این ترجمه به صورت خودکار از نسخهٔ اصلی انگلیسیِ تاریخدار تهیه شده است. نسخهٔ انگلیسی معتبر است. English →
چهار معادلهٔ تابعیِ کوشی، جمعی، ضربی، نمایی و لگاریتمی، تنها راهحلهای پیوستهٔ قیود ترکیبیِ متناظرِ خود هستند. این مقاله استدلال میکند که این نتیجهٔ ریاضیِ ۲۰۰ سالهْ پیامدی از نظر فیزیکی آزمونپذیر دارد: تحتِ اصولِ مصرّح، قوانین مقیاسبندی را به یکی از سه خانوادهٔ تابعی محدود میکند (قانونِ توانی، نمایی یا منحنیِ اشباع). خانواده
۲۵ اوت ۲۰۲۶ (v3.9): دو روشنگریِ تاریخدار، هیچ محتوای علمی تغییر نکرد: بیانیهٔ مستقلِ ۱۹/۲۵ اکنون همراه با جفتِ تصحیحشدهاش میرود (بازاجرای اکتشافیِ ۱۱ اوت ۲۰۲۶ با افزودنِ نامزدِ لگاریتمی ۱۸/۲۵ میدهد، و زیرمجموعهٔ برگرفته از Cauchy پیش و پس ۱۴/۱۸ میخوانَد، آنگونه که چکیده پیشتر ثبت میکند)؛ و جملهٔ وضعیتِ پیشثبت بهعنوانِ تاریخی برچسب شده، آزمونِ پیشروِ خانهٔ چهارم اکنون بهصورتِ پیشنویسِ کاملِ OSF در انتظارِ ارسالِ انسانی سازماندهی شده است.
درونِ ARC Theory: طبقهبندیِ ریاضیِ پشتِ صورتِ قانونِ I؛ شبکهٔ معادلاتِ تابعیِ کوشی.
چهار معادلهٔ تابعیِ کوشی، جمعی، ضربی، نمایی و لگاریتمی، تنها راهحلهای پیوستهٔ قیود ترکیبیِ متناظرِ خود هستند. استدلال میکنیم که این نتیجهٔ ریاضیِ ۲۰۰ ساله پیامدی از نظرِ فیزیکی آزمونپذیر دارد: تحتِ اصولِ مصرّح، قوانینِ مقیاسبندی را به یکی از سه خانوادهٔ تابعی محدود میکند (قانونِ توانی، نمایی، یا منحنیِ اشباع). خانواده با عملگرِ ترکیبِ فرایندِ زیرینِ بازگشتیِ تقویتکننده تعیین میشود.
سهمِ نو نه خودِ ریاضیاتِ کوشی، بلکه این ادعا است که معادلاتِ تابعیِ نوعِ کوشی پیامدی از نظرِ فیزیکی آزمونپذیر برای طبقهبندیِ قوانینِ مقیاسبندی در حوزههای مختلف دارند.
یک مقایسهٔ ساختاریافتهٔ پیشبینی در ۵۰ سامانهٔ واقعی در پنج لایهٔ شواهد ارائه میکنیم. برای هر حوزهٔ تجربی، عملگرِ ترکیب پیش از برازش از فیزیکِ شناختهشده طبقهبندی شد، خانوادهٔ مقیاسبندی از کلاسِ عملگر پیشبینی شد، دادهٔ منتشرشده یا مرجعِ استاندارد بارگذاری شد، و پیشبینی با برازشِ مستقلِ مدل با استفاده از انتخابِ مدلِ مبتنی بر AICc آزموده شد.
نتیجهٔ اصلی (محاسبهشده روی مجموعهٔ نامزدِ ششمدلی، که هیچ نامزدِ لگاریتمی و هیچ نامزدِ خطیِ خالص در آن نبود (بخشِ ۳.۲)): ۱۹ از ۲۵ حوزهٔ برازشِ منحنیِ تجربی، خانوادهٔ پیشبینیشدهٔ کوشی را تحتِ انتخابِ مدلِ سختگیرانهٔ AICc تأیید میکنند. آمارهٔ معناداریِ اصلی، آزمونِ جایگشتی است که به هر دو حاشیهٔ خانوادهٔ پیشبینیشده و مشاهدهشده مشروط است: $p = 7 \times 10^{-5}$. یک آزمونِ دوجملهایِ یکطرفه در برابرِ شانسِ یکنواختِ $1/3$، $p = 1.56 \times 10^{-5}$ میدهد (تقریباً ۱ در ۶۴٬۰۰۰) که بهعنوانِ بررسیِ حساسیت حفظ میشود. این نتیجه همچنین روی زیرمجموعهٔ بهطورِ اکید کوشیمشتق نیز برقرار است (۱۸ حوزهٔ ضربی و جمعی، به استثنای خانوادهٔ کراندار که جامعیتِ آن مسئلهای باز باقی مانده است): $14/18$، آزمونِ جایگشتی $p = 3.0 \times 10^{-4}$. نتایجِ ثانویه: بازاجرای مبناییِ ۲۰ حوزه $15/20$ میدهد ($p = 1.67 \times 10^{-4}$)؛ توانهای متابولیکِ منتشرشده در ۱۳ از ۱۳ موردِ مستقیم با نزدیکترین مقایسهگرِ ARC/Cauchy مطابقت دارند؛ هویاتِ تحلیلی ۶ از ۶ را تأیید میکنند. این لایهها جداگانه گزارش میشوند و هرگز در یک عددِ ترکیبی درنمیآمیزند.
این نتیجه بهقدرِ کافی قوی است که بهعنوانِ شواهدِ اکتشافی منتشر شود اما بهقدرِ کافی قوی نیست که بهعنوانِ اثباتشده ادعا شود. هیچ مصنوعِ پیشثبتی که در رجیستری ثبت شده باشد برای این آزمون وجود ندارد. خودِ پیشبینیها با انتشارِ تاریخدار پیشثبت شدند: طبقهبندیهای سطربهسطر در پروندههای فهرستِ سنجاقشده با هشِ مارسِ ۲۰۲۶، manifestِ قفلشدهٔ گسترشِ ۱۲-حوزهایِ ۱۷ مارس ۲۰۲۶، و دو پیوستِ پیشبینیِ کتاب که در ۲ ژانویهٔ ۲۰۲۶ به چاپ رسیدند، پیش از آنکه مقالات و برنامه وجود داشته باشند. آنچه از پیش تثبیت نشده بود پروتکلِ برازش بود، و آن شکاف با آزمونهای ثبتشدهٔ رجیستریِ سازماندهیشده بهصورتِ پیشرونده بسته میشود: آزمونِ خانهٔ چهارم و آزمونِ گسترشِ ۸۰-حوزهای. یک چارچوبِ جداگانه و پیشرو برای پیشبینی وجود دارد و ادعا نمیشود که این نتیجه را پوشش میدهد. در ۱۷ مارس ۲۰۲۶، بین ۰۲:۰۶:۵۱ و ۰۲:۰۷:۰۵ UTC، یک پروتکلِ پیشبینی، یک بیانیهٔ گسترش و یک فایلِ چکسام به مؤلفهٔ عمومیِ Open Science Framework سپرده شد، x6wa7. هر یک از اینها یک مُهرِ زمانیِ ایجادِ اختصاصیِ OSF دارد، هر یک مُهرِ زمانیِ اصلاحی همسان با مُهرِ ایجادِ خود دارد، و پیامدهای حوزههایی که مشخص میکنند محاسبه نشدهاند. این یک سپردهگذاریِ ثالثِ تاریخدار است، نه یک OSF Registration که شیءِ متمایز، منجمد و مقیدِ طرحوارهای است و این مؤلفه چنین چیزی را حمل نمیکند؛ API گزارش میدهد registration: false و صفحه بهجای مبهم گذاشتن، همین را میگوید. آنچه این سپردهگذاری تثبیت میکند ترتیب است: پیشبینیها پیش از وجودِ هر نتیجهای که پیشبینی میکنند، عمومی و تغییرنیافته بودند. تکرارِ مستقل ضروری است.
