分解为「机会」分量和「系统备妥性」分量。(2) 这两个分量大致上是相乘的（而非，例如相加或取最小值）。(3) R 捕捉调节已匹配机会是否实际被利用的系统层级因素。(4) R 的函数形式未知——此方程式是结构假设，而非量化模型。 | | Variables | A_access = 实现的存取（realized access）（无量纲或领域特定单位如比特/秒、信号侦测概率等）；q、N = 如方程式 6；kappa = 协调参数（coordination parameter）（无量纲；来自 C1）；K = 载体容量（carrier capacity）（比特 bits 或领域特定）；Gamma = 耦合强度（coupling strength）（如方程式 4）；stability = 系统稳定性量值（领域特定）；R = 调节函数（modulating function）（形式未知） | | Falsifiable consequence | 若实现的存取不依赖于系统层级因素（kappa、K、Gamma、stability）——若单独的机会匹配概率就足以在多样化的系统中预测存取——则 R 是不必要的，此分解毫无助益。若找不到任何 R 的可操作化能改善超越基线 P(match >= 1) 的预测，则此提议结构失败。 |

详细发展于：跨通道存取（E1）

方程式 8 —— 持续性过滤方程式

p_{t+Delta_t}(Omega) = p_t(Omega) . S(Omega, Delta_t) / Z

时间 t + Delta_t 的配置分布等于先验分布乘以存活函数 S 再重新归一化。这在数学上与 Bayesian 更新完全相同，其中「存活」扮演似然函数的角色。

| Metadata | Content | |---|---| | Source | 改编自一般的 Bayesian 更新／筛选动态。其数学结构（先验乘以似然，再归一化）是标准的。将其应用于任意配置空间作为一般过滤原则，是 ECI 的贡献。 | | Status | 改编（Adapted） | | Assumptions | (1) 配置可以有意义地表示为配置空间 Omega 中的点。(2) 存活函数 S(Omega, Delta_t) 是良定义的且原则上可估计。(3) 配置空间在区间 Delta_t 内不变，或相对于过滤动态变化缓慢。(4) 在区间内不生成新配置——此方程式仅捕捉过滤，不含变异。完整模型在变异步骤与过滤步骤之间交替。 | | Variables | p_t(Omega) = 时间 t 的配置概率密度（无量纲密度，积分为 1）；S(Omega, Delta_t) = 配置 Omega 在区间 Delta_t 内的存活概率（survival probability）（无量纲，范围 [0, 1]）；Z = 归一化常数 = integral of p_t(Omega') . S(Omega', Delta_t) dOmega'（确保 p_{t+Delta_t} 积分为 1）；Delta_t = 时间区间（秒、年或任何一致的时间单位） | | Falsifiable consequence | 方程式本身几近套套逻辑（「存活下来的东西在存活的族群中更常见」）。可证伪的内容通过 S 的提议分解（方程式 9）进入。若 S 无法从可测量的配置特性独立预测——若存活实际上是随机的——则持续性过滤框架在「持续更久的事物被观察到的次数更多」之外，不具备任何解释价值。 |

详细发展于：持续性过滤（C2）

方程式 9 —— 存活函数分解

S = f(Q, stability, E, robustness, ...)

是什么决定一个配置是否存活？ECI 假设存活函数 S 可分解为来自相容性（Q）、结构稳定性、能量存取（E）、稳健性，以及可能的其他因素的贡献。f 的函数形式未指定。

