❶ 核心问题

为什么有些东西会持续存在？在一个无情变化的宇宙中——粒子碰撞、恒星点燃、山脉侵蚀、物种出现又消失——为什么有些构型能持续数十亿年，而另一些在微秒内就消散了？是否存在一个解释哪些模式存活、哪些不存活的普遍原理，一个在生物学之前、在复制之前、在任何人观察之前就已经运作的原理？

ECI 提出存在这样的原理：持续性过滤（Persistence Filtering）。这个想法直截了当但影响深远。在所有通过变异和互动而产生的构型中，有些碰巧比其他的更能抵抗扰动。随着时间推移，脆弱的消失了，而稳健的累积起来。我们在任何时刻观察到的不是曾经存在的所有构型的代表性样本——而是存活者分布，偏向于那些足够耐久以至于还在这里的构型。

这不是一个设计好的过程。没有筛选者，没有目标，没有方向。它是一个统计上的结果，源于一个简单的事实：持续得更久的东西，根据定义，在你观察时更有可能存在。ECI 提出，差异性持续可能有助于解释为什么长寿的可观察构型相对于不稳定的替代方案被过度代表——而且这个原理足够普遍，适用于河石、晶格、化合物、生态群落和社会制度。

一个关键的起始澄清：这是一个存活者分布的形式化，不是一条已知的宇宙定律。主张不是「所有稳定的东西都是持续性过滤的结果」。主张是，持续性过滤是一个有用的概念和数学透镜，用于理解我们观察到的东西的统计组成——而且这个透镜产生可测试的预测。

❷ 具体案例

河石

沿着山溪走，从河床上捡起一块石头。它光滑、圆润、大致呈椭圆形。再捡一块——相似的形状。再一块——还是相似。你可能会倾向于认为河流产出光滑的圆石，好像水是一位有偏好美学的雕塑家。

但事情并非如此。河流不是产出圆石。河流摧毁不圆的石头。锯齿状、破碎的、有棱角的石头在结构上更弱——它们突出的边缘承受更大的水动力应力，更容易裂开，破碎得更快。随着时间推移，有棱角的石头被逐渐分解为沙和沉积物，而更圆、更紧实的石头则持续存在。你在河床上看到的形状不是一个创造过程的产出。它们是一个破坏过程的存活者。

这是微型的持续性过滤（Persistence Filtering）。没有涉及复制。没有遗传。没有遗传密码。石头不会繁殖。它们不会将形状传递给后代。它们只是持续或不持续——而持续下来的就是你找到的。

沙丘、晶格、行星轨道

同样的逻辑在每个尺度上运作。

沙丘。 在沙漠中，风创造了无数的沙丘构型——横向沙脊、新月形沙丘（barchan）、星形沙丘、线性沙丘（seif）。不是所有构型都同等稳定。一个几何形状能有效引导气流，使沉积的沙子强化其现有形状的沙丘会持续存在并成长。一个几何形状导致风的侵蚀速度快于沙子累积速度的沙丘会萎缩并消失。你观察到的沙丘场是空气动力学稳定性的过滤残余物。

晶体结构。 当熔融矿物冷却时，原子可以排列成许多可能的构型。只有位于自由能景观（free-energy landscape）局部最小值的构型——原子间的吸引力和排斥力达到稳定平衡的地方——才能作为固体晶体持续存在。落在能量最大值或浅鞍点的构型是不稳定的：热波动会将它们推向更稳定的排列。矿物学教科书中记录的晶体结构是热力学过滤的存活者。

行星轨道。 早期太阳系包含的天体远多于我们今天看到的八颗行星（及各种矮行星、小行星和彗星）。引力互动将不稳定轨道上的天体弹射出去、送入太阳，或通过碰撞将它们粉碎成碎片。我们在 46 亿年后观察到的轨道架构是存活过引力过滤的子集。早期太阳系动力学的数值模拟（Nesvorny, 2018; Clement et al., 2018）证实，许多合理的初始构型在动力学上是不稳定的——当前的排列之所以持续，正是因为它是稳定的构型之一。

模式

在每个案例中，模式都是相同的：

1. 变异：许多构型产生（石头形状、沙丘几何、晶体堆积、轨道排列）。
2. 差异性持续：某些构型对其环境中的破坏力比其他构型更稳健。
3. 过滤性累积：随着时间推移，稳健的构型累积，脆弱的消失。
4. 观察中的存活者偏差：我们观察到的是过滤后的分布，不是原始分布。

不需要复制。不需要遗传。不需要生物学意义上的「适应度」。只需要面对扰动时的差异性耐久度。

❸ 已确立的科学

与持续性过滤相关的数学基础来自几个充分确立的领域。然而，必须仔细区分：已确立的数学描述的是特定系统，而非 ECI 提出的普遍原理。

统计选择（一般性）。 观察样本偏向持续性构型这个想法，在统计学中以各种名称充分确立：存活者偏差（survivorship bias）、长度偏差抽样（length-biased sampling）和大小偏差抽样（size-biased sampling）。在可靠性工程中，一个运作系统中组件年龄的分布不同于组件寿命的分布——它偏向更长寿的组件，因为那些是你观察时仍然存在的。Cox（1962）将此形式化为长度偏差抽样。Wald 对二战轰炸机损伤的存活者偏差分析（记载于 Mangel & Samaniego, 1984）是经典范例：你看到返回的飞机恰恰是那些存活下来被击中的飞机，所以返回飞机上的损伤模式告诉你的是飞机在哪里可以承受被击中，而不是它们在哪里最脆弱。

热力学稳定性和自由能景观。 在物理化学中，平衡态下分子构型的分布受 Boltzmann 分布支配：发现系统处于能量为 E 的构型的概率正比于 exp(-E / k_B T)。位于深自由能最小值的构型比高能态的构型指数性地更可能存在。这是持续性过滤的热力学版本：稳定的构型持续存在，因为离开它们的能量成本相对于可用的热波动而言很高。数学是精确的且经过彻底验证。

动力系统：吸引盆。 在动力系统理论中，吸引盆（basin of attraction）是一组初始条件，从这些条件出发，系统演化到一个特定的吸引子（固定点、极限环、奇异吸引子）。盆的大小和形状决定了哪些长期行为从典型的起始条件是「可达的」。位于大盆且具有深而宽的吸引子的构型是系统最可能到达——并停留——的构型。Strogatz（2015）提供了全面的论述。

复制子方程（Replicator equation）：一个特殊案例，不是一般性证据。 复制子方程，由 Taylor 和 Jonker（1978）引入并由 Hofbauer 和 Sigmund（1998）发展，是频率依赖选择在复制实体群体中的标准数学框架：

dx_i / dt = x_i [ f_i(x) - phi(x) ]

其中 x_i 是类型 i 的频率，f_i(x) 是类型 i 的适应度（可能取决于群体组成 x），phi(x) 是平均适应度。

这个方程是充分确立且强大的——但它描述的是一个特定机制：差异性复制。复制子方程中的实体会繁殖，复制更快的类型频率增加。这与持续性过滤（Persistence Filtering）声称描述的根本不同。 持续性过滤断言，构型的差异性存活可以在没有复制的情况下塑造观察到的分布。河石不会复制。晶格没有后代。轨道构型不会繁殖。

因此，复制子方程最好被理解为一个特殊案例类比：它在数学上证明了差异性动态可以随时间重塑分布，而且其形式结构（频率变化与偏离均值成正比）是具有启发性的。但引用复制子方程作为持续性过滤的证据将是循环论证，因为复制子方程恰恰假设了持续性过滤声称要超越的机制（复制）。ECI 必须为非复制性案例提供自己的数学框架——这正是下一节试图做的。

已确立的 vs. ECI 提出的。 以下是已确立的：抽样中的存活者偏差、热力学稳定性和 Boltzmann 分布、动力学吸引盆、复制群体的复制子方程。而未确立的——而是 ECI 的提议——是这些特定的、领域限定的结果都是一个单一、更普遍的过滤原理的实例，这个原理跨所有构型空间运作。

❹ ECI 框架诠释

一般性持续过滤器

ECI 提出，上述观察——河石、晶体、轨道以及许多其他范例——是一个单一、普遍过程的实例：P_pers 是否系统性地取决于可独立测量的 Q——其正负号和函数形式不一定是单调的。中间相容性可能是最佳的，且脉络可能很重要。核心主张是，其相容性与环境系统性地关联到其抵抗扰动之稳健性的构型，将展现差异性持续，因此在观察到的分布中差异性地累积。

为了将此形式化，考虑一个可能构型的空间，记为 Omega（构型空间）。每个构型由这个空间中的一个点 Omega 标记。在任何时间 t，有一个概率分布 p_t(Omega) 描述我们发现系统处于构型 Omega 的可能性。

持续性过滤（Persistence Filtering）说：在后一个时间 t + Delta_t 的分布由哪些构型存活过区间 Delta_t 来塑造。具体而言：

p_{t+Delta_t}(Omega) = p_t(Omega) . S(Omega, Delta_t) / integral p_t(Omega') . S(Omega', Delta_t) dOmega'

其中：

• S(Omega, Delta_t) = P(构型 Omega 存活到 t + Delta_t | Omega 在 t 时存在) —— 存活函数（survival function）
• 分母是一个正规化因子，确保概率总和为 1

这是持续性过滤方程（persistence filter equation）。它说：从你在时间 t 拥有的任何分布开始，以每个构型存活到 t + Delta_t 的概率对其加权，然后重新正规化。结果是 t + Delta_t 时的新分布——偏向存活概率更高的构型。

这个方程是一个定义/记账恒等式（条件式重新加权），不是一条新的物理定律。 它是一个 Bayesian 更新，其中「存活」扮演似然度（likelihood）的角色。数学是标准的条件概率——任何统计学家在给定设置后都会这样写。方程本身没有实证内容；它是一个记账框架。

ECI 假说：什么决定 P_pers？

上述方程本身几乎是同义反复的——它说「存活的东西更可能被观察到」，这是平凡为真的。ECI 的真正科学内容在于我们提出什么决定 P_pers（持续概率）。ECI 假设：

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

其中：

• Q（相容性，compatibility）——构型与其环境、基底及周围系统施加的约束的匹配程度。在 耦合与共振（B5） 中正式定义。
• 结构稳定性（Structural stability）——构型对小扰动的抵抗力（受到推动后它是否返回原始状态，还是崩溃？）。
• E（能量，energy）——构型是否有足够的能量来维持自身以对抗熵的退化。
• 稳健性（Robustness）——构型在不转变到质性不同状态的情况下能承受的扰动幅度范围。

关键要求：Q（相容性）和 S（存活）必须在观察哪些构型实际持续存在之前独立定义。这是参考文件第 41 节中的同义反复回避要求。如果我们通过观察什么存活来定义 Q，然后声称 Q 预测存活，我们什么都没有说。框架只有在以下情况下才增添了什么：

1. Q 使用构型及其环境的性质来定义和测量，在存活结果之前或独立于存活结果。
2. S 通过追踪哪些构型在指定时间区间内实际持续来测量。
3. Q 预测 S 优于随机——且优于更简单的基线模型。

如果 Q 预测 S 不优于随机，框架就什么都没有增添。这不是修辞上的顾虑——它是本页的主要可否证性标准。

与 Darwin 式选择的关系

Darwin 式自然选择，形式化为核心循环（Core Cycle）（见 C5）并在演化过滤（C3）页面详细论述，是持续性过滤的一个特殊案例。它是以下条件同时成立的案例：

1. 复制存在——构型产生自身的副本。
2. 遗传运作——后代与亲代相似（副本不完美但具相关性）。
3. 可遗传变异存在——个体之间的差异被传递到下一代。

当三个条件都成立时，持续性过滤呈现复制子方程所描述的特定动态：复制更快的构型频率增加，群体通过差异性繁殖演化。这是自然选择的熟悉机制——突变、选择、遗传漂变、物种形成。

但持续性过滤（Persistence Filtering），如 ECI 所提出的，不需要这三个条件中的任何一个。晶格持续存在而不复制。河石持续存在而不从亲代石头继承其形状。行星轨道存活而不产生后代轨道。在这些案例中，过滤纯粹通过差异性耐久度运作——而复制子方程不适用。

这个关系是层级性的：

• 持续性过滤（Persistence Filtering）（一般性）：任何差异性存活塑造观察到的构型分布的过程。不需要复制。
• Darwin 式选择（Darwinian Selection）（特殊案例）：持续性过滤 + 复制 + 遗传 + 可遗传变异。复制子方程在此适用。见 C3。

ECI 主张，承认这个层级关系在科学上是有成效的——它揭示了类选择过程的模式塑造力量比生物学更广泛，并激发在复制不存在的领域寻找持续性过滤。

核心循环连接

持续性过滤是 ECI 称之为**核心循环（Core Cycle）**的更广泛循环中的一个阶段（见 C5）：

变异（新构型产生）→ 探索（构型与环境互动）→ 耦合机会（构型遇到与周围环境耦合的机会；相容性和共振作为此阶段内的机制运作，而非作为保证的结果）→ 过滤（不够稳健的构型被淘汰）→ 持续（存活的构型进入下一轮）

持续性过滤对应于此循环中的过滤 → 持续转变。它是循环修剪其产出的机制——保留稳健的构型并丢弃不稳健的。没有持续性过滤，循环会产生变异而不累积任何东西；有了它，循环形成棘轮效应（ratchet），优先保留耐久的构型。

❺ 如果这是真的......

如果持续性过滤真的是一个普遍原理——运作在任何构型空间上，而不仅仅是生物群体——那么几个深远的含义随之而来。

前生物组织。 持续性过滤将在生命起源很久之前就已经运作。前生物海洋中存在的化合物、早期地球表面的矿物结构、年轻行星的大气组成——所有这些都会在任何复制分子出现之前被差异性持续所塑造。「前生物汤（prebiotic soup）」不是一个随机混合物；它是一个过滤后的混合物，富含在当时条件下碰巧在热力学上稳定或在动力学上被捕获的化合物。这重新框架了生命的起源：第一个复制子不是从一个随机的化学背景中出现的，而是从一个已经被过滤的背景中出现的，在那里可用化学物质的不成比例份额由相对持久的分子种类组成。

信息模式作为被过滤的构型。 如果构型空间 Omega 不仅包括物理结构，还包括信息模式——数据格式、通信协议、文化实践、数学记法——那么持续性过滤也将适用于信息。在人类文明中持续存在的记法系统、语言和制度结构，至少部分是一个过滤过程的存活者，这个过程淘汰了与其社会、认知和技术环境匹配不良的构型。这不是否认人类的能动性和设计——而是建议即使是被设计的构型也面临设计后的持续性过滤器。

跨领域的趋同形式。 如果不同的领域（地质学、化学、生物学、技术、文化）都服从同一个普遍的过滤原理，我们可能预期趋同形式——不是因为这些领域在因果上相连，而是因为它们面临相似的过滤压力。某些几何形式（球体、螺旋、分枝树）、某些网络架构（无标度、小世界）和某些组织模式（层级制、模块化分解）在极其不同的领域中的普遍存在，可能部分反映了这些构型在一般意义上对扰动是稳健的这一事实。

一种重新框架，而非替代。 持续性过滤不替代特定领域的解释。地质学仍然需要板块构造理论；化学仍然需要量子力学；生物学仍然需要自然选择。持续性过滤提供的是一个共享的元模式（meta-pattern），连接这些特定领域的故事——一个预期某些结构主题在不同领域反复出现的理由，以及一个量化任何给定系统中过滤程度的数学框架。

这些含义是推测性的。它们的价值完全取决于持续性过滤——如此处形式化的——是否在特定领域产生经得起实证检验的预测。

❻ 如何测试？

持续性过滤（Persistence Filtering）提出了几个可测试的主张，每个都需要仔细注意同义反复回避标准：Q 和 S 必须被独立定义和测量。

测试 1：从相容性独立预测存活。 选择一个特征明确的系统——比如说，矿物晶体结构。使用晶体结构及其形成环境的可计算性质来定义 Q（相容性）：晶格能量、弹性模量、缺陷形成能量、相对于竞争相的热力学稳定性。这些在知道哪些结构在地质时间尺度上持续之前就是可测量的。使用地质记录来定义 S（存活）：在给定年龄的岩石中实际发现了哪些矿物结构，以及它们的相对丰度如何随时间变化？框架预测独立计算的 Q 与 S 相关。如果相关性不优于随机——或不优于如「硬度」这样的更简单预测器——则框架对此系统没有增添什么。

测试 2：非复制性过滤的基于代理的模拟。 建构一个基于代理的模型，其中构型（不是复制的代理）被放置在一个有随机扰动的环境中。每个构型有可测量的性质（结构对称性、能量、连接性等），从中计算 Q。运行模拟并追踪哪些构型随时间存活（S）。框架预测：(a) 存活构型的分布随时间向高 Q 构型偏移，(b) Q 预测 S 优于随机分配的存活概率。改变环境（不同的扰动态域）应该以可预测的方式改变 Q-S 关系。

测试 3：与零模型的比较。 对于任何经验系统，将持续性过滤的预测（Q 预测 S）与零模型进行比较：(a) 随机存活（S 独立于构型性质）、(b) 基于大小的存活（更大/更重的东西存活更久，与结构性质无关）、(c) 基于频率的存活（常见的构型仅仅因为它们常见而持续）。只有当基于 Q 的预测优于这些零模型时，框架才具有科学成效。

测试 4：跨领域普遍性。 将同一个形式模板（持续性过滤方程）应用于至少三个不同领域的系统——比如说，矿物稳定性、蛋白质折叠持续性和组织存活。在每个领域中，使用领域适当的量度独立定义 Q，独立测量 S，并测试 Q-S 关系是否成立。如果框架在一个领域有效但在其他领域失败，它就是一个领域特定的工具而非普遍原理——仍然有用，但普遍性的主张被削弱。

测试 5：前生物化学。 Miller-Urey 型实验产生有机化合物的混合物。测量所有产生的化合物的性质（分子稳定性、反应性、聚合倾向）。使用这些来计算 Q。然后追踪哪些化合物在混合物中随时间持续（S）。框架预测存活的化合物相对于初始产出分布，在高 Q 构型方面是富集的。如果存活分布与初始分布无法区分，则过滤没有发生（或 Q 没有捕捉到相关性质）。

什么会削弱这个主张：如果在任何测试系统中，Q 预测 S 不优于更简单的单变量基线（例如，仅热力学稳定性、仅质量、仅大小）。这将建议多因子分解 S = f(Q, stability, E, robustness, ...) 增添了不必要的复杂性。

什么会杀死这个主张：如果非复制性系统中的存活是真正随机的——也就是说，如果没有任何可测量的构型性质在多个领域和多种测量方法中预测其持续性优于随机。这将意味着持续性过滤不是一个有用的透镜：东西持续或不持续，而哪些东西存活没有一般性结构。

❼ 连结到其他节点

→ ECI 循环（B6）：ECI 循环描述了维持任何运作系统的连续动态过程——信息、载体和能量的持续流动。持续性过滤（Persistence Filtering）是决定哪些循环构型持续的机制：那些 ECI 循环对扰动稳健的构型持续存在，而那些循环脆弱的则退化。B6 提供动态；C2 提供作用于这些动态的过滤器。

→ 变异与协调（C1）：变异是持续性过滤运作的原材料。没有变异——没有多样的构型进入系统——就没有什么可以过滤。C1 发展了 V-kappa 框架，描述变异和协调如何互动；C2 描述了那些多样构型通过的时间筛。V*（最佳变异水平）假说直接相连：太多未经协调的变异产生脆弱的构型，会被过滤掉；太少则产生在条件变化时无法适应的构型。

→ 演化过滤（C3）：Darwin 式自然选择是持续性过滤的特殊案例，其中复制、遗传和可遗传变异都存在。C3 详细发展了这个特殊案例，包括支配其动态的复制子方程。关系是层级性的：C2（一般持续性过滤，不需要复制）包含 C3（生物选择，需要复制）。

→ 核心循环（C5）：核心循环——变异、探索、耦合机会、过滤、持续——是 ECI 提出的普遍变化引擎。持续性过滤对应于此循环中的过滤到持续的转变。C5 发展完整循环；C2 以数学细节发展过滤步骤。

→ 生命（D1）：生命是一个持续性过滤和演化过滤同时运作的领域。活的系统是同时持续（C2）且复制（C3）的构型，使它们同时受到一般过滤器和 Darwin 式特殊案例的作用。D1 检视什么将活的构型与仅仅持续的构型区分开来。

→ 可否证性（F3）：同义反复回避要求是本页的核心可否证性关切。如果 Q 和 S 不能被独立定义和测量，持续性过滤框架就崩溃为一个同义反复（「存活的东西就是那些存活的东西」）。F3 发展了 ECI 对其所有主张适用的一般可否证性标准；C2 对这些标准的特定应用就是对 Q 和 S 的独立定义要求。

❽ 数学细节

持续性过滤方程（改编）

持续性过滤方程形式化了差异性存活如何随时间重塑构型的分布。

令 Omega 表示构型空间——系统可能采取的所有可能构型的集合。令 p_t(Omega) 为时间 t 时构型上的概率密度。定义：

S(Omega, Delta_t) = P(Omega 存活到 t + Delta_t | Omega, t)

即在时间 t 存在的构型 Omega 在时间 t + Delta_t 仍然存在的概率。那么 t + Delta_t 时的过滤分布为：

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

其中正规化因子为：

Z(t, Delta_t) = integral p_t(Omega') . S(Omega', Delta_t) dOmega'

• 状态：数学结构（带存活似然度的 Bayesian 更新）是标准的。将其应用于任意构型空间作为一个提议的普遍过滤原理是 ECI 的贡献。
• 假设：(1) 构型可以被有意义地表示为构型空间中的点。(2) 存活函数 S 原则上可以为所研究的系统估计。(3) 构型空间在区间 Delta_t 上不变（或相对于过滤动态变化缓慢）。
• 限制：方程描述的是在静态构型空间上的过滤。它不捕捉新构型的生成（变异），那由核心循环（C5）处理。一个完整的模型将交替进行变异步骤（扩展 p_t 的支撑集）和过滤步骤（通过 S 收缩它）。

S 分解（提议）

ECI 提出存活函数 S 可以被分解为可识别因素的贡献：

S(Omega, Delta_t) = f(Q(Omega, E_env), sigma(Omega), E(Omega), rho(Omega), ...)

其中：

• Q(Omega, E_env) —— 构型 Omega 与其环境 E_env 的相容性。使用 Omega 和 E_env 的结构、能量或信息性质独立于存活结果定义。见 B5 中 Q 的正式定义。

• sigma(Omega) —— Omega 的结构稳定性：小扰动是否将系统返回到 Omega 或推向不同的构型。通过 Lyapunov 稳定性、自由能景观中的盆深度或系统线性化动态的特征值分析来操作化。

• E(Omega) —— 能量预算：Omega 是否有足够的自由能来维持其构型以对抗熵的退化。对于被动构型（晶体、石头），这可能可以忽略；对于主动构型（细胞、生态系），这是关键的。

• rho(Omega) —— 稳健性：Omega 在不转变为质性不同的构型的情况下能吸收的扰动幅度范围。与 sigma 相关但不同——一个系统可以是局域稳定的（sigma 高）但对大扰动脆弱（rho 低）。

• 状态：提议。分解是关于 S 结构的假说，不是推导的结果。f 的函数形式未指定。

• 关键约束（同义反复回避）：分解中的每个因子必须不参照存活结果即可独立测量。具体而言：

  • Q 必须仅从 Omega 和 E_env 的性质可计算。
  • sigma 必须通过扰动实验或动力学分析可测量。
  • E 必须通过量热法、能量预算分析或热力学计算可测量。
  • rho 必须通过逐渐增大幅度的系统扰动可测量。
  • S 必须通过观察在区间 Delta_t 上的实际持续来测量。
  • 测试是 f(Q, sigma, E, rho, ...) 预测 S 是否优于随机且优于更简单的基线。

• 如果 Q 预测 S 不优于随机，框架就什么都没有增添。 这是核心的可否证性标准。

与复制子方程的关系（特殊案例类比）

复制子方程支配复制类型群体中的频率变化：

dx_i / dt = x_i [ f_i(x) - phi(x) ]

在这个方程中，复制速度快于平均值的类型频率增加；复制速度慢于平均值的类型频率减少。随时间推移，群体分布向高适应度类型偏移。

持续性过滤方程具有形式上的相似性：存活率（S）高于平均值的构型在分布中增加；存活率低于平均值的减少。但机制根本不同：

| Feature | Replicator equation | Persistence filter equation | |---|---|---| | 机制 | 差异性复制 | 差异性存活（无复制） | | 需要繁殖 | 是 | 否 | | 需要遗传 | 是 | 否 | | 分布变化驱动力 | 更快的复制 | 更长的持续 | | 适用于 | 复制群体 | 任何构型空间 |

复制子方程是 C3 中所述更广泛演化过滤的特殊案例，而演化过滤本身是持续性过滤（本页）的特殊案例。引用复制子方程作为持续性过滤的证据将是一个范畴错误：复制子方程假设了复制，而这恰恰是持续性过滤声称要超越的要求。

• 状态：复制子方程是已确立的。它在这里作为结构类比（而非作为证据）的使用是 ECI 的框架选择。

符号表

| Symbol | Name | Type | Defined in | |---|---|---|---| | Omega | 构型/构型空间 | 标准变量 | 本页 | | p_t(Omega) | 时间 t 的构型分布 | 标准变量 | 本页 | | S(Omega, Delta_t) | 存活函数 | 提议的定义 | 本页 | | Z(t, Delta_t) | 正规化因子 | 导出量 | 本页 | | Q | 相容性函数 | 提议的定义 | B5 | | sigma | 结构稳定性 | 提议的定义 | 本页 | | E | 能量预算 | 标准变量 | B3 | | rho | 稳健性 | 提议的定义 | 本页 | | E_env | 环境描述子 | 标准变量 | 本页 | | x_i | 类型 i 的频率（复制子方程） | 已确立 | C3 | | f_i | 类型 i 的适应度（复制子方程） | 已确立 | C3 | | phi | 平均适应度（复制子方程） | 已确立 | C3 |

引用的关键文献

| Reference | Result | Relevance to C2 | |---|---|---| | Cox (1962) | 长度偏差抽样：观察到的分布偏向长持续时间的项目 | 存活者偏差的已确立统计基础 | | Mangel & Samaniego (1984) | Wald 的二战轰炸机存活者偏差分析 | 观察数据中持续性过滤的经典范例 | | Taylor & Jonker (1978); Hofbauer & Sigmund (1998) | 频率依赖选择的复制子方程 | 特殊案例类比——仅适用于复制群体 | | Strogatz (2015) | 动力系统：吸引盆、稳定性分析 | 分析哪些构型持续的已确立数学工具 | | Nesvorny (2018); Clement et al. (2018) | 太阳系动力学不稳定性模拟 | 经验范例：46 亿年的轨道过滤 | | Boltzmann (1877) | Boltzmann 分布：平衡概率正比于 exp(-E/k_B T) | 热力学持续性过滤——稳定构型以指数方式被偏好 | | Prigogine (1977) | 耗散结构：远离平衡态的能量流产生秩序 | 需要能量吞吐的主动持续 |