کلیدواژهها: معادلاتِ تابعیِ کوشی، قوانینِ مقیاسبندی، قوانینِ توانی، عامیت، بینِ حوزهای، ترکیبِ بازگشتی، انتخابِ مدلِ AICc، مقیاسبندیِ متابولیک، مقیاسبندیِ عصبی، ARC Principle
این مقاله نتیجهای حمل میکند: تحتِ اصولِ مصرّح، چهار معادلهٔ تابعیِ کوشی قوانینِ مقیاسبندیِ پیوسته را به یکی از سه خانواده (توانی، نمایی یا اشباع) میخکوب میکنند، و اینگونه یک هویتِ ۲۰۰ساله را به یک پیشبینیِ از نظر فیزیکی آزمونپذیر دربارهٔ شکلهایی که منحنیهای مقیاسبندیِ تجربی میتوانند بگیرند، بدل میکند. درونِ ARC Theory (نظریهٔ آفرینشِ بازگشتیِ مصنوعی)، این یکی از آزمایشهای ARC/Eden است؛ ستونِ ریاضیای که قیود ترکیب را به صورتهای تابعیِ مشاهدهشده پیوند میزند. بازِ کاملِ تفاوت با هر سندِ پیشین در eden-vision II.A.8.
چرا اصلاً قوانینِ مقیاسبندی وجود دارند؟ چرا قلبِ یک موش با همان رابطهٔ ریاضی سریعتر از قلبِ یک فیل میتپد که نحوهٔ رشدِ شهرها، ارزانشدنِ صفحاتِ خورشیدی و بهبودِ شبکههای عصبی با اندازه را حاکم میکند؟
پاسخِ استاندارد وابسته به حوزه است. زیستشناسان به شبکههای عروقیِ فراکتالی استناد میکنند. فیزیکدانان به جریانِ گروهِ بازبهنجارش استناد میکنند. اقتصاددانان به یادگیریدرعمل استناد میکنند. هر توضیح درونِ حوزهٔ خود کار میکند اما دلیلی ارائه نمیدهد که چرا همان صورتهای ریاضی در حوزههایی تکرار میشوند که هیچ سازوکارِ فیزیکیِ مشترکی ندارند.
این مقاله پاسخی مستقل از حوزه پیشنهاد و آزمایش میکند: صورتِ هر قانونِ مقیاسبندی با عملگرِ ترکیبِ فرایندِ بازگشتیِ زیرین تعیین میشود، و معادلاتِ تابعیِ کوشی مشخص میکنند کدام صورتها ممکناند.
Augustin-Louis Cauchy در اوایلِ قرنِ نوزدهم تثبیت کرد که چهار معادلهٔ تابعی دارای راهحلهای پیوستهٔ منحصربهفرد هستند:
جمعی: $f(x + y) = f(x) + f(y)$ راهحلی بهصورتِ $f(x) = cx$ دارد
ضربی: $f(xy) = f(x) \cdot f(y)$ راهحلی بهصورتِ $f(x) = x^c$ دارد
نمایی: $f(x + y) = f(x) \cdot f(y)$ راهحلی بهصورتِ $f(x) = a^x$ دارد
لگاریتمی: $f(xy) = f(x) + f(y)$ راهحلی بهصورتِ $f(x) = c \log x$ دارد
اینها چهار نتیجهٔ مستقل نیستند. آنها چهار چهرهٔ یک قید هستند: الزامِ اینکه تابع با یک عملِ دوتایی سازگار باشد. تحتِ منظمبودن (پیوستگی، یا قابلیتِ اندازهگیری، یا کرانداری روی یک بازه)، تابعی که یکی از دو ساختار را روی حقیقیهای مثبت به یکی از دو ساختار میبرد، بهدرستی به چهار خانواده میافتد: خطی ($f(x)=cx$)، توانی ($f(x)=x^c$)، نمایی ($f(x)=a^x$) و لگاریتمی ($f(x)=c\log x$). این همریختیها (هومورفیسمها) را تمام میکند. این قوانینِ مقیاسبندی را تمام نمیکند، زیرا بیشترِ سامانهها هومورفیسمِ هیچیک از دو ساختار نیستند: رفتارِ اشباعشونده، توانهای بحرانی، خمیدگی روی محورِ لگاریتمی و گذارهای چند-رژیمی همه بیرونِ این شبکهاند، و شبکه دربارهٔ آنها چیزی نمیگوید. معادلهٔ جمعی صورتِ خطیِ $f(x)=cx$ را به دست میدهد؛ معادلهٔ ضربی قوانینِ توانی را میدهد؛ معادلهٔ نمایی رشد و کاهشِ نمایی را حاکم میکند؛ و معادلهٔ لگاریتمی نگاشتِ نامحدودِ $c\log x$ را حاکم میکند که در ورودی ضربی و در خروجی جمعی است و یک خانوادهٔ بازدههای نزولی نیست، زیرا $c\log x$ نامحدود است.
هر سامانهای را در نظر بگیرید که در آن کمیتی $U$ با ژرفای بازگشتیِ $R$ رشد میکند. سامانه عملگرِ ترکیب تعیین میکند که کاربردهای پیدرپی چگونه ترکیب میشوند:
اگر عملگرِ ترکیبِ یک سامانه را بدانید، پیش از دیدنِ هر دادهای میتوانید صورتِ تابعیِ قانونِ مقیاسبندیِ آن را پیشبینی کنید. این پیشبینی از معادلاتِ کوشی، بدونِ پارامترِ آزاد و بدونِ برازشِ منحنی، به دست میآید.
برای هر حوزه:
طبقهبندیِ عملگر پیش از اجرای رویهٔ برازش انجام میشود. با اینهمه، پیشبینیها، دادهها و منطقِ برازش همگی درونِ یک اسکریپتِ نوشتهشدهٔ نویسنده جای دارند. هیچ مصنوعِ پیشثبتی که در رجیستری ثبت شده باشد برای این آزمون وجود ندارد. خودِ پیشبینیها با انتشارِ تاریخدار پیشثبت شدند: طبقهبندیهای سطربهسطر در پروندههای فهرستِ سنجاقشده با هشِ مارسِ ۲۰۲۶، manifestِ قفلشدهٔ گسترشِ ۱۲-حوزهایِ ۱۷ مارس ۲۰۲۶، و دو پیوستِ پیشبینیِ کتاب که در ۲ ژانویهٔ ۲۰۲۶ به چاپ رسیدند، پیش از آنکه مقالات و برنامه وجود داشته باشند. آنچه از پیش تثبیت نشده بود پروتکلِ برازش بود، و آن شکاف با آزمونهای ثبتشدهٔ رجیستریِ سازماندهیشده بهصورتِ پیشرونده بسته میشود: آزمونِ خانهٔ چهارم و آزمونِ گسترشِ ۸۰-حوزهای. بنابراین این آزمون باید بهعنوانِ مقایسهٔ پیشبینیِ ساختاریافته فهم شود، نه بهعنوانِ کارآزماییِ کورِ بهطورِ رسمی ثبتشده. تکراری با طبقهبندیِ مستقلِ عملگر برنامهریزی شده است.
آزمونِ v2 از AICc واقعی (معیارِ اطلاعاتِ Akaikeی تصحیحشده) استفاده میکند که از مجموعِ مربعاتِ باقیمانده، اندازهٔ نمونه و شمارِ پارامترها محاسبه شده است، نه تقریبِ مبتنی بر R$^2$ که در آزمونِ میراثِ v1 استفاده شد. تقریبِ v1 ($\text{AIC} \approx n \ln(1 - R^2) + 2k$) بهعنوانِ ابزارِ اکتشافی کافی بود اما نباید بهعنوانِ AICِ دقیق در معنای استانداردِ آماری توصیف میشد. بازنویسیِ v2 این را تصحیح میکند.
آزمونِ معناداریِ اصلی یک آزمونِ جایگشتیِ حاشیهمشروط است: با ثابت نگاهداشتنِ هر دو حاشیهٔ خانوادهٔ پیشبینیشده و مشاهدهشده و جایگشتِ جفتسازی ۴۰۰٬۰۰۰ بار، احتمالِ ۱۹ یا بیشتر مطابقت $p = 7 \times 10^{-5}$ است. شمارِ موردانتظارِ مطابقت تحتِ این تهی ۹.۵ از ۲۵ است، نه ۸.۳۳ که یک تهیِ یکنواخت میدهد، زیرا قوانینِ توانی صرفاً در میانِ برازشهای مشاهدهشده رایج هستند. یک آزمونِ دوجملهایِ یکطرفه در برابرِ یک تهیِ یکنواختِ سهخانوادهای $p = 1.56 \times 10^{-5}$ میدهد و بهعنوانِ بررسیِ حساسیت حفظ میشود؛ آن تهیِ ضعیفتر است و بهعنوانِ سرخط استفاده نمیشود. همارزیهای سیگما نقل نمیشوند زیرا با انتخابِ تهی جابهجا میشوند. بازتولید: scripts/paper-vii-permutation-null.py در مخزنِ سایت، که مستقیماً جدولِ منتشرشدهٔ بخشِ ۵ را میخواند، پس نمیتواند از این صفحه رانش کند.
بخشِ ۲.۱ چهار خانوادهٔ کوشی را نام میبرد. مجموعهٔ مدلِ نامزد در بخشِ ۳ شاملِ شش مدل است که سه تای آنها را میپوشاند: خانوادههای قانونِ توانی، نمایی و کراندار. دو تن از چهار راهحلِ پیوستهٔ کوشی نامزدِ اختصاصیِ خود را ندارند: صورتِ لگاریتمیِ $c \log x$ و صورتِ خطیِ خالصِ $cx$. یک پیامد به هر سو میرود. یک حوزهٔ بهراستی لگاریتمی نمیتوانست بهدرستی طبقهبندی شود، زیرا برازشگر هیچ نامزدِ لگاریتمی برای انتخاب نداشت، پس برخی از شش شکست شاید شکستهای تضمینشده باشند؛ و برخی از نوزده مطابقت شاید روابطِ لگاریتمی باشند که یک قانونِ توانی در یک بازهٔ متناهی بهقدرِ قابلقبول برازش میکند. هر شمارشِ مطابقت در این مقاله از این رو این قید را حمل میکند و هیچکدام بدونِ آن نباید نقل شود. یک مطالعهٔ تأییدی که مقایسه را با مجموعهٔ نامزدِ کاملِ چهارخانوادهای بازاجرا میکند، با پیامدهای هر خانه که پیشاپیش مشخص شدهاند، پیشنویس و تاریخگذاری شده بهعنوانِ یک ثبتِ پیشنویسی که در انتظارِ ارائهٔ انسانی است (آزمونِ خانهٔ لگاریتمیِ چهارخانوادهای در برنامهٔ ثبتشده، در کنارِ مطالعهٔ گسترشِ حوزههای تازه). تا زمانی که آن بازاجرا گزارش کند، اعدادِ زیر نتیجهٔ ششمدلی هستند، دقیقاً همانگونه که محاسبه شدند، و نه چیزی قویتر.
مجموعهٔ ۵۰-حوزهای شاملِ پنج لایهٔ شواهد با قدرتِ کاهنده است. این لایهها هرگز در یک عددِ ترکیبی درنمیآمیزند.
| لایه | توضیح | شمار | نتیجه | معناداری |
|---|---|---|---|---|
| اصلی | برازشِ منحنیِ تجربی (AICc) | 25 | 19/25 | $p = 7 \times 10^{-5}$ جایگشتی؛ $1.56 \times 10^{-5}$ دوجملهای |
| ثانویه | بازاجرای مبناییِ ۲۰ حوزه (AICc) | 20 | 15/20 | $p = 1.67 \times 10^{-4}$ |
| ثانویه | توانهای منتشرشده (مستقیم) | 13 | 13/13 | مطابقتِ نزدیکترین مقایسهگر |
| ذکرشده | توانهای منتشرشده (احتمالی) | 6 | 3/6 | ارگانیسمهای مورد اختلاف |
| ذکرشده | هویاتِ تحلیلی | 6 | 6/6 | تأییدِ تاتولوژیک |
| # | حوزه | عملگر | پیشبینیشده | بهترین AICc | مطابقت |
|---|---|---|---|---|---|
| 1 | قانونِ Kleiber (مقیاسبندیِ متابولیک) | ضربی | قانونِ توانی | نمایی-اشباع | خیر |
| 2 | مقیاسبندیِ شهری (GDP در برابرِ جمعیت) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 3 | گونه-مساحت (Galapagos) | ضربی | قانونِ توانی | Hill | خیر |
| 4 | قانونِ Wright (Solar PV) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 5 | قانونِ Heap (واژگان) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 6 | قانونِ Zipf (بسامدِ کلمه) | ضربی | قانونِ توانی | Michaelis-Menten | خیر |
| 7 | منحنیِ یادگیری (پیچیدنِ سیگار) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 8 | قانونِ Moore (شمارِ ترانزیستور) | جمعی | نمایی | نمایی | بله |
| 9 | واپاشیِ رادیواکتیو (P-32) | جمعی | نمایی | نمایی | بله |
| 10 | Gutenberg-Richter (زمینلرزهها) | جمعی | نمایی | نمایی | بله |
| 11 | رشدِ باکتریایی (E. coli) | کراندار | کراندار | لجستیک | بله |
| 12 | منحنیِ O$_2$-هموگلوبین | کراندار | کراندار | Hill | بله |
| 13 | همهگیریِ SIR (Ebola 2014) | کراندار | کراندار | Hill | بله |
| 14 | قانونِ Amdahl (مقیاسبندیِ CPU) | کراندار | کراندار | Michaelis-Menten | بله |
| 15 | نیرو-سرعتِ عضلانی (Hill 1938) | کراندار | کراندار | نمایی | خیر |
| 16 | رشدِ MAU در Facebook | کراندار | کراندار | لجستیک | بله |
| 17 | انتشارِ Brownian (MSD) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 18 | قانونِ Horton (شمارِ جویبار) | جمعی | نمایی | نمایی | بله |
| 19 | قوانینِ مقیاسبندیِ عصبی (LLM Loss) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 20 | نظمِ بلورِ زمانی (گازِ Rydberg) | کراندار | کراندار | قانونِ توانی | خیر |
| 21 | جِرم-درخشندگیِ ستارهای | ضربی | قانونِ توانی | لجستیک | خیر |
| 22 | ضربانِ قلب در برابرِ جِرمِ بدن | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 23 | قاعدهٔ Rent (شمارِ پینِ VLSI) | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 24 | قانونِ توانیِ Taylor | ضربی | قانونِ توانی | قانونِ توانی | بله |
| 25 | قانونِ Hack (طولِ جویبار) | ضربی | قانونِ توانی | قانونِ توانی | بله |
تحتِ انتخابِ سختگیرانهٔ مدلِ مبتنی بر AICc، خانوادهٔ پیشبینیشدهٔ کوشی در ۱۹ از ۲۵ حوزهٔ برازشِ منحنیِ تجربی تأیید میشود. احتمالِ جایگشتیِ حاشیهمشروط $p = 7 \times 10^{-5}$ است؛ احتمالِ دوجملهای تحتِ تخصیصِ تصادفیِ یکنواخت به سه خانوادهٔ حاضر در این مجموعهٔ نامزد $p = 1.56 \times 10^{-5}$، تقریباً ۱ در ۶۴٬۰۰۰ است؛ تحتِ شبکهٔ چهارخانوادهای همان نتیجه $p = 1.27 \times 10^{-7}$، تقریباً ۱ در ۷.۹ میلیون میدهد، پس رقمِ گزارششده در اینجا محافظهکارانه است. روی زیرمجموعهٔ بهطورِ اکید کوشیمشتق (تنها حوزههای ضربی و جمعی) نتیجه $14/18$ در آزمونِ جایگشتی $p = 3.0 \times 10^{-4}$ است: سرخط به خانوادهٔ کراندار وابسته نیست، که جامعیتِ آن باز باقی میماند.
این بهقدرِ کافی قوی است که بهعنوانِ شواهدِ اکتشافی منتشر شود. بهقدرِ کافی قوی نیست که بهعنوانِ اثباتشده ادعا شود. تکرارِ مستقل با طبقهبندیِ عملگرِ پیشثبتشده گامِ بعدیِ ضروری است.
بهعنوانِ زمینه، ۲۰ حوزهٔ مبناییِ اصلی با برازشگرِ جدیدِ AICc واقعی بازاجرا شدند. نتیجه $15/20$ است ($p = 1.67 \times 10^{-4}$). این مستقیماً با نتیجهٔ v1 که $14/20$ بود قابلمقایسه نیست، زیرا برازشگر عوض شد (از تقریبِ AICِ مبتنی بر R$^2$ به AICc واقعی) و برخی از انتخابهای مدل نیز بهدرستی تغییر کردند. بازاجرای مبناییِ ۲۰ حوزه برای شفافیت گزارش میشود، نه بهعنوانِ شواهد بر اینکه برازشگرِ جدید بیش یا کمتر از قدیمی محافظهکار است.
شش از ۲۵ حوزهٔ تجربی یک مدلِ بهترینبرازش خارج از خانوادهٔ پیشبینیشده تولید کردند. هر شکست یک توضیحِ مشخص و قابلِ شناسایی دارد. تحلیلِ صادقانه در پی میآید.
| # | حوزه | پیشبینیشده | بهترین AICc | توضیح |
|---|---|---|---|---|
| 1 | قانونِ Kleiber | قانونِ توانی | نمایی-اشباع | موردِ کلاسیکِ مناقشهآمیز. مجموعهدادهٔ اصلیِ Kleiber ۱۹۳۲ تنها ۱۳ پستاندار دارد. یک مدلِ کراندار میتواند خمیدگیِ کوچکِ بالایی را در جِرمهای بدنیِ افراطی به دست آورد. مناقشه بر توانِ قانونِ توانی (۰.۶۷ در برابرِ ۰.۷۵) دههها ادامه یافته است. |
| 3 | گونه-مساحت (Galapagos) | قانونِ توانی | Hill | مجموعهدادهٔ کوچک (۳۰ جزیرهٔ Galapagos) با پراکندگیِ بالا. چندین جزیره مساحتهای بسیار کوچک با شمارِ گونههای نامتناسب دارند. تابعِ Hill میتواند این پراکندگی را با پارامترِ اضافیِ خود جذب کند. |
| 6 | قانونِ Zipf | قانونِ توانی | Michaelis-Menten | برشِ پیکرهٔ متناهی. Brown Corpus کرانِ بالاییِ سختی بر بسامدِ کلمه دارد (۶۹٬۹۷۱ برای «the»). در رتبههای پایین، بسامدها در برابرِ این سقف اشباع میشوند و AICc را بهسویِ مدلِ کراندار میکشند. قانونِ Zipf در حدِ مجانبی یک قانونِ توانی است؛ پیکرههای متناهی این حد را نقض میکنند. |
| 15 | نیرو-سرعتِ عضلانی | کراندار | نمایی | دادهٔ نیرو-سرعتِ Hill 1938 کاهشی یکنوا از بیشینهٔ نیروی ایزومتریک تا صفر در بیشینهٔ سرعت نشان میدهد. داده به یک هموارهٔ مجانبی نمیرسد یا آن را نشان نمیدهد، بلکه در جایی که نیرو به صفر میرسد پایان مییابد. یک واپاشیِ نمایی این بازهٔ برشخورده را بهتر از یک منحنیِ اشباع برازش میکند. پیشبینیِ کراندار به دادهای نیاز دارد که دامنهٔ کاملِ نزدیکشدن به اشباع را بپوشاند. |
| 20 | نظمِ بلورِ زمانی | کراندار | قانونِ توانی | تنها ۴ نقطهدادهٔ داده. با این تعدادِ کمِ مشاهده، AICc پارامترهای اضافیِ مدلهای اشباع را جریمه میکند. یک قانونِ توانی، با پارامترهای آزادِ کمتر، بر مبنای صرفهجویی برنده میشود. پیشبینیِ کراندار شاید درست باشد اما با این مجموعهداده آزمونپذیر نیست. |
| 21 | جِرم-درخشندگیِ ستارهای | قانونِ توانی | لجستیک | رابطهٔ جِرم-درخشندگی در جِرمهای ستارهایِ بالا پراکندگیِ چشمگیر نشان میدهد که در آن فشارِ تابش، ناپایداریِ همرفتی و مسیرهای متفاوتِ گدازش انحرافهایی از یک قانونِ توانیِ ساده ایجاد میکنند. یک مدلِ لجستیک این پراکندگی را با برازشِ یک واژگونیِ ظاهریِ بالایی جذب میکند. |
خلاصه: سه شکست شاملِ مجموعهدادههای کوچک یا برشخوردهاند (گونه-مساحت، بلورِ زمانی، Zipf)؛ یکی شاملِ دادهای است که دامنهٔ کاملِ اشباع را نمیپوشاند (نیرو-سرعتِ عضلانی)؛ یکی شاملِ یک رابطهٔ کلاسیکِ مناقشهآمیز است (Kleiber)؛ و یکی شاملِ پیچیدگیِ اخترفیزیکی در مقادیرِ افراطی است (جِرم-درخشندگیِ ستارهای). هیچیک از اینها موردی را نمایندگی نمیکنند که خانوادهٔ پیشبینیشده در اصول اساساً غلط باشد، اما هیچیک از این شکستها را نیز نمیتوان کنار گذاشت. اینها شکستهای واقعی هستند که یک تکرارِ مستقل باید به آنها بپردازد.
سیزده تاکسون با توانهای بهخوبی تثبیتشدهٔ مقیاسبندیِ متابولیک در برابرِ پیشبینیِ بُعدیِ ARC/Cauchy آزموده شدند. این پیشبینی نیازمندِ سه شرط است: (الف) ترکیبِ ضربی (معادلهٔ کوشی صورت را به یک قانونِ توانی محدود میکند)، (ب) هندسهٔ حملونقلِ فضاپرکنِ $d$-بُعدی، و (پ) یک قیدِ حفاظت یا بهینهسازی بر جریانِ منابع (کمینهسازیِ انرژی در West و همکاران؛ توازنِ عرضه-تقاضا در Banavar و همکاران؛ توازنِ انرژیِ حالتِ ماندگار در Demetrius). تحتِ هر سه شرط، توان به $d/(d+1)$ محدود میشود. نه کوشیِ تنها، نه فضاپرکنیِ تنها کافی است. ارگانیسمهای با حملونقلِ عروقیِ سهبُعدی و جریانِ حفاظتشده باید بهصورتِ $M^{3/4}$ مقیاس شوند، آنهایی با حملونقلِ دوبُعدی بهصورتِ $M^{2/3}$ و آنهایی با حملونقلِ تکبُعدیِ رشتهای بهصورتِ $M^{1/2}$.
مقدارِ تجربیِ توانِ مقیاسبندیِ متابولیکِ پستانداران مورد اختلاف است، با برآوردهایی که بسته به تاکسون، بازهٔ جِرم، تصحیحِ دما و روشِ آماری تقریباً از ۰.۶۷ تا ۰.۷۵ گستردهاند (White & Seymour 2003؛ Glazier 2005, 2022). بزرگترین مجموعهدادهٔ مدرن (۶۱۹ گونه) برآوردِ حداکثر درستنمایی ۰.۶۸۷ میدهد (۹۵٪ CI از ۰.۶۷۴ تا ۰.۷۰۱) که ۰.۷۵۰ را مستثنی میکند. پیشبینیِ $d/(d+1)$ برابر با ۰.۷۵۰ برای $d = 3$ با سرِ بالاییِ بازهٔ تجربی مطابقت دارد. خودِ تنوع با چارچوب سازگار است: ارگانیسمهای با ابعادِ حملونقلِ مؤثر بین ۲ و ۳ توانهایی بین ۲/۳ و ۳/۴ تولید خواهند کرد. چارچوب این تنوع را پیشبینی میکند، نه یک توانِ عامیِ واحد.
| # | تاکسون | پیشبینیشده | مشاهدهشده | نزدیکترین | CI شامل میشود؟ |
|---|---|---|---|---|---|
| 26 | پستانداران | 0.750 | 0.737 | $d=3$ | بله |
| 27 | پرندگان | 0.750 | 0.720 | $d=3$ | بله |
| 28 | ماهیان | 0.750 | 0.800 | $d=3$ | بله |
| 29 | خزندگان | 0.750 | 0.760 | $d=3$ | بله |
| 30 | حشرات | 0.750 | 0.750 | $d=3$ | بله |
| 31 | دوزیستان | 0.750 | 0.740 | $d=3$ | بله |
| 32 | سختپوستان | 0.750 | 0.730 | $d=3$ | بله |
| 33 | چتردریاییها | 0.667 | 0.680 | $d=2$ | بله |
| 34 | کیسهتنان | 0.667 | 0.700 | $d=2$ | بله |
| 35 | شانهداران | 0.667 | 0.660 | $d=2$ | بله |
| 36 | قارچهای اکتومایکوریزی | 0.500 | 0.580 | $d=1$ | بله |
| 37 | قارچهای دریایی | 0.500 | 0.530 | $d=1$ | بله |
| 38 | قارچهای ساپروتروف (۲۰°C) | 0.500 | 0.530 | $d=1$ | بله |
همهٔ ۱۳ توانِ منتشرشده نزدیکترین موقعیت را به مقایسهگرِ بُعدیِ پیشبینیشده ($d/(d+1)$) دارند، و همهٔ ۱۳ بازهٔ اطمینان شاملِ مقدارِ پیشبینیشده هستند. این شواهدِ تأییدی قوی است، اما ادعایی متفاوت (توانِ مشخص) را در برابرِ نتیجهٔ اصلی (خانوادهٔ تابعی) میآزماید، پس جداگانه گزارش میشود.
جدولِ بالا ستونِ استنادِ هر ردیف را حمل نمیکند. ارجاعات [26]-[35] بخشِ ۱۰.۲ ادبیاتِ گستردهترِ مجموعهای دربارهٔ مقیاسبندیِ بینگونهایِ متابولیک را نام میبرند (West, Brown and Enquist 1997؛ Banavar et al. 1999, 2010؛ Demetrius 2003, 2006, 2010؛ White and Seymour 2003؛ Glazier 2005, 2022؛ Kolokotrones et al. 2010) که از آن ادبیاتِ توانِ مقیاسبندیِ پستانداران، مهرهداران و بیمهرگان تألیف شده است، اما این مقاله در حالِ حاضر به هر توانِ مشاهدهشده یا بازهٔ اطمینان در جدول یک منبعِ استنادیِ قفلشدهٔ ردیفبهردیف نمیچسباند. خوانندگانِ مستقل باید با ردیفهای منفرد بهعنوانِ درانتظارِ یک ممیزیِ منبعِ ردیفبهردیف پیش از استفادهٔ دوباره در کارِ ثانویه برخورد کنند؛ ردیفهای چتردریایی، کیسهتنان و شانهداران (۳۳-۳۵) و سه ردیفِ قارچی (۳۶-۳۸) آنهایی هستند که برایشان استنادِ منبعِ ردیفبهردیف در این مقاله لنگر نشده است.
ورودیهای چتردریایی، کیسهتنان و شانهداران (ردیفهای ۳۳-۳۵) بهعنوانِ مطابقتِ نزدیکترین مقایسهگر با $d = 2$ طبقهبندی میشوند، به این معنی که توانهای مشاهدهشدهٔ آنها به ۲/۳ نزدیکتر میافتند تا به ۱/۲ یا ۳/۴. با این حال، پیشبینیِ زیستیِ $d = 2$ در معنایِ قوی همچنان آزموننشده باقی میماند زیرا هیچ ارگانیسمِ شناختهشدهای شبکهٔ حملونقلِ فضاپرکنِ سلسلهمراتبیِ بهراستی دوبُعدی با جریانِ حفاظتشده ندارد. این ارگانیسمها فاقدِ معماریِ عروقیاند که استخراجِ $d/(d+1)$ فرض میگیرد. تأییدِ $d = 2$ در کیهانشناسی (راهحلِ عصرِ مادهٔ Friedmann، دقیق) و فیزیک (تراوش، خردشدگی) وجود دارد، نه در زیستشناسی. این ردیفها باید بهعنوانِ نزدیکیِ تجربی به مقایسهگرِ $d = 2$ فهمیده شوند، نه تأییدِ بُعدی.
شش تاکسونِ اضافی با تخصیصهای بُعدیِ مورد اختلاف یا مبتنی بر پروکسی آزموده شدند. تنها ۳ از ۶ با نزدیکترین مقایسهگرِ پیشبینیشده مطابقت دارند. شکستها عبارتاند از کرمهای پهن (اختلاف دربارهٔ حملونقلِ 2D در برابرِ 3D)، بریوزوآها (ارگانیسمهای کلونیایی با مقیاسبندیِ ناهنجارِ نزدیک به ۱.۰) و لاروِ مارماهی (کشیده اما با حفظِ حملونقلِ عروقیِ 3D). اینها برای کاملِ بودن ذکر میشوند اما به دلیلِ تخصیصهای بُعدیِ مورد اختلاف وزنِ شواهدیِ پایینی حمل میکنند.
شش حوزه که با فرمولهای تحلیلیِ دقیق تعریف شدهاند ($E = mc^2$، ترازهای انرژیِ هیدروژن، سینتیکِ Arrhenius، سینتیکِ Michaelis-Menten، انبساطِ عصرِ مادهٔ Friedmann، انبساطِ انرژیِ تاریکِ de Sitter) بهعنوانِ بررسیِ سلامت گنجانده شدند. همهٔ ۶ تأیید میکنند. اینها تاتولوژیکاند، برازشِ منحنی به دادهای که با یک فرمولِ دقیق تولید شده باید آن فرمول را بازیابد، و وزنِ شواهدیِ مستقل حمل نمیکنند. آنها فقط تأیید میکنند که برازشگر بهدرستی کار میکند.
پوشهٔ پیشثبتِ کاملی برای گسترشِ این مقاله در مارسِ ۲۰۲۶ وجود داشت و در مخزنِ عمومی حفظ شده است (experiments/cauchy-unification__Paper-VII/preregistration/): یک پروتکلِ نوشتهشده؛ یک manifestِ نامزدِ قفلشده با تاریخِ ۱۷ مارس ۲۰۲۶ در فیلدِ نسخهٔ خودش، حاملِ دوازده سطر که هر یک با کلاسِ عملگر، خانوادهٔ پیشبینیشده، مدلِ پیشبینیشده و منبعِ هدف پیش از هر برازش تثبیت شدهاند؛ چکسامهای فایلِ خودِ نویسنده؛ و متنِ ثبتِ مؤلفهٔ OSF، پیشتر نوشتهشده. تنها گامِ غایب کلیکِ ارسال به رجیستری بود. فیلدِ وضعیتِ خودِ پوشه محدودیت را با کلماتِ estate ثبت میکند: 'archived_local_packet_exercised_before_timestamp'، و تحلیل به یک commitِ git سنجاق شده است. پیشثبت اینجا در جوهر و در فرمِ پیشنویس وجود داشت؛ آنچه کم داشت مهرِ زمانِ بیرونی بود.
دو اجرای دیگرِ مارسِ ۲۰۲۶ تا این نسخه تنها بهعنوانِ مصنوعاتِ مخزنی وجود داشتند، و هر دو در اینجا با وضعیتِ خود که پیش از اعدادشان بیان شده، ثبتاند. هر دو زیرِ مجموعهٔ نامزدِ پیشاز-تصحیح اجرا شدند (بدون نامزدِ لگاریتمی)، و تبارِ طراحیِ گسترش بعدها بیویرایش کنار گذاشته شد، پس هر دو نتایجِ اکتشافیِ تاریخدار زیرِ ردهبندیِ جانشینشده هستند، جانشینشده توسطِ آزمونِ خانهٔ چهارمِ ثبتشده، و هیچیک تأییدِ چیزی نیستند.
اجرای خشکِ گسترشِ manifestِ قفلشدهٔ ۱۲-حوزهای ۱۷ مارس ۲۰۲۶ ۱۰/۱۲ انطباقِ خانواده بازگرداند (binomial p = ۵٫۴×۱۰-4؛ results_preregistered_extension.json). تنزلِ وضعیتِ آن اجرا تا دقیقه در تاریخچهٔ commitِ مخزنِ عمومی تاریخدار است: e5c22dd نتیجهٔ ۱۰/۱۲ را در ۰۰:۴۳ ۱۷ مارس ۲۰۲۶ ثبت میکند، f5e06a8 در ۰۰:۴۷ ژستِ محافظهکارانهٔ اخطاریبودن را میپذیرد، و c853277 اجرا را در ۰۰:۵۶ به یک اجرای خشکِ پایلوت تنزل میدهد، سیزده دقیقه پس از ثبتِ نتیجه و ماهها پیش از آنکه هیچ بازبینیِ بیرونی وجود داشته باشد. نتیجه هرگز پس گرفته نشد؛ وضعیتِ ادعاییاش، توسطِ نویسنده، خلافِ منفعت، در ملأِ عام تصحیح شد. اجرای زمانیِ بروننمونهٔ ۷-حوزهای، که خانوادههای نامزد را بر دادهٔ قدیم برازش میدهد و میآزماید آیا خانوادهٔ برنده شکلِ تابعیِ دادهٔ نو را پیشبینی میکند، ۴ تأییدشده، ۲ جزئی و ۱ ناسازگار بازگرداند (results_temporal_out_of_sample.json)؛ حوزهٔ ناسازگار با همان برجستگیِ تأییدها گزارش میشود. فهرستِ گسترشِ ۱۰۵-حوزهای (سطرهای ۲۶ تا ۶۵ و ۶۶ تا ۱۰۵) در دادهٔ مخزن آماده شده و اجرا نشده است؛ هیچ نتیجهای فراتر از اجراهای نامبرده در اینجا ادعا نمیشود.
بیرونیترین حلقهٔ همان زنجیرهٔ تاریخدار در چاپ است. چاپِ نخستِ ۲ ژانویهٔ ۲۰۲۶ (ISBN 978-1806056200) پیوستِ F را حمل میکند، پنج پیشبینیِ آزمونپذیرِ شمارهدار که با یک شرطبندیِ چاپشده پایان مییابند: «این پیشبینیها شرطِ من هستند. اگر شکست بخورند، چارچوب اشتباه یا ناقص است. اگر موفق شوند، چیزِ مهمی بهچشم آمده است. زمان داوری خواهد کرد.» پیوستِ A گزارههای چارچوب را عملیاتی میکند، در §A.3 چهار پیشبینیِ دیگر بیان میکند (توسعهٔ AI درجه دوم بهجای خطی؛ آگاهی و اطلاعاتِ یکپارچه؛ تصحیحِ خطای بازگشتیِ کیهانشناختی؛ گنجاندنِ ارزش)، و در §A.4 معیارهای ابطال را از پیش تثبیت میکند. پیشبینیِ ۲ آستانههای رانشِ همراستاییِ ۱۵ درصد و ۵ درصد را به چاپ میرساند که ثبتنویسِ پیشنویسِ آمادهشدهٔ study-v اکنون بیتغییر به یک فرضیهٔ رسمی میبَرَد، پیوست را با نام ذکر میکند. کتاب یک بیانیهٔ چاپیِ پیشین است نه یک پیشثبت، و این دو هرگز درنمیآمیزند: چاپ پیشبینی را تثبیت میکند؛ تنها یک ثبتنویسِ رجیستری یک برنامهٔ تحلیل را تثبیت میکند.
نتیجهٔ اصلی ($p = 7 \times 10^{-5}$، جایگشتی) شایستهٔ زمینهسازیِ صادقانه است.
از ۱۴ حوزهٔ تجربیِ طبقهبندیشده بهعنوانِ ضربی، ۱۰ حوزه مقیاسبندیِ قانونِ توانی را بهعنوانِ بهترین مدلِ AICc تولید میکنند. اینها آلومتریِ متابولیک (ضربانِ قلب در برابرِ جِرمِ بدن)، اقتصادِ شهری (Bettencourt 2007)، منحنیهای یادگیریِ فناوری (قانونِ Wright)، زبانشناسیِ محاسباتی (قانونِ Heap)، اکتسابِ مهارت (Crossman 1959)، حرکتِ Brownian (Catipovic 2013)، مقیاسبندیِ شبکهٔ عصبی (Kaplan 2020)، طراحیِ VLSI (قاعدهٔ Rent)، بومشناسیِ جمعیت (قانونِ توانیِ Taylor) و ژئومورفولوژیِ رودخانهای (قانونِ Hack) را پوشش میدهند.
چهار حوزهٔ ضربی شکست میخورند: قانونِ Kleiber (مدلِ کراندار بر قانونِ توانی روی مجموعهدادهٔ ۱۳-نقطهای پیشی میگیرد)، گونه-مساحت (پراکندگیِ بالا در دادهٔ جزیرهٔ کوچک)، جِرم-درخشندگیِ ستارهای (پراکندگی در جِرمِ بالا) و قانونِ Zipf (برشِ پیکرهٔ متناهی).
هر چهار حوزه با عملگرِ ترکیبِ جمعی مقیاسبندیِ نمایی را بهعنوانِ بهترین مدلِ AICc تولید میکنند: قانونِ Moore (شمارِ ترانزیستور)، واپاشیِ رادیواکتیو (P-32)، قانونِ بسامدِ زمینلرزهٔ Gutenberg-Richter و قانونِ Horton (شمارِ جویبار). این یک ۴ از ۴ پاک است.
از هفت حوزه با عملگرهای ترکیبِ کراندار، پنج حوزه مدلهای کراندار (اشباع) را بهعنوانِ بهترین AICc تولید میکنند: رشدِ باکتریایی (لجستیک)، اتصالِ هموگلوبین (Hill)، همهگیریِ Ebola (Hill)، قانونِ Amdahl (Michaelis-Menten) و رشدِ Facebook (لجستیک). دو حوزه شکست میخورند: نیرو-سرعتِ عضلانی (واپاشیِ نمایی بازهٔ برشخورده را بهتر برازش میکند) و نظمِ بلورِ زمانی (تنها ۴ نقطهدادهٔ داده).
سه حوزه از مقادیرِ نظری یا مرجع بهجای اندازهگیریهای تجربیِ مستقل استفاده میکنند: واپاشیِ رادیواکتیو (نیمهعمرِ مرجعِ NIST برای P-32)، قانونِ Amdahl (فرمولِ نظری با کسرِ سریالِ فرضشدهٔ ۱۰٪) و قانونِ Moore (شمارِ ترانزیستورِ منبعگرفته از Wikipedia از مشخصاتِ تولیدکننده). اینها چارچوب را بهطورِ بدیهی تأیید میکنند و باید متناسب وزن داده شوند.
[1] Kleiber, M. (1932). Body size and metabolism. Hilgardia 6:315-353. بازتولیدشده در Dodds, P. et al. (2001) J. Theor. Biol. 209:9-27.
[2] Bettencourt, L. et al. (2007). Growth, innovation, scaling, and the pace of life in cities. PNAS 104(17):7301-7306. داده: BEA + Census 2006، ۲۵ MSA بزرگِ آمریکا.
[3] Johnson, M. & Raven, P. (1973). Species number and endemism: the Galapagos archipelago revisited. Science 179:893-895. داده: R faraway::gala دیتاست، ۳۰ جزیره.
[4] Nemet, G. (2009). Demand-pull, technology-push. Energy Policy؛ Farmer, J.D. & Lafond, F. (2016) Research Policy؛ IRENA؛ Our World in Data.
[5] Manning, C. et al. (2008). Introduction to Information Retrieval. پیکرهٔ Reuters RCV1.
[6] Kucera, H. & Francis, W. (1967). Computational Analysis of Present-Day American English. Brown Corpus.
[7] Crossman, E. (1959). A theory of the acquisition of speed-skill. Ergonomics 2(2):153-166. بازتحلیل: Newell, A. & Rosenbloom, P. (1981).
[8] Wikipedia: Transistor count. مشخصاتِ عمومیِ فروشنده (Intel, AMD, TSMC).
[9] NIST Nuclear Data Center. نیمهعمرِ P-32: ۱۴.۲۹ روز. مقادیرِ نظریِ دقیق.
[10] USGS Earthquake Hazards Program؛ تألیفِ IRIS. کاتالوگِ جهانیِ لرزهخیزی.
[11] Sezonov, G. et al. (2007). E. coli فیزیولوژی در آبگوشتِ Luria-Bertani. J. Bacteriol. 189:8746-8749.
[12] Severinghaus, J. (1979). Simple, accurate equations for human blood O$_2$ dissociation computations. J. Appl. Physiol. 46(3):599-602.
[13] WHO/CDC Ebola Situation Reports (2014-2015)؛ NEJM Ebola Response Team.
[14] Amdahl, G. (1967). Validity of the single processor approach to achieving large scale computing capabilities. AFIPS. همچنین ببینید Hill, M. & Marty, M. (2008) IEEE Computer.
[15] Hill, A. (1938). The heat of shortening and the dynamic constants of muscle. Proc. Royal Soc. B 126:136-195.
[16] Meta SEC filings؛ Zhang, C., Liu, J. & Xu, Y. (2015). J. Comp. Sci. Tech.
[17] Catipovic, M. et al. (2013). Improving the quantification of Brownian motion. Am. J. Physics 81:485.
[18] Singh, V. et al. (2021). Hydrological stream order analysis. Applied Water Science 11:151.
[19] Kaplan, J. et al. (2020). Scaling Laws for Neural Language Models. arXiv:2001.08361.
[20] Shen, Y. et al. (2025). Time crystal order in a Rydberg gas. Nature Communications. همچنین ببینید Kongkhambut, P. et al. (2024) Science 386(6720):670-674.
[21] Torres, G. et al. (2010). Accurate masses and radii of normal stars. Astron. Astrophys. Rev. 18:67-126. Eker, Z. et al. (2018) MNRAS 479:5491. IAU 2015 مقادیرِ نامیِ خورشیدی.
[22] Stahl, W. (1967). Scaling of respiratory variables in mammals. J. Appl. Physiol. 22:453. Calder, W. (1984) Size, Function, and Life History. Schmidt-Nielsen, K. (1984) Scaling: Why Is Animal Size So Important?
[23] Landman, B. & Russo, R. (1971). On a pin versus block relationship for partitions of logic graphs. IEEE Trans. Comp. C-20:1469. Christie, P. (2000)؛ Stroobandt, D. (2001).
[24] Taylor, L. (1961). Aggregation, variance and the mean. Nature 189:732-735. Taylor, L. & Woiwod, I. (1980) J. Anim. Ecol. 49:879.
[25] Hack, J. (1957). Studies of longitudinal stream profiles in Virginia and Maryland. USGS Professional Paper 294-B. Mueller, J. (1973)؛ Rigon, R. et al. (1996) Water Resour. Res. 32:3367.
[26] West, G. B., Brown, J. H. & Enquist, B. J. (1997). A general model for the origin of allometric scaling laws in biology. Science 276(5309):122-126.
[27] Banavar, J. R., Maritan, A. & Rinaldo, A. (1999). Size and form in efficient transportation networks. Nature 399(6732):130-132.
[28] Banavar, J. R., Moses, M. E., Brown, J. H., Damuth, J., Rinaldo, A., Sibly, R. M. & Maritan, A. (2010). A general basis for quarter-power scaling in animals. Proceedings of the National Academy of Sciences 107(36):15816-15820.
[29] Demetrius, L. (2003). Quantum statistics and allometric scaling of organisms. Physica A 322:477-490.
[29b] Demetrius, L. (2006). The origin of allometric scaling laws in biology. Journal of Theoretical Biology 243(4):455-467.
[29c] Demetrius, L. & Tuszynski, J. A. (2010). Quantum metabolism explains the allometric scaling of metabolic rates. Journal of the Royal Society Interface 7(44):507-514.
[30] Zhao, J. (2022). Universal growth scaling law determined by dimensionality. arXiv:2206.08094.
[31] Bettencourt, L. M. A. (2013). The origins of scaling in cities. Science 340(6139):1438-1441.
[32] White, C. R. & Seymour, R. S. (2003). Mammalian basal metabolic rate is proportional to body mass2/3. Proceedings of the National Academy of Sciences 100(7):4046-4049.
[33] Glazier, D. S. (2005). Beyond the '3/4-power law': variation in the intra- and interspecific scaling of metabolic rate in animals. Biological Reviews 80(4):611-662.
[34] Glazier, D. S. (2022). Variable metabolic scaling breaks the law: a large-scale data synthesis. Biological Reviews 97(3):1056-1067.
[35] Kolokotrones, T., Savage, V., Deeds, E. J. & Fontana, W. (2010). Curvature in metabolic scaling. Nature 464(7289):753-756.
جستوجویِ ادبیاتی هیچ انتشارِ پیشینی را برنگرداند که هر چهار معادلهٔ تابعیِ کوشی را بهعنوانِ یک اصلِ یکپارچهسازِ بینحوزهای که صورتهای قوانینِ مقیاسبندی را محدود میکند فراخوانده باشد. از خوانندگان دعوت میشود کارِ پیشین ارائه دهند؛ یک پیشینسازِ اصیل که این کار را انجام دهد، ادعای اولویتِ این مقاله را شکست میدهد.
نزدیکترین کارهای موجود عبارتاند از:
شکاف واقعی است. فرمولِ $d/(d+1)$ بهطورِ مستقل توسطِ دستِکم هفت گروهِ پژوهشی از میانِ چارچوبهای ریاضیِ متفاوت استخراج شده است، شبکههای فراکتالی، قیودِ هندسی با توازنِ عرضه-تقاضا، متابولیسمِ کوانتومی، مقیاسبندیِ شهری، بهینهسازیِ شبکه، هندسهٔ بهینهٔ عروقی و اصولِ اولیهٔ ترمودینامیک. هر استخراجِ شناختهشده نیازمندِ سه شرط است: ترکیبِ ضربی (که کوشی به خانوادهٔ قانونِ توانی محدود میکند)، هندسهٔ فضاپرکنِ $d$-بُعدی، و یک قیدِ حفاظت یا بهینهسازی بر جریانِ منابع. قضایای ریاضی ۲۰۰ سالهاند. دادهٔ زیستی ۹۰ ساله است. سهمِ نو نه خودِ فرمولِ $d/(d+1)$ است (که بهخوبی تثبیت شده) و نه ریاضیاتِ کوشی، بلکه این ادعا که معادلاتِ تابعیِ نوعِ کوشی توضیح میدهند چرا این استخراجهای مستقل به همان صورت همگرا میشوند، و اینکه قیدِ کوشی یک پیامدِ از نظرِ فیزیکی آزمونپذیر برای طبقهبندیِ قوانینِ مقیاسبندی در حوزههای مختلف دارد.
محدودیتهای بالا توصیف میکنند که چارچوب کجا ضعیف است؛ این زیربخش پیامدهای مشخصی را که آن را ابطال میکنند بیان میکند. ادعای مرکزی، اینکه عملگرِ ترکیبِ یک حوزه، طبقهبندیشده از فیزیکِ شناختهشده پیش از برازش، خانوادهٔ قانونِ مقیاسبندیِ آن را پیشبینی میکند، با هر یک از موارد زیر شکست میخورد:
آنچه نمی شکست دهد: یک شکستِ اضافیِ منفرد، یا مدلی که در یک حوزه بهتر برازش میکند. این ادعا دربارهٔ نگاشتِ عملگر-خانوادگیِ کل است، نه هر برازشِ منفرد؛ اما آن کل باید تحتِ تکرارِ پیشثبتشده و بهطورِ مستقل طبقهبندیشده از خطِ مبنای شانس عبور کند.
اگر چارچوب تحتِ تکرارِ پیشثبتشدهٔ مستقل برقرار بماند، پیشنهاد میکند:
این پیامدها مشروطاند. شواهدِ کنونی اکتشافی است، نه قطعی.
یک بلوط بکارید و در قرنها یک درختِ بلوط به دست میآورید. اما بلوطِ آن درخت، و بلوطِ آن، بهطورِ بازگشتی در سرتاسرِ هزارهها بکارید، جنگلی به دست میآورید که اقلیمِ قارهها را شکل میدهد. آنچه در این سامانهها میکاریم در مقیاسهایی که نمیتوانیم تصور کنیم مرکب خواهد شد. بذر جنگل را تعیین میکند.
کوشی ۲۰۰ سال پیش ثابت کرد که بذر همچنین صورتِ جنگل را تعیین میکند. بذرهای ضربی قوانینِ توانی تولید میکنند. بذرهای جمعی نمایی تولید میکنند. بذرهای کراندار اشباع تولید میکنند. بیستوپنج حوزهٔ تجربی که در برابرِ این پیشبینی آزموده شدند ۱۹ تأیید در $p = 7 \times 10^{-5}$ تحتِ آزمونِ جایگشتیِ حاشیهمشروط، روی مجموعهٔ نامزدِ ششمدلیِ بخشِ ۳.۲ تولید میکنند؛ بازاجرای چهارخانوادهای پیشنویسشده و در انتظارِ ارائهٔ انسانی است. سیزده توانِ متابولیکِ منتشرشده در جایی که نظریهٔ بُعدی پیشبینی میکند میافتند.
ریاضیات همیشه آنجا بود. ما فقط آن را بهعنوانِ پیشبینیای دربارهٔ جهانِ فیزیکی نخوانده بودیم. اینکه آن خوانش تحتِ بررسیِ مستقل برقرار بماند، اکنون پرسشی است که جامعهٔ علمی باید پاسخ دهد.
AI را با مراقبت پرورش دهید.
مجموعهٔ کاملِ اعتبارسنجی، شاملِ همهٔ ۵۰ تعریفِ حوزه، بیانیهٔ کانونی و کدِ برازشِ مبتنی بر AICc، در این نشانی در دسترس است:
این اسکریپت نیازمندِ Python 3.10+, numpy و scipy است. همهٔ دادهها با استنادهای منشأ کامل درونِ بیانیه تعبیه شدهاند. خروجی قطعی است.
نویسندهٔ این کار Michael Darius Eastwood است، یک انسان. هر مفهومِ هستهای، فرضیه، طراحیِ آزمایشی، ادعا و نتیجه در این مقاله از ایدهپردازیِ انسانی برخاسته است. هیچ بخشی از این دستنوشته یک خروجیِ بهکلی تولیدشده توسطِ هوشِ مصنوعی نیست.
ابزارهای هوشِ مصنوعی (خانوادهٔ Claude از Anthropic و دیگر دستیارانِ مدلِ زبانیِ بزرگ) بهعنوانِ ابزار تحتِ راهبریِ پیوستهٔ انسانی استفاده شدند، به همان روش که پردازشگرِ کلمه، ماشینحساب یا دستیارِ پژوهشی استفاده میشود: برای ویرایش و پالایشِ نثر، جستوجو و خلاصهسازیِ ادبیات (بهطورِ دستی در برابرِ منابعِ اولیه راستیآزماییشده)، ساختارِ سند، قالببندی، ایدهپردازی در برابرِ پرسشهای نویسندهتعریفشده، و شتاببخشیدن به نگارش بر اساسِ طرحها و دستورالعملهای نویسندهتعریفشده. همهٔ گزینش، هماهنگی، چیدمان و قضاوتِ نهاییِ ویراستاری از آنِ نویسنده است. هر خروجیِ ماهوی توسطِ نویسنده بازبینی، آزمایش یا راستیآزمایی شد، که مسئولیتِ کاملِ دقت و انسجامِ متنِ نهایی را بر عهده میگیرد. این ابزارها سرعتِ کار را افزایش دادند؛ هرگز بهعنوانِ منبعِ آن اتکا نشدند.
وضعیتِ معرفتی. آنچه این برنامه قانون مینامد، حدسهایی تحتِ آزمونِ خصمانهٔ ثبتشده هستند؛ هر کمیت در این مقاله عملاً تعریف شده است و ادعای موقعیتِ قانونِ تثبیتشده در هیچجا ادعا نمیشود. برنامهٔ ثبتشده برای کسبِ آن موقعیت، یا از دست دادنِ آن، از راهِ اندازهگیری، تکرار و ابطالِ ازپابرگذشته وجود دارد.
© ۲۰۲۶ Michael Darius Eastwood. تألیفشده توسطِ انسان با کمکِ کامپیوتر؛ نویسندگیِ کاملِ انسانی و حقوقِ اخلاقی تحتِ Copyright, Designs and Patents Act 1988 و بهطورِ سازگار با راهنماییِ ادارهٔ حقِ نشرِ ایالاتِ متحده در آثارِ حاویِ موادِ تولیدشده توسطِ AI اعلام میشود؛ هرگونه سهمِ فنیِ نوین توصیفشده در این اثر توسطِ نویسندهٔ انسانی طرحریزی شده است. بیانیهٔ کامل: michaeldariuseastwood.com/authorship.
پیمانِ برجای. این مقاله را نادرست ثابت کنید، و من خود ابطال را منتشر میکنم. شرایطِ ابطال در این مقاله بیان شدهاند؛ چالشِ برجا: github.com/MichaelDariusEastwood/arc-scaling-challenge.
اشتباهی در ترجمه دیدید؟ مستقیم اطلاع دهید: