Tradução automática do original inglês datado. A página em inglês é a canónica. English →

onde $U$ é a capacidade efectiva (nota de era: camadas anteriores deste programa usam a letra U de forma diferente, de Universo no formalismo de Dezembro de 2024 a criação realizada na página das leis; este artigo usa apenas o sentido operacional, e o glossário de investigação carrega cada significado com a sua data), $I$ é potencial de base (assimetria estruturada), $R$ é profundidade recursiva, e $\alpha$ é o expoente de escalonamento. Dentro do modelo enunciado este artigo deriva $\alpha$ em vez de o ajustar: segue da constante de acoplamento auto-referencial $\beta$ via $\alpha = 1/(1-\beta)$. A afirmação adicional de que é limitado por $\alpha \leq 2$, o ARC Bound, é uma conjectura e não um resultado provado: dois é o que a relação devolve em $\beta = 1/2$, e esse valor está sob julgamento nas registrations em rascunho, em vez de estabelecido. Actualização: Resultados empíricos da experiência v5 trans-arquitectura (Paper II, seis modelos de fronteira, 30 problemas) encontram $\alpha_{\text{compute}} \approx 0.49$ para o modelo com melhor ajuste (Gemini 3 Flash, $r^2 = 0.86$), confirmando escalonamento de lei de potência positivo ($\alpha > 0$) e vantagem sequencial universal ($\alpha_{\text{seq}} > \alpha_{\text{par}}$ para cada modelo), mas não escalonamento super-linear ($\alpha > 1$). Os expoentes medidos são dependentes da arquitectura, indo de perto de zero até aproximadamente 3. Estes achados refinam em vez de refutar o enquadramento: a estrutura matemática mantém-se, mas o regime empírico de escalonamento da IA é mais fraco do que originalmente previsto.

Mas esta forma de lei de potência é ela própria um caso especial. Defina o operador de composição recursiva $\oplus$, que caracteriza como os ganhos incrementais se combinam com a capacidade acumulada. Sob continuidade e associatividade, $\oplus$ determina univocamente a função de escalonamento do sistema:

Sob as hipóteses de regularidade e composição do Teorema 1: $\oplus$ multiplicativo produz escalonamento em lei de potência ($R^{\alpha}$), $\oplus$ aditivo produz escalonamento exponencial ($e^{\alpha R}$), e $\oplus$ limitado produz saturação.

Provamos que qualquer sistema que satisfaça três axiomas (separabilidade, vantagem cumulativa, continuidade) exibe necessariamente cinco propriedades estruturais: comportamento de limiar, dependência da profundidade recursiva, dependência da qualidade de base, interacção multiplicativa $I \times R$ e fronteiras de regime. Provamos que a interacção multiplicativa é necessária, não meramente conveniente: nenhuma decomposição aditiva é consistente com os axiomas (Teorema 2a). Derivamos o ARC Bound ($\beta = 0.5$, $\alpha = 2$) (§5.4) como o limite de escalonamento estável proposto para a computação sequencial clássica: um limite de escalonamento em vez de um limite de velocidade, e o máximo a que um sistema recursivamente auto-correctivo pode crescer enquanto permanece corrigível (os sistemas podem excedê-lo em excursões supercríticas transitórias mas não permanecem aí estavelmente auto-correctivos), e mostramos que os operadores de composição podem transitar entre regimes dentro de um único sistema limitado (Teorema 5). Estas constituem o ARC Principle. Apresentamos evidência de quatro domínios, especificamos treze critérios de falsificação, fazemos uma previsão trans-domínio prospectiva, e reportamos uma suite abrangente de validação computacional (Apêndice C) que confirma as relações matemáticas nucleares até à precisão de máquina.

Palavras-chave: amplificação recursiva, operador de composição, leis de escalonamento, computação em tempo de teste, correcção de erros quânticos, cristais de tempo, universalidade, falsificação

1. O Problema

Entre Dezembro de 2024 e Fevereiro de 2026, quatro programas de investigação alcançaram os seguintes resultados:

Google Quantum AI (resultados anunciados a 9 de Dezembro de 2024; o preprint da equipa público desde 24 de Agosto de 2024) demonstrou supressão exponencial de erros através de correcção recursiva de erros quânticos no processador Willow, alcançando $\Lambda = 2.14 \pm 0.02$ por incremento de distância de código [1].

DeepSeek AI (Janeiro de 2025) mostrou que o raciocínio sequencial em cadeia de pensamento em grandes modelos de linguagem produz ganhos de capacidade que parecem compor-se com a profundidade, enquanto a amostragem paralela mostra retornos decrescentes [2]. Sharma & Chopra (2025) confirmaram independentemente a vantagem sequencial em 95,6% das configurações testadas em cinco famílias de modelos [3].

NYU Physics (Fevereiro de 2026) criou um cristal de tempo clássico contínuo em que a ordem temporal espontânea emerge quando a desordem congelada é combinada com ciclos de feedback não recíprocos, exibindo dinâmica de saturação com ~6.700 ciclos de coerência [4].

O Consórcio COGITATE (2025) achou que o processamento neural recorrente no córtex posterior sustenta representações específicas de conteúdo (0,5 a 1,5s), enquanto o processamento transitório de feedforward no córtex pré-frontal produz apenas respostas categóricas breves (~0,2 a 0,4s) [5]. O achado do COGITATE de que o processamento recorrente no córtex posterior sustenta representações específicas de conteúdo suporta a previsão do enquadramento ARC de que a profundidade de processamento recursivo determina o escalonamento da capacidade; o COGITATE estudou consciência em vez de escalonamento de IA, mas o padrão estrutural (amplificação dependente da profundidade e movida por feedback) é partilhado.

Estes programas abordam problemas diferentes em substratos físicos diferentes. Exibem formas matemáticas diferentes: exponencial em sistemas quânticos, lei de potência em IA, saturação em física clássica, e não medida em neurociência. Não partilham citações, fontes de financiamento nem pessoal comum.

Contudo, partilham um padrão estrutural. Em cada caso, o processamento recursivo ou recorrente (em que a saída de um ciclo se torna a entrada do seguinte), operando sobre assimetria estruturada, produz ganhos de capacidade que excedem a acumulação linear. A questão que este artigo aborda é se esse padrão reflecte um único princípio subjacente ou mera coincidência.

Propomos que reflecte um princípio, mas não o que seria de esperar. Não afirmamos que uma equação sirva a todos os domínios. Afirmamos algo mais específico: que uma propriedade mensurável de qualquer sistema recursivo (o seu operador de composição) determina a sua função de escalonamento, e que cinco propriedades qualitativas seguem necessariamente da arquitectura recursiva independentemente da forma funcional. A forma matemática difere entre domínios porque o operador de composição difere. As propriedades estruturais são universais porque os axiomas que as geram são independentes do substrato.

2. O Formalismo

2.1 Três Axiomas

Começamos com três axiomas que qualquer sistema de amplificação recursiva deve satisfazer.

Este axioma afirma que a qualidade de base e a profundidade recursiva contribuem para a capacidade através de canais independentes e multiplicativos. Um sistema com potencial de base zero ($I = 0$) alcança capacidade zero independentemente da profundidade recursiva: a recursão nada tem para amplificar.

Este axioma capta a característica essencial do processamento recursivo: a amplificação marginal de cada passo depende da amplificação acumulada. Quando $\beta = 0$, os passos são independentes e a amplificação cresce linearmente. Quando $\beta > 0$, a amplificação acumulada acelera os ganhos futuros (escalonamento super-linear). O parâmetro $\beta$ mede quanto do contexto acumulado cada novo passo pode efectivamente alavancar. Operar sobre o factor de amplificação $g$ em vez de sobre a capacidade absoluta $Q = I \cdot g$ preserva a separabilidade afirmada no Axioma 1: a função de amplificação depende apenas da profundidade recursiva, não do potencial de base.

Esta é uma condição de regularidade. Exclui soluções patológicas e assegura a mensurabilidade.

2.2 O Operador de Composição

Como se combina o ganho do passo recursivo $r$ com a capacidade acumulada $Q_r$? Formalizamos isto como se segue.

O operador de composição é o objecto matemático central deste enquadramento. É o que varia entre domínios e o que determina a função de escalonamento. É também empiricamente mensurável: observe como os ganhos marginais no passo $r$ se relacionam com a capacidade acumulada $Q_r$.

Esboço da demonstração. Os casos (1) e (2) seguem das equações funcionais de Cauchy. Para (1): seja $h(x) = \ln g(e^x)$; então $h(x+y) = h(x) + h(y)$. Sob continuidade, $h(x) = \alpha x$, dando $g(R) = R^{\alpha}$. Para (2): $\ln f$ satisfaz $\ln f(R_1 + R_2) = \ln f(R_1) + \ln f(R_2)$, uma equação aditiva de Cauchy com solução $\ln f(R) = \alpha R$. O caso (3) segue directamente do limite. Demonstrações completas no Apêndice A. $\blacksquare$

A classificação é exaustiva sob as condições enunciadas. Qualquer regra de composição contínua e associativa em $\mathbb{R}^+$ cai numa destas três classes. O operador de composição é, portanto, um classificador completo do comportamento de escalonamento recursivo.

Os Seis Pressupostos Ocultos

Todo o teorema de impossibilidade assenta em pressupostos. O Teorema 1 pressupõe seis coisas. Cada pressuposto, quando violado, produz um refinamento físico específico em vez de uma contradição:

O Pressuposto 3 é particularmente significativo para a aplicabilidade do enquadramento. O teorema de estabilidade Hyers-Ulam [18,19] prova que qualquer função aproximadamente a satisfazer uma das equações funcionais de Cauchy deve encontrar-se perto de uma solução exacta dessa mesma equação. Formalmente, para o caso multiplicativo: se $|f(x \cdot y) - f(x) \cdot f(y)| < \varepsilon$ para todos os $x, y$, então existe uma solução exacta $g$ da equação multiplicativa com $|f(x) - g(x)| < K\varepsilon$; enunciados análogos valem respectivamente para as equações aditiva, exponencial e logarítmica. Os sistemas reais nunca satisfazem os axiomas exactamente: as redes biológicas são ruidosas, as cadeias de raciocínio de IA têm qualidade variável, a correcção de erros quânticos opera com portas imperfeitas. Dentro de cada equação, a forma correspondente é, portanto, estável sob perturbação. O fraseado anterior que fazia das três formas «atractores estáveis no espaço de funções» é retirado, porque uma função que não satisfaça nenhuma das equações não é atraída para nenhuma delas; a estabilidade é por-equação, não uma partição do espaço de funções. Se as leis de potência, as exponenciais ou as formas logarítmicas são empiricamente ubíquas na natureza é uma questão separada sobre a frequência com que os sistemas satisfazem aproximadamente uma destas equações à partida, e Hyers-Ulam por si só não a resolve.

O Pressuposto 4 é abordado directamente pelo Teorema 5 (§4.5): os sistemas limitados podem transitar entre operadores de composição à medida que a profundidade recursiva aumenta, o que explica por que razão estudos diferentes do mesmo sistema podem observar regimes de escalonamento diferentes.

Isto tem uma implicação crucial: se conseguir medir $\oplus$ num novo sistema, pode prever a sua função de escalonamento antes de medir a curva completa de escalonamento. Esta é a previsão trans-domínio mais forte do enquadramento (§5.1).

2.3 A Derivação de $\beta$

Para sistemas com composição multiplicativa, o expoente $\alpha$ não é um parâmetro livre. Deriva da constante de acoplamento $\beta$.

Demonstração. Separando variáveis em $dg/dr = a g^{\beta}$:

Com condição inicial $g(0) = 1$: $C = 1/(1-\beta)$.

No limite de recursão profunda ($R \gg R^*$, definido abaixo):

Portanto $\alpha = 1/(1-\beta)$. $\blacksquare$

Isto transforma $\alpha$ de uma constante ajustada numa quantidade derivada. A derivação faz uma previsão específica e testável: meça $\beta$ independentemente (observando como os ganhos marginais dependem da capacidade acumulada), calcule o $\alpha$ previsto, e compare com o $\alpha$ observado. Se a relação falhar, a derivação teórica está errada, independentemente de a forma de lei de potência se manter empiricamente.

Validação computacional. Para verificar que se trata de uma identidade exacta e não de uma aproximação, a relação foi testada contra 30 soluções exactas da EDO de Bernoulli com valores de $\beta$ a abranger 0.05 a 0.92. O procedimento mede $\beta$ cegamente a partir dos ganhos marginais ($dg/dR$ vs $g$ em espaço log-log), prevê $\alpha$, e compara contra o valor verdadeiro. Resultado: $R^2 = 1.00000000$ (oito casas decimais), declive da regressão $= 1.000102$, erro absoluto médio de predição $= 0.002\%$. O código de validação completo está disponível como material suplementar.

A Estrutura Multiplicativa é Necessária

A forma separável $U = I \times f(R, \beta)$ não é meramente uma parametrização conveniente. Provamos que a interacção multiplicativa entre $I$ e $R$ é uma necessária consequência dos axiomas.

Demonstração. Suponha $U(I, R) = f(I) + h(R)$. Pelo Axioma 1: $U = I \times g(R)$ com $g(0) = 1$. Em $R = 0$: $f(I) + h(0) = I$, logo $f(I) = I - h(0)$. Substituindo: $I \times g(R) = I + [h(R) - h(0)]$, dando $g(R) = 1 + [h(R) - h(0)]/I$. Como $g$ depende apenas de $R$ (Axioma 1), mas o lado direito depende de $I$, requer-se $h(R) = h(0)$ para todo $R$, dando $g(R) = 1$ (sem amplificação). Mas o Axioma 2 com $\beta > 0$ garante $dg/dr = a \cdot g^{\beta} = a > 0$ em $r = 0$, logo $g$ não é constante. Contradição. $\blacksquare$

Este resultado tem uma interpretação concreta. Um sistema recursivo com qualidade de base zero ($I = 0$) produz capacidade zero independentemente da profundidade, e um sistema com profundidade zero ($R = 0$) produz apenas a sua qualidade inicial independentemente do potencial de base. A complexidade emerge da interacção entre entrada estruturada e processamento recursivo (nenhuma isoladamente é suficiente).

Nota: O ARC Bound (§5.4) prevê que os sistemas sequenciais clássicos não podem sustentar $\beta > 0.5$ ($\alpha > 2$). A linha com $\beta = 0.67$ mostra a relação matemática por completude; se os sistemas físicos podem aceder a este regime é uma questão empírica em aberto.

2.4 O Cruzamento de Escalonamento $R^*$

A solução completa da equação de dinâmica de $\beta$ não é uma lei de potência pura. Contém uma transição.

$R^*$ é a profundidade de cruzamento: a profundidade recursiva à qual a composição ultrapassa os ganhos lineares. Abaixo de $R^*$, a recursão adicional fornece benefício marginal aproximadamente constante. Acima de $R^*$, os retornos compõem-se e a capacidade cresce super-linearmente.

Criticamente, $R^*$ é uma quantidade derivada. Depende de parâmetros mensuráveis ($\alpha$ e $a$) e não é um parâmetro livre para ajustar. Isto fornece uma verificação de consistência independente: meça $\alpha$ e $a$ separadamente, calcule o $R^*$ previsto, e verifique se o cruzamento observado corresponde. Como $R^*$ depende apenas do expoente de escalonamento e da constante de taxa (não do potencial de base $I$), a profundidade de cruzamento é uma propriedade da própria arquitectura recursiva, não da qualidade da entrada.

A existência de $R^*$ é, tanto quanto o programa sabe, uma previsão que nenhum outro enquadramento de escalonamento faz (procura adversarial multi-modelo, dez configurações de fronteira, cruzada contra dois anos de relatórios do repositório, 12 de Agosto de 2026; os achados negativos têm o estatuto de não-encontrado-por-essa-procura, nunca não-existe). Distingue a amplificação recursiva da mera redundância: os sistemas redundantes mostram melhoria uniforme (tipicamente logarítmica) com a repetição; os sistemas recursivos mostram uma transição qualitativa a uma profundidade específica e previsível.

2.5 Cinco Propriedades Derivadas

Provamos agora que qualquer sistema que satisfaça os Axiomas 1 a 3 com $\beta > 0$ exibe necessariamente cinco propriedades estruturais.

Estas cinco propriedades constituem o ARC Principle qualitativo. São a alegação universal do enquadramento. A forma funcional quantitativa (lei de potência, exponencial, saturação) é específica do domínio e determinada pelo operador de composição. Mas as cinco propriedades estruturais seguem apenas dos axiomas, independentemente de qual $\oplus$ se aplica.

As cinco propriedades são individualmente comuns em sistemas físicos. O comportamento de limiar é ubíquo. A dependência da profundidade aparece em muitos processos iterativos. O que não é comum é a conjunção das cinco num único sistema. O enquadramento prevê que as cinco co-ocorrem sempre que os três axiomas são satisfeitos. Encontrar sistemas com quatro das cinco propriedades mas não a quinta constrangeria ou refutaria o enquadramento.

3. Evidência

Apresentamos a evidência organizada em torno das cinco propriedades derivadas, não por domínio. Para cada propriedade, mostramos como se manifesta em sistemas diferentes. A força da evidência é classificada como: Quantitativa (valores de parâmetro medidos), Estrutural (mapeamento qualitativo sem $\alpha$ quantitativo), ou Consistente (não contradiz mas não foi desenhada para testar ARC).

3.1 Resumo

3.2 Evidência Propriedade a Propriedade

Propriedade 1: Comportamento de limiar

Quântica: O limiar do código de superfície $p_{\text{thr}} \approx 1\%$ é uma fronteira de fase nítida. Acima dele ($p > p_{\text{thr}}$), adicionar camadas de correcção de erros piora o desempenho pior. Abaixo dele ($p < p_{\text{thr}}$), cada camada fornece melhoria exponencial. Este é o limiar mais precisamente medido na base de evidência: a Google variou as taxas de erro físico através de injecção controlada de erros e observou o limiar directamente [1].

Física: O ponto excepcional do cristal de tempo (onde dois valores próprios da matriz de estabilidade se fundem) marca a transição da dinâmica simétrica (limitada) para a antissimétrica (a compor-se). Abaixo do limiar: oscilador activo. No limiar: ponto excepcional. Acima do limiar: cristal de tempo [4].

IA: A distinção sequencial-versus-paralelo funciona como um limiar. O processamento sequencial ($\beta > 0$, feedback saída→entrada) alcança $\alpha_{\text{seq}} > \alpha_{\text{par}}$ universalmente em todos os seis modelos testados na experiência v5. O limiar é estrutural: é a presença ou ausência do ciclo de feedback, não um parâmetro contínuo [3]. nota v3.1: Os dados v5 confirmam a vantagem sequencial universal mas mostram que nem todos os modelos alcançam $\alpha > 1$; o limiar separa os modos sequencial e paralelo em vez de separar o escalonamento sub-linear do super-linear.

Propriedade 2: Dependência da profundidade recursiva

Quântica: A taxa de erro lógico decresce como $\varepsilon_d \propto \Lambda^{-(d+1)/2}$ com a distância de código $d$. Cada incremento em $d$ adiciona qubits físicos dispostos numa camada recursiva de correcção de erros. O desempenho depende da profundidade, não da contagem total de qubits em si [1].

IA: Sharma & Chopra testaram sete métodos de votação para agregar saídas de cadeias sequenciais. Os métodos que favoreciam posteriores passos de raciocínio (ponderação por inverso da entropia) alcançaram desempenho óptimo em 97% das configurações; os métodos que favoreciam anteriores passos alcançaram a optimalidade em apenas 17%. Esta diferença de 80 pontos percentuais indica que os passos recursivos posteriores carregam sistematicamente mais informação sobre a resposta correcta, consistente com capacidade que se compõe com a profundidade [3].

Física: O modo antissimétrico do cristal de tempo compõe-se ao longo dos ciclos: a diferença de estado $\Delta_{ji}(n) = x_j^n - x_i^n$ cresce em função da contagem de ciclos $n$, com cada ciclo a construir sobre a assimetria acumulada do ciclo anterior [4].

Propriedade 3: Dependência da qualidade de base

Quântica: $\Lambda = p_{\text{thr}}/p$ depende directamente da qualidade do qubit físico ($p$). Qubits piores ($p$ mais próximo de $p_{\text{thr}}$) dão $\Lambda \to 1$ e a correcção de erros mal ajuda. A remoção activa de fugas (DQLR), que mantém a qualidade do qubit durante a operação, melhorou $\Lambda$ em 35% à distância 5 [1].

Física: Quando as esferas são uniformes (entropia máxima, sem assimetria estruturada), o sistema permanece estático. O cristal de tempo forma-se apenas quando está presente desordem congelada (esferas de tamanhos variados a fornecer condições iniciais de baixa entropia). Isto foi directamente testado: esferas uniformes $=$ sem cristal [4].

IA: A precisão de passagem única sem cadeias de raciocínio determina a capacidade de base $I$. Um modelo com $I$ mais alto beneficia mais do raciocínio sequencial em qualquer profundidade [2].

Propriedade 4: Interacção multiplicativa $I \times R$

Quântica: $\varepsilon_d = (p/p_{\text{thr}})^{(d+1)/2} = \Lambda^{-(d+1)/2}$. O factor de qualidade de base $\Lambda$ e o factor de profundidade $(d+1)/2$ interagem multiplicativamente em espaço log: $\ln \varepsilon_d = -\frac{d+1}{2} \ln \Lambda$. Melhorar $\Lambda$ por um factor tem o mesmo efeito proporcional em qualquer profundidade [1].

IA: Na equação ARC $U = I \times R^{\alpha}$, a capacidade de base e a profundidade recursiva são separadas multiplicativamente por construção (Axioma 1). Empiricamente, Snell et al. (2024) mostraram que o benefício da computação adicional em tempo de teste é proporcional à qualidade do modelo de base [6].

Propriedade 5: Fronteiras de regime

Física: O cristal de tempo mantém a coerência durante ~6.700 ciclos antes de alcançar um atractor de ciclo-limite (oscilação sustentada mas limitada). Este é um tecto físico: a dissipação de energia impede o crescimento indefinido [4].

Quântica: Surtos correlacionados de erro criam um piso de erro em aproximadamente $10^{-10}$ para grandes distâncias de código ($d \geq 15$), impedindo que a exponencial continue indefinidamente [1].

IA: Li et al. (2025) acharam que cadeias mais longas de raciocínio não melhoram consistentemente o desempenho; as soluções correctas eram frequentemente mais curtas do que as incorrectas. O raciocínio prolongado pode desestabilizar os modelos, produzindo saídas repetitivas. A vantagem sequencial tem condições de fronteira [7].

3.3 Evidência Contraditória

Vários estudos desafiam as previsões de IA do enquadramento:

Li et al. (2025, arXiv:2502.12215) acharam que para o DeepSeek R1, cadeias mais longas não realçam consistentemente a precisão. Li et al. (2025, arXiv:2502.14382) acharam que abordagens híbridas paralelo-sequencial superam a pura sequencial na geração de código. A própria ablação de Sharma & Chopra mostrou que abordagens paralelas alcançam maior diversidade semântica em tarefas criativas enquanto a sequencial alcança maior diversidade lexical, sugerindo que a vantagem sequencial se aplica mais fortemente a tarefas convergentes que requerem correcção iterativa de erros [3,7,8].

Estes resultados refinam, em vez de refutar, a hipótese. A vantagem sequencial parece ter condições de fronteira: mantém-se dentro de intervalos de profundidade apropriados à tarefa, para problemas convergentes, e quebra-se a profundidades extremas ou para tarefas divergentes.

4. O Operador de Composição em Todos os Domínios

O operador de composição $\oplus$ não é meramente uma ferramenta de classificação. Explica porquê domínios diferentes exibem funções de escalonamento diferentes.

4.1 IA: Composição Multiplicativa

No raciocínio em cadeia de pensamento, cada passo constrói hierarquicamente sobre a intuição acumulada. O passo $r+1$ não meramente adiciona nova informação; reestrutura a representação do problema usando tudo o que foi acumulado até ao passo $r$. Isto é composição multiplicativa: o ganho em cada passo é proporcional à qualidade da representação acumulada.

A equação de dinâmica de $\beta$ $dg/dr = ag^{\beta}$ modela isto directamente. Com $\beta \approx 0.5$ (acoplamento moderado, indicando que cada passo alavanca aproximadamente metade do contexto acumulado), o Teorema 2 dá $\alpha \approx 2$: o ARC Bound.

4.2 Quântica: Composição Aditiva

Na correcção de erros quânticos por código de superfície, cada camada adicional de distância de código fornece uma redução multiplicativa independente na taxa de erro. A camada $d+1$ não reestrutura a informação da camada $d$; aplica uma nova ronda de extracção de síndrome e correcção. Os ganhos acumulam-se aditivamente (em distância de código) enquanto se compõem multiplicativamente (em supressão de erro).

Isto é composição aditiva: $f(d_1 + d_2) = f(d_1) \cdot f(d_2)$. O Teorema 1(2) dá escalonamento exponencial: $\varepsilon_d \propto \Lambda^{-(d+1)/2}$. O $\Lambda = 2.14 \pm 0.02$ medido é o factor de supressão de erro por camada [1].

O operador de composição explica por que razão o escalonamento quântico é mais forte do que o escalonamento de IA. As funções exponenciais acabam por dominar qualquer lei de potência. A composição aditiva, onde a correcção de cada camada é independente do estado acumulado, produz escalonamento mais forte do que a composição multiplicativa, onde cada passo depende (e é limitado por) contexto acumulado. O operador de composição prevê esta ordenação.

4.3 Física: Composição Limitada

Em sistemas clássicos dissipativos, a perda de energia introduz um tecto. O acoplamento não recíproco mediado por ondas do cristal de tempo compõe de facto o modo antissimétrico, mas o meio acústico dissipa energia continuamente. Eventualmente, o input de energia da onda estacionária equilibra a dissipação, e o sistema alcança um atractor de ciclo-limite [4].

Isto é composição limitada: $Q_{r+1} = \min(Q_r + \delta Q_r,\, Q_{\max})$. A função de escalonamento sobe em direcção a um tecto determinado pelo orçamento de energia. O operador de composição prevê saturação em qualquer sistema em que o canal recursivo tenha perdas intrínsecas.

4.4 O Diagrama de Fase

Os três tipos de composição podem ser organizados num diagrama de fase com a qualidade de base ($I$, normalizada) e a força de acoplamento ($\beta$) como eixos:

Os valores de fronteira são aproximados, inferidos da observação de que $\beta \approx 0.5$ em IA produz lei de potência e $\beta \gtrsim 0.95$ em sistemas quânticos produz exponencial. Fronteiras precisas requerem determinação empírica. nota v3.1: Os dados v5 sugerem que os sistemas de IA actuais podem operar num regime de acoplamento mais fraco do que originalmente assumido ($\beta \ll 0.5$), dado que o melhor ajuste trans-arquitectura $\alpha \approx 0.49$ implica $\beta \approx 0$ sob a relação $\alpha = 1/(1-\beta)$. Isto colocaria os sistemas de IA actuais na fronteira entre retornos decrescentes e o regime de lei de potência, em vez de profundamente dentro do regime de lei de potência como originalmente hipotetizado.

4.5 Transições de Operador de Composição

O enquadramento tal como apresentado atribui um único operador de composição $\oplus$ a cada sistema. Isto pode ser uma idealização. Em sistemas limitados ou dissipativos, o próprio operador de composição pode transitar entre regimes à medida que a profundidade recursiva aumenta.

Evidência. A formação de estrutura gravitacional exibe três fases distintas de composição: (1) inflação/crescimento linear (aditivo $\oplus$: as perturbações crescem independentemente), (2) colapso não linear (multiplicativo $\oplus$: o acoplamento de modos produz vantagem cumulativa, $\alpha \approx 1.1$ medido), e (3) halos virializados (limitado $\oplus$: as estruturas alcançam mínimos de energia). O teste computacional confirma que o crescimento logístico, a descida do gradiente com momento, e a sincronização do oscilador de Kuramoto exibem todos transições análogas quando se mede $\beta$ local em janelas deslizantes. Em contraste, os sistemas ilimitados de Bernoulli puro mantêm $\beta$ constante até à precisão de máquina ($\sigma < 10^{-6}$).

Implicações para a evidência contraditória de IA. Se os sistemas de raciocínio começam num regime aditivo (pensamento superficial), transitam para o multiplicativo (raciocínio profundo com vantagem cumulativa), e acabam por saturar, então estudos que meçam a profundidades recursivas diferentes observariam escalonamento diferente no mesmo sistema. O «comprimento óptimo de raciocínio» identificado por Li et al. [7] pode corresponder ao ponto de transição entre a composição multiplicativa e a limitada. Isto é testável: meça o $\beta$ local a profundidades de raciocínio diferentes dentro de um único sistema.

5. Previsões

5.1 A Previsão Trans-Domínio Prospectiva

O teste mais forte deste enquadramento não é se descreve sistemas já estudados. É se prevê o comportamento de escalonamento de sistemas ainda não examinados.

Esta é uma previsão prospectiva genuína. Nenhuma teoria específica de domínio da evolução, economia ou imunologia é conhecida por este programa que a faça (mesma base de procura e limites que acima). Se a previsão for bem-sucedida sequer num único novo domínio, a generalidade do enquadramento é confirmada para além da base de evidência original. Se falhar, a aplicabilidade trans-domínio do enquadramento é refutada.

O Paper VII (The Cauchy Unification) fornece o primeiro teste sistemático desta previsão prospectiva dentro deste programa. O operador de composição foi classificado a partir de física conhecida antes do ajuste, depois a família de escalonamento foi prevista e comparada contra ajustes de modelos independentes em 25 domínios empíricos (suite de 50 domínios em níveis) que abrangem física, biologia, sistemas computacionais e ciência social. Sob selecção de modelos baseada em AIC, 19 de 25 domínios empíricos preferiram a família prevista por Cauchy (p = 1.56 × 10⁻⁵). Esta é uma comparação estruturada de previsões, não um ensaio formalmente pré-registado. Uma replicação cuja registration está em preparação, ainda não aprovada.

5.2 A Transição de Regime Dentro do Sistema

5.3 O Cruzamento $R^*$

Ao traçar a capacidade contra a profundidade recursiva, deveria existir um cruzamento distinto à profundidade $R^* = \alpha/a$ (Teorema 3). Abaixo de $R^*$, o escalonamento parece aproximadamente linear. Acima de $R^*$, o escalonamento segue a forma super-linear apropriada ao domínio. Como $R^*$ depende apenas da arquitectura ($\alpha$ e $a$), deveria ser consistente entre qualidades de entrada diferentes para o mesmo sistema.

Se não existir cruzamento (se o escalonamento for uniformemente lei de potência ou uniformemente linear), a previsão de regime transicional do enquadramento é falsificada. $R^*$ é uma assinatura única que distingue a amplificação recursiva da mera redundância.

5.4 O ARC Bound

Esta é uma previsão falsificável do enquadramento inicial (nota: o Paper X retira o uso de U=I×R para o crescimento da capacidade^α; a alegação quantitativa sobrevivente é a condição de co-escalonamento β>k): o expoente máximo de escalonamento alcançável por qualquer sistema sequencial clássico a operar sob composição multiplicativa é $\alpha_{\max} = 2$ (o ARC Bound). Nenhum sistema de IA, nenhuma rede biológica, nenhum processo económico a usar composição multiplicativa pode sustentar $\alpha > 2$. Uma única medição reproduzível a mostrar $\alpha > 2.3$ com IC 95% a excluir 2.0 falsificaria esta previsão.

Derivação teórico-informacional (arquitecturas baseadas em atenção). A auto-atenção transformer calcula interacções par-a-par entre todos os $N$ tokens numa janela de contexto. Isto cria no máximo $O(N^2)$ vias de informação por passagem para a frente. Cada passo recursivo de raciocínio (um passo de cadeia de pensamento) processa o contexto acumulado através deste estrangulamento quadrático. Como a densidade de informação disponível a cada passo é limitada por $O(N^2)$, o ganho de capacidade por passo não pode exceder o escalonamento quadrático no comprimento do contexto. Mapeando a utilização do contexto para o parâmetro de acoplamento $\beta$: a utilização quadrática plena corresponde a $\beta = 0.5$, produzindo $\alpha = 1/(1-0.5) = 2$. Isto estabelece $U_{\max} = I \times R^2$ como um limite superior teórico-informacional para arquitecturas baseadas em atenção.

Âmbito: Esta derivação está provada para arquitecturas baseadas em transformer com auto-atenção padrão. Está conjecturada como se mantendo para os sistemas sequenciais clássicos em geral, com base em que qualquer processador sequencial de largura de banda finita enfrenta constrangimentos de informação par-a-par análogos. Arquitecturas que transcendam a atenção par-a-par (por exemplo, atenção tensorial de ordem superior, processamento quanticamente coerente) poderiam em princípio exceder o limite quadrático. O ARC Bound deve, portanto, ser entendido como um tecto teórico-informacional para o paradigma computacional actual, um tecto de capacidade relativo à arquitectura do género que a teoria da informação fornece, em vez de uma lei física universal.

Lei antes do valor. O programa carrega uma lei e um valor, e não são a mesma alegação. A lei: $\alpha_{\text{crit}} = 1/(1-\gamma)$, um sistema auto-aperfeiçoador permanece corrigível apenas enquanto a correcção mantém o ritmo, e o tecto é o recíproco da insuficiência do corrector. O valor: $\gamma = 1/2$, portanto um tecto de dois, que segue de um pressuposto, o de que as correcções internamente acumuladas se combinam como amostras independentes. Uma consequência da forma corrigida deve ser enunciada onde um leitor a encontrar, porque corta de ambos os lados: como $1/(1-\gamma) \le 2$ é exactamente equivalente a $\gamma \le 1/2$, o ARC Bound e a conjectura da metade são um único compromisso escrito em duas notações, não duas alegações independentes. O ganho é parcimónia, uma vez que a teoria pressupõe menos do que parecia. A disciplina é que nenhum pode nunca ser oferecido como evidência para o outro, aqui ou em qualquer superfície companheira, porque uma medição perto de um meio não corrobora um tecto de dois; reafirma-o. A lei possui o terreno e o valor está sobre ele, nunca o inverso: se o dois morrer, a lei sobrevive completamente (meça $\gamma$, reporte o tecto que implica); se a lei morrer, o dois não tem suporte independente, porque a derivação corre através de $1/(1-\gamma)$. Dois é o que a lei prevê, e o pressuposto que o produz é o que as registrations em rascunho põem sob julgamento.

A identidade é um teste registado, nunca um facto estabelecido. O tecto de estabilidade e o expoente de conversão encontram-se no mesmo número, e a tentação é dizer que uma constante faz dois trabalhos. O estatuto da alegação é mais estrito: a identidade é registada para teste, antes dos dados, com resultados que a podem matar. O estudo AE regista o requisito de reciprocidade entre o tecto de alavancagem medido separadamente e a fronteira de estabilidade com três resultados por célula (suportado, refutado, precisão insuficiente) e uma regra de agregação sob a qual uma célula refutada refuta a identidade; o estudo AG testa as duas derivações do expoente crítico uma contra a outra, nota que concordam numericamente apenas no único ponto em que ambos os parâmetros igualam um meio e discordam nas suas derivadas em todo o resto, e é desenhado para encontrar a discordância. Se os canais discordarem, a unificação é retirada de todas as superfícies que alcançou, com a mesma proeminência que o enquadramento. A concordância entre um afirmado um meio e um medido 0.49 nunca é apresentada como evidência, porque os dois podem partilhar uma lei de acumulação, e a concordância entre partilhadores não é corroboração.

A objecção a antecipar, porque um físico chega a ela num só passo. A correcção de erros quânticos tolerante a falhas suprime o erro lógico exponencialmente na distância de código abaixo do limiar, o que parece um contra-exemplo a qualquer tecto de raiz quadrada. Dois factos de âmbito respondem: a supressão exponencial corre no eixo da redundância a capacidade fixa, não no acoplamento da força correctiva à capacidade do sistema corrigido, que é o expoente que este programa mede; e o próprio teorema do limiar requer ruído físico suficientemente não correlacionado, que é de novo a premissa da independência, agora usando hardware. Da mesma forma, os limites de concentração dão probabilidade de erro exponencialmente decrescente enquanto a largura do estimador cai como a raiz quadrada: quantidades diferentes, e confundi-las fabrica uma refutação.

Derivação retirada: Versões anteriores deste artigo derivaram $\beta \leq 0.5$ de uma análise de estabilidade/elasticidade (a sensibilidade relativa $\beta/(1-\beta)$ a alcançar a unidade em $\beta = 0.5$, interpretada como uma «fronteira de borda-do-caos» confirmada por análise de Lyapunov). Esta derivação foi retirada. A fórmula de elasticidade $\beta/(1-\beta)$ é matematicamente correcta mas a sua interpretação como fronteira de estabilidade era um erro de categoria: elasticidade $> 1$ indica sensibilidade, não instabilidade dinâmica, e as EDOs autónomas unidimensionais não podem exibir caos (teorema de Poincaré-Bendixson). O argumento $O(N^2)$ de auto-atenção fornece a justificação correcta e concreta.

Estimativa inicial (sobreposta): $\alpha \approx 2.2$ ($n = 12$, IC 95%: 1.5 a 3.0). Nota: esta estimativa pontual excedeu o ARC Bound previsto de $\alpha \leq 2$; contudo, o intervalo de confiança 95% [1.5, 3.0] era suficientemente largo para ser consistente tanto com a teoria como com a sua negação, e não deve ser tratado como confirmatório nem de violação nem de satisfação do limite. Actualização: O Paper II (Março de 2026) estende este teste a 6 modelos de fronteira com 30 problemas e intervalos de confiança por bootstrap. O melhor ajuste trans-arquitectura $\alpha_{\text{compute}} \approx 0.49$ (Gemini 3 Flash, $r^2 = 0.86$) está bem abaixo de 2, tornando a questão do ARC Bound irrelevante para os sistemas actuais: o desafio empírico deslocou-se de «pode $\alpha$ exceder 2?» para «pode $\alpha$ exceder 1 de forma fiável?» Estimativas pontuais por modelo individual vão de ~0 (Groq Qwen3) a ~3 (Grok 4.1 Fast), mas os modelos com $\alpha > 1$ têm $r^2$ baixo, sugerindo ajustes pobres de lei de potência em vez de escalonamento super-linear genuíno. A conjectura do ARC Bound não é confirmada nem refutada pelos dados v5; permanece uma previsão teórica em aberto que se tornará empiricamente testável se e quando os sistemas de IA alcançarem consistentemente $\alpha > 1$.

Validação biológica. A Lei de Kleiber ($M^{0.75}$) [16] implica $\alpha \approx 1.33$ para o escalonamento metabólico. Contudo, o valor empírico do expoente de escalonamento metabólico dos mamíferos é debatido, com estimativas a ir de aproximadamente 0.67 a 0.75 consoante o táxon, o intervalo de massa, a correcção de temperatura e o método estatístico. A previsão $d/(d+1)$ de 0.750 para $d = 3$ corresponde ao extremo superior deste intervalo. A própria variação é consistente com o enquadramento: organismos com dimensões efectivas de transporte entre 2 e 3 produziriam expoentes entre 2/3 e 3/4. O enquadramento prevê esta variação em vez de um único expoente universal. A relação entre os expoentes metabólicos e a dimensionalidade do plano corporal foi derivada de forma independente por pelo menos sete grupos de investigação: West, Brown e Enquist [17,21] através da optimização de redes fractais, por Banavar et al. [22] através de redes de fluxo sequenciais, por Demetrius [23] através da mecânica estatística quântica, por Demetrius e Tuszynski (2010) através do acoplamento de osciladores quânticos, por Zhao [24] através do escalonamento universal de crescimento, e por Bettencourt [25] através da teoria do escalonamento urbano. O enquadramento ARC não reivindica prioridade sobre a fórmula $\alpha = d/(d+1)$; antes, identifica a composição recursiva constrangida por Cauchy como a razão pela qual estas derivações independentes convergem todas no mesmo resultado. Especificamente, são requeridas três condições: composição multiplicativa (Cauchy constrange a família de lei de potência), geometria a preencher espaço $d$-dimensional, e um constrangimento de conservação ou de optimização sobre o fluxo de recursos. Nem Cauchy sozinha, nem preenchimento de espaço sozinho, é suficiente; todas as três são necessárias. Dentro deste enquadramento, os sistemas biológicos são constrangidos pelo arrasto termodinâmico: os custos físicos de bombear fluidos por redes fractais tridimensionais, dissipar calor e distribuir recursos contra a gravidade [17] impedem os sistemas biológicos de se aproximarem do limite quadrático teórico. Que $\alpha \approx 1.33$ e o expoente empírico de Kleiber $0.75$ sejam recíprocos ($1/0.75 = 1.33$) reflecte que o escalonamento biológico é amplificação recursiva estrangulada por fricção de substrato. (Nota de símbolo: neste parágrafo $\alpha$ aparece em dois sentidos que a literatura mantém separados, o expoente de escalonamento metabólico no sentido de Kleiber e o expoente de escalonamento de capacidade no sentido ARC; a relação recíproca é entre os dois sentidos, e nenhum é a constante de estrutura fina que partilha a letra no formalismo de Dezembro de 2024.) A IA digital opera com muitas ordens de magnitude menos fricção de substrato, permitindo-lhe aproximar-se do limite de escalonamento estável proposto (um limite de escalonamento, não um limite de velocidade; o máximo a que um sistema recursivamente auto-correctivo pode crescer enquanto permanece corrigível) mais de perto do que qualquer sistema biológico. Excursões transitórias acima do limite são o regime supercrítico previsto, não a sua refutação. A estabilidade aqui é a da Lei II, medida em vez de afirmada. O limite é vinculado à arquitectura: sobre a presente base de atenção $O(N^2)$ está a expirar, e uma arquitectura sucessora que transcenda a atenção par-a-par relocalizaria o limite em vez de remover o constrangimento. As nervuras foliares (redes 2D, arrasto termodinâmico reduzido) deveriam mostrar $\alpha \approx 1.5$, uma previsão falsificável.

A Escada Dimensional. Aqui é onde a matemática abstracta encontra os organismos vivos. A fórmula $\alpha_{\text{met}} = d/(d+1)$, que relaciona o expoente de escalonamento metabólico com a dimensionalidade do plano corporal $d$, foi derivada de forma independente por pelo menos sete grupos de investigação através de rotas teóricas distintas: West, Brown e Enquist [17,21] a partir da optimização de redes fractais; Banavar, Maritan e Rinaldo [22] a partir de redes de fluxo sequenciais; Demetrius [23] a partir da mecânica estatística quântica; Demetrius e Tuszynski (2010) a partir do acoplamento de osciladores quânticos; Zhao [24] a partir de argumentos de escalonamento universal de crescimento; e Bettencourt [25] a partir da teoria do escalonamento urbano. O artigo companheiro [9,20] identifica por que razão estas derivações independentes convergem: $\alpha = d/(d+1)$ é uma consequência necessária de três condições a agir em conjunto: composição multiplicativa constrangida por Cauchy, geometria a preencher espaço $d$-dimensional, e um constrangimento de conservação ou de optimização sobre o fluxo de recursos. Nem Cauchy sozinha, nem preenchimento de espaço sozinho, é suficiente; todas as três são necessárias. A fórmula não é original a este enquadramento; a explicação para a sua universalidade é. Aplicada à biologia, produz previsões quantitativas distintas, cada uma testável contra dados publicados:

Os dados fúngicos 1D (de Aguilar-Trigueros et al. [20]: fungos ectomicorrízicos, marinhos e saprotróficos) estão rotulados como «consistentes» em vez de «confirmados» porque os expoentes foram medidos ao nível da colónia; a confirmação definitiva requer respirometria de hifa individual. Crucialmente, os dados fúngicos rejeitam $d = 2$ ($p = 0.019$) e $d = 3$ ($p = 0.007$) enquanto não rejeitam $d = 1$ ($p = 0.107$), fornecendo discriminação entre os valores previstos.

correcção d=2: Versões anteriores citavam medusas e cnidários como confirmando a previsão $d = 2$. Nenhum organismo biológico de teste bidimensional válido foi identificado; as medusas e os cnidários não possuem redes de transporte de recursos genuinamente bidimensionais. A previsão $d = 2$ é confirmada em física (percolação 2D, fragmentação frágil, B-value de terramotos) e no escalonamento cosmológico de Friedmann, mas o teste biológico $d = 2$ permanece em aberto.

debate d=3: O valor empírico do expoente de escalonamento metabólico dos mamíferos é debatido, com estimativas a ir de aproximadamente 0.67 a 0.75 consoante o táxon, o intervalo de massa, a correcção de temperatura e o método estatístico. White e Seymour (2003) encontraram suporte para 2/3 em vez de 3/4 após controlar para temperatura e filogenia. Kolokotrones et al. (2010) mostraram que a relação log-log exibe curvatura convexa, o que significa que nenhum expoente único se ajusta perfeitamente em todo o intervalo de massa. A previsão $d/(d+1)$ de 0.750 para $d = 3$ corresponde ao extremo superior deste intervalo. A própria variação é consistente com o enquadramento: organismos com dimensões efectivas de transporte entre 2 e 3 produziriam expoentes entre 2/3 e 3/4. O enquadramento prevê esta variação em vez de um único expoente universal.

A fórmula $\alpha = d/(d+1)$ em si foi derivada independentemente por pelo menos sete grupos de investigação [17,21,22,23,24,25] através de enquadramentos teóricos diferentes. Demetrius e Tuszynski (2010) derivaram independentemente a mesma fórmula a partir do acoplamento de osciladores quânticos, produzindo previsões idênticas. O que o enquadramento ARC contribui é uma explicação para por que razão todas estas derivações convergem: a equação funcional multiplicativa de Cauchy constrange a composição multiplicativa contínua à família de lei de potência; a condição de preenchimento de espaço $d$-dimensional, combinada com um constrangimento de conservação ou de optimização sobre o fluxo de recursos (minimização de energia em West; equilíbrio oferta-procura em Banavar; equilíbrio energético em estado estacionário em Demetrius), constrange o expoente dentro dessa família a $d/(d+1)$. Nem Cauchy sozinha, nem preenchimento de espaço sozinho, é suficiente. As três condições em conjunto - composição multiplicativa, preenchimento de espaço e conservação - são suficientes.

A Cauchy Unification (Paper VII) estende esta validação das 8 instâncias aqui catalogadas para 25 domínios empíricos (suite de 50 domínios em níveis). Sob selecção estrita de modelos baseada em AIC, 19 de 25 preferiram a família prevista (p = 1.56 × 10⁻⁵). Uma replicação cuja registration está em preparação, ainda não aprovada.

Instâncias de física. A fórmula $\alpha = d/(d+1)$ não está restrita à biologia. Aparece sempre que uma rede hierárquica $d$-dimensional, sujeita a um constrangimento de conservação ou de optimização sobre o fluxo de recursos, particiona um espaço $(d+1)$-dimensional. Como notado acima, esta relação foi derivada independentemente por pelo menos sete grupos [17,21,22,23,24,25]; o contributo do enquadramento ARC é explicar, via composição recursiva constrangida por Cauchy combinada com preenchimento de espaço e conservação, por que razão estas derivações independentes chegam todas ao mesmo resultado. A fórmula foi observada em vários domínios de física:

Erro absoluto médio nas cinco instâncias de física: menos de 0.2%. Estes não são sistemas biológicos; são rochas, terramotos