| Metadata | Content | |---|---| | Source | ECI 原创——提议存活函数的结构 | | Status | 提议（Proposed） | | Assumptions | (1) 存活不是随机的——存在可测量的配置特性，能预测其持续概率。(2) 这些特性可归类为所列的类别（相容性、稳定性、能量、稳健性）。(3) 所列因素是存活的主要决定因子（可能存在其他因素但属次要）。(4) 每个因素可以独立测量，不参考存活结果。这最后一项假设是避免套套逻辑的准则，不可妥协。 | | Variables | S = 存活概率（survival probability）（无量纲，范围 [0, 1]）；Q = 相容函数（compatibility function）（如方程式 3）；stability = 结构稳定性（structural stability），以 Lyapunov 指数（1/s）、自由能景观中的盆地深度（J）或特征值分析（领域特定）来可操作化；E = 能量存取（energy access）（瓦特 W 或 J/s）；robustness = 扰动容忍度（perturbation tolerance），以配置在不发生质性状态变化的情况下可吸收的最大扰动幅度来测量（领域特定单位）；f = 将这些因素映射到存活概率的未知函数 | | Falsifiable consequence | 若独立测量的 Q、stability、E 和 robustness 在多个受测系统中未能比随机更好地预测 S——且不优于更简单的单变量基线（例如，仅热力学稳定性、仅质量）——则此分解增加了不必要的复杂性。若非复制性系统中的存活在多个领域和测量方法中确实是随机的，则持续性过滤不是一个有用的视角。 |

详细发展于：持续性过滤（C2）

方程式 10 —— 带相关性延伸的平均值方差

Var(X-bar) = sigma^2 / N + (2 / N^2) Sigma_{i < j} Cov(X_i, X_j)

N 个可能相关的随机变量之样本平均值的方差。第一项是独立变量的经典结果；第二项捕捉组件之间的相关性如何影响宏观层级的稳定性。

| Metadata | Content | |---|---| | Source | 标准概率论与统计学。非 ECI 贡献。 | | Status | 已确立（Established） | | Assumptions | (1) X_1, ..., X_N 具有共同方差 sigma^2（若方差不同，公式可直接推广）。(2) 二阶矩存在（方差和协方差是有限的）。(3) 所关心的宏观变量是样本平均值 X-bar = (1/N) Sigma X_i。对于微观状态的非线性函数之宏观变量，此公式不直接适用——需要粗粒化函数 G（方程式 11）。 | | Variables | X-bar = N 个变量的样本平均值（单位与 X_i 相同）；sigma^2 = 个别变量的方差（单位为 X_i 的平方）；N = 组件数量（无量纲整数）；Cov(X_i, X_j) = 组件 i 和 j 之间的协方差（covariance）（单位为 X_i 的平方） | | Falsifiable consequence | 公式本身是一个数学恒等式——不可能被经验否证。可以被测试的是 ECI 的诠释性主张，即相关性项（第二项）「比 1/N 项对协调理论更具相关性」。若在真实的协调系统中相关性项始终可忽略——若独立同分布（IID）近似总是足够的——则对协调结构的强调是错置的，更简单的模型即已足够。 |

详细发展于：涌现与尺度（C4）

方程式 11 —— 尺度递归

X^{(L+1)} = G_L(X^{(L)})

在层级 L 进行粗粒化的宏观变量，在层级 L+1 充当有效的微观变量。函数 G_L 是层级特定的粗粒化函数，捕捉层级 L 的实体如何交互作用并结合以产生层级 L+1 的有效实体。

| Metadata | Content | |---|---| | Source | ECI 原创，受统计物理中重整化群方法的启发（Kadanoff 1966, Wilson 1971）。层级式粗粒化的一般概念已相当成熟；递归 G_L 结构广泛适用于复杂系统的具体主张，则是 ECI 的贡献。 | | Status | 提议（Proposed） | | Assumptions | (1) 可辨识的层级存在——层级边界可以被有意义地划定。(2) G_L 捕捉了从层级 L 到层级 L+1 过渡的本质动态。(3) 跨层级的反馈虽然真实存在，但相对于 G_L 所捕捉的「向上」粗粒化而言是次要的。(4) G_L 在每个层级可能不同——细胞结合成组织的方式，与生物体结合成族群的方式不同。(5) 真实的阶层可能并非严格嵌套的；跳级和向下的交互作用使递归图像更加复杂。 | | Variables | X^{(L)} = 层级 L 的状态向量（state vector）（组件和单位取决于系统和层级——分子坐标、细胞状态、生物体行为等）；G_L = 层级 L 的粗粒化函数（coarse-graining function）（将一组层级-L 状态映射到一个层级-(L+1) 状态）；L = 层级索引（level index）（无量纲整数） | | Falsifiable consequence | 若同一系统不同层级的 G 函数在结构上毫无共通之处——若没有一般性的模式在层级过渡中重现——则「跨尺度相同语法」的主张失败，尺度递归不是一个富有成效的框架。若复杂系统中的宏观特性与微观层级的变异、协调或网络结构没有系统性的关系，则 G 框架不具实用性。 |

详细发展于：涌现与尺度（C4）

方程式 12 —— 观测者压缩与数据处理不等式

Y = Pi_O(X)

I(X; Z) <= I(X; Y) for Markov chain X -> Y -> Z

观测者（O）将来源信息（X）压缩为输出表征（Y = Pi_O(X)），其中 Pi_O 是观测者的压缩／投影函数。数据处理不等式（Data Processing Inequality, DPI）保证任何进一步的处理（Y -> Z）不能增加关于来源 X 的信息。

| Metadata | Content | |---|---| | Source | DPI 是信息理论中的既有结果（Cover & Thomas, 2006）。压缩函数 Y = Pi_O(X) 是 ECI 将 DPI 应用于观测者系统的记号。 | | Status | 已确立（Established）（DPI）；定义（Definition）（Pi_O 记号及其对观测者的应用） | | Assumptions | (1) 处理链 X -> Y -> Z 构成 Markov 链（Z 仅通过 Y 依赖 X）。(2) 观测者的输出 Y 是其输入的函数——观测者无法存取超出其感觉通道所接收的关于 X 的信息。(3) 互信息 I(X; Y) 是良定义的（相关的概率分布存在且具有有限熵）。 | | Variables | X = 来源状态（source state）（被观测的现实面向；单位和维度取决于脉络）；Y = 观测者输出（observer output）（观测者对 X 的表征；维度通常远低于 X）；Z = 对 Y 的任何进一步处理；Pi_O = 观测者特定的压缩／投影函数（observer-specific compression/projection function）；I(X; Y) = X 和 Y 之间的互信息（mutual information）（比特 bits） | | Falsifiable consequence | DPI 本身是一个数学定理，在其假设范围内不能被经验否证。然而，ECI 将其应用于观测者则提出了一个可测试的主张：观测者的输出不应包含比观测者通过其输入通道所接收的更多的关于来源的信息。 若发现系统性的违反——若某观测者可被证明从其输入中提取了比输入中存在的更多的关于来源的信息——则要么 Markov 链假设有误（存在隐藏通道）、要么互信息的测量有缺陷、要么 DPI 被违反了（这将需要修正信息理论本身）。 |

详细发展于：观测者压缩（D4）

方程式 13 —— 观测者零假设

H_0: P(outcome | observer_A) = P(outcome | observer_B) if physical setup identical

观测者独立性的零假设：若两位观测者设置了物理上完全相同的测量装置，其结果的概率分布应该相同。任何观测者特定的对物理测量结果的影响，都将违反此零假设。

| Metadata | Content | |---|---| | Source | 标准量子力学的预测。Born 规则给出 P(outcome) = |<psi\|phi>|^2，这取决于量子态和测量装置，而非谁在观看。这是每位在职物理学家的预设期望。 | | Status | 已确立（Established）（作为标准量子力学的预测） | | Assumptions | (1)「物理设置相同」意指量子态制备、测量装置和环境条件相同（在实验精度范围内）。(2) 观测者身份是两个条件之间唯一不同的变量。(3) 测量结果从 Born 规则分布中取样。 | | Variables | P(outcome | observer_A) = 在观测者 A 进行实验时，特定测量结果的概率（无量纲，范围 [0, 1]）；P(outcome | observer_B) = 观测者 B 的同上；outcome = 测量结果（领域特定：光子侦测、自旋测量等） | | Falsifiable consequence | 若大规模、充分统计效力、预先注册、基于量子随机数产生器（QRNG）随机化的实验，在物理设置控制为相同的情况下，发现测量结果分布系统性地依赖于观测者身份，则零假设被拒绝。这将是物理学史上最非凡的实验结果之一。ECI 明确纳入此零假设，以便对其进行严格测试，并（最可能地）确认之，从而约束框架的投机性边缘。拒绝 H_0 将打开观测者复杂性影响物理的边界；确认 H_0 则将关闭它。 |

详细发展于：观测者与经验（D3）、可证伪性（F3）

❺ 数学目前能做与不能做的事

以上十三条方程式分为两个截然不同的类别，混淆它们将是严重的错误。

数学现在能做的事

形式范本。 持续性过滤方程式（方程式 8）、方差公式（方程式 10）、DPI（方程式 12）和观测者零假设（方程式 13）在数学上是精确的，今天就可以应用于数据。它们具有良定义的输入、良定义的输出，以及良定义的适用或失败条件。

强制精确的定义。 ECI 运作系统（方程式 1）、包含关系（方程式 2）、相容函数（方程式 3）、耦合强度（方程式 4）和观测者压缩记号（方程式 12）迫使框架明确指定其变量及其关系。它们防止了困扰许多理论框架的语言滑溜性。

定性预测。 即使是玩具模型（方程式 6）和提议的方程式（方程式 5、7、9、11）也产生定性预测：更多独立机会应增加匹配概率；存活应与独立测量的相容性相关；相关性项在协调系统中应该是重要的。

数学目前不能做的事

从提议方程式进行量化预测。 方程式 5、7、9 和 11 的函数形式未知。写下 S = f(Q, stability, E, robustness, ...) 并不能告诉你 S 是这些因素的乘积、加权和、阈值函数，还是完全不同的东西。在函数形式被指定（或至少被数据约束）之前，这些方程式是关于哪些变量重要的假设，而非预测模型。

数值。 即使在函数形式已知的情况下（例如方差公式），框架尚未为大多数参数提供数值估计。特定神经回路的 kappa 是多少？特定载体-通道配对的 Q 是多少？这些需要在特定系统中进行经验测量——方程式告诉你要测量什么，而不是测量结果会是什么。

跨系统比较。 框架提议相同的形式结构适用于各系统（尺度递归、持续性过滤、V-kappa 框架）。这是否实际为真是一个经验问题。数学提供比较的范本；它不保证比较将是富有成效的。

❻ 可操作化优先序

并非所有方程式都同样准备好进行经验测试。下表按目前的可测试性对它们进行排序，并指出将每条方程式推向经验使用所需的下一步。

| Equation | Current testability | What is needed next | Priority | |---|---|---|---| | 方程式 10（带相关性的方差） | 现在可测试——适用于任何具有微观层级数据和宏观层级量测的系统 | 多系统比较：相关性项是否在神经、生态和社会系统中改善对宏观稳定性的预测？ | 高 | | 方程式 12（DPI / 观测者压缩） | 现在可测试——测量任何感觉／处理系统的输入和输出之间的互信息 | 跨感觉模态的系统性测试：是否有任何系统违反 DPI 界限？ | 高 | | 方程式 13（观测者零假设） | 现在可测试——以观测者身份作为控制变量的标准量子力学实验 | 大规模、预先注册、基于 QRNG 的实验，测试观测者身份是否影响测量统计 | 高 | | 方程式 8（持续性过滤器） | 在可操作化后可测试——需要可独立测量的 S | 识别 p_t 和 S 均可独立估计的系统；矿物稳定性、蛋白质折叠持续性，或组织存活 | 中 | | 方程式 9（S 分解） | 在可操作化后可测试——需要 Q、stability、E、robustness 的独立量值 | 从这些变量已有既定可操作化的系统开始（例如晶体的热力学稳定性、生态系统的能量预算） | 中 | | 方程式 11（尺度递归） | 在可操作化后可测试——需要在同一系统的多个层级识别 G | 神经回路（单一神经元到族群）、生态阶层（生物体到群落）、社会系统（个人到组织） | 中 | | 方程式 5（资源预算） | 在特定系统中可测试——需要测量预算分配 | 神经科学：神经组织分配是否可以有意义地分解为常规／额外／维护？生态学：能量预算是否可以？ | 中低 | | 方程式 4（耦合强度） | 通过既有量值可测试——互信息、转移熵、Granger 因果性均为既有量值 | 应用于 ECI 特定的预测：Gamma 是否预测协调结果？ | 中 | | 方程式 3（相容性 Q） | 需要可操作化——概念需要领域特定的测量协定 | 为至少三个领域开发 Q 量值；测试 Q 是否独立预测结果 | 中 | | 方程式 7（功能性存取） | 需要可操作化——R 未知 | 取决于方程式 3、4 和 5 的进展；在组件可测量之前无法测试 | 低 | | 方程式 6（玩具模型） | 不供测试——仅供说明之用；真正的问题是真实系统是否近似独立机会 | 不适用——服务于教学目的 | 不适用 | | 方程式 1、2（ECI 系统、包含关系） | 定义——通过框架整体的实用性间接测试 | 持续进行：I-C-E 分解是否在各系统中被证明有用？ | 持续进行 |

❼ 连结到其他节点

-> 应用与未来（F1）：应用主张依赖于本页开发的方程式。第一层应用（近期）依赖已确立的方程式（方程式 10、12、13）；第二层和第三层应用依赖函数形式仍未知的提议方程式。

-> 可证伪性（F3）：本页每条方程式的「Falsifiable consequence」条目，实施了 F3 页面上开发的标准。方程式状态标签（Definition、Established、Adapted、Proposed、Toy model）和六项元数据要求，源自 F3 的标签系统。F3 提供哲学；F2 提供方程式。

❽ 主符号表

ECI 框架中使用的所有记号，统一收录于此。符号按类别分组。若某符号出现在多条方程式中，全部列出。

核心 ECI 符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | Omega_ECI | ECI 运作系统（ECI operational system） | 定义（Definition） | -- | ECI 单元 | 1 | | I | 信息模式（Information pattern） | 框架变量（Framework variable） | 比特 bits（量化时）或无量纲 | ECI 单元 | 1, 3 | | C | 载体（Carrier） | 框架变量（Framework variable） | 系统依赖 | 载体（B2） | 1, 2, 3 | | E | 能量（Energy） | 框架变量（Framework variable） | J 或 W | 能量（B3） | 1, 9 | | C, C_alpha | 通道（Channel）（一般、特定） | 框架变量（Framework variable） | 以维度、时间、耦合约束表征 | 通道（B4） | 1, 2, 3 | | Q | 相容函数（Compatibility function） | 提议定义（Proposed definition） | 无量纲（或在具体可操作化中为比特 bits、dB） | 耦合（B5） | 3, 7, 9 | | Gamma | 耦合强度（Coupling strength） | 提议定义（Proposed definition） | 无量纲（标准化）或比特 bits（原始互信息） | 耦合（B5） | 4, 7 |

资源与容量符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | B_total | 总资源预算（Total resource budget） | 提议变量（Proposed variable） | 系统依赖（J、mm^3、小时等） | 跨通道（E1） | 5 | | B_ordinary | 常规运作预算（Ordinary operation budget） | 提议变量（Proposed variable） | 与 B_total 同 | 跨通道（E1） | 5 | | B_extra | 额外／探索性预算（Extra/exploratory budget） | 提议变量（Proposed variable） | 与 B_total 同 | 跨通道（E1） | 5 | | B_maintenance | 维护预算（Maintenance budget） | 提议变量（Proposed variable） | 与 B_total 同 | 跨通道（E1） | 5 | | K, K_i | 载体容量（Carrier capacity）（一般、功能特定） | 提议变量（Proposed variable） | 比特 bits 或领域特定 | 载体（B2） | 5, 7 | | g | 预算到容量的映射（Budget-to-capacity mapping） | 提议函数（Proposed function） | -- | 跨通道（E1） | 5 |

存取与匹配符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | q | 每机会成功概率（Per-opportunity success probability） | 玩具模型参数（Toy model parameter） | 无量纲 [0, 1] | 跨通道（E1） | 6, 7 | | N（匹配脉络） | 独立机会数（Number of independent opportunities） | 玩具模型参数（Toy model parameter） | 无量纲整数 | 跨通道（E1） | 6, 7 | | A_access | 实现的存取（Realized access） | 提议变量（Proposed variable） | 领域特定 | 跨通道（E1） | 7 | | R | 系统备妥性调节函数（System readiness modulating function） | 提议函数（形式未知）（Proposed function, unknown form） | 无量纲 | 跨通道（E1） | 7 |

持续性与过滤符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | Omega（配置） | 配置／配置空间（Configuration / configuration space） | 标准变量（Standard variable） | -- | 持续性（C2） | 8, 9 | | p_t(Omega) | 时间 t 的配置分布（Configuration distribution at time t） | 标准变量（Standard variable） | 无量纲密度 | 持续性（C2） | 8 | | S | 存活函数（Survival function） | 提议定义（Proposed definition） | 无量纲 [0, 1] | 持续性（C2） | 8, 9 | | Z | 归一化常数（Normalization constant） | 导出量（Derived quantity） | -- | 持续性（C2） | 8 | | Delta_t | 时间区间（Time interval） | 标准变量（Standard variable） | 秒 s、年 yr 或一致单位 | 持续性（C2） | 8 | | stability (sigma) | 结构稳定性（Structural stability） | 提议变量（Proposed variable） | Lyapunov 指数（1/s）、盆地深度（J）或基于特征值 | 持续性（C2） | 9 | | robustness (rho) | 扰动容忍度（Perturbation tolerance） | 提议变量（Proposed variable） | 领域特定 | 持续性（C2） | 9 |

涌现与尺度符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | X-bar | 样本平均值（Sample mean） | 标准变量（Standard variable） | 与 X_i 同 | 涌现（C4） | 10 | | sigma^2 | 个别变量的方差（Variance of individual variables） | 标准变量（Standard variable） | (X_i 的单位)^2 | 涌现（C4） | 10 | | N（组件） | 微观层级组件数（Number of micro-level components） | 标准变量（Standard variable） | 无量纲整数 | 涌现（C4） | 10 | | Cov(X_i, X_j) | 组件间的协方差（Covariance between components） | 已确立（Established） | (X_i 的单位)^2 | 涌现（C4） | 10 | | X^{(L)} | 层级 L 的状态（State at level L） | 提议变量（Proposed variable） | 层级依赖 | 涌现（C4） | 11 | | G_L | 层级 L 的粗粒化函数（Coarse-graining function at level L） | 提议函数（Proposed function） | -- | 涌现（C4） | 11 | | L | 层级索引（Level index） | 标准变量（Standard variable） | 无量纲整数 | 涌现（C4） | 11 |

信息理论与观测者符号

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | X（来源） | 来源状态（Source state） | 标准变量（Standard variable） | 脉络依赖 | 观测者压缩（D4） | 12 | | Y | 观测者输出（Observer output） | 标准变量（Standard variable） | 脉络依赖 | 观测者压缩（D4） | 12 | | Z（经处理） | 进一步处理的输出（Further-processed output） | 标准变量（Standard variable） | 脉络依赖 | 观测者压缩（D4） | 12 | | Pi_O | 观测者压缩函数（Observer compression function） | 定义（ECI 记号）（Definition, ECI notation） | -- | 观测者压缩（D4） | 12 | | I(X; Y) | 互信息（Mutual information） | 已确立（Established） | 比特 bits | 信息理论 | 12 | | H_0 | 观测者零假设（Observer null hypothesis） | 已确立（标准量子力学预测）（Established, standard QM prediction） | -- | 观测者（D3） | 13 |

协调符号（跨方程式使用）

| Symbol | Name | Type | Units | Defined in | Used in Equations | |---|---|---|---|---|---| | V | 变异（量值族群）（Variation, family of measures） | 提议定义（Proposed definition） | 领域特定 | 变异（C1） | 方程式 10、11 之脉络 | | kappa | 协调参数（Coordination parameter） | 提议定义（Proposed definition） | 无量纲 | 变异（C1） | 7，方程式 10、11 之脉络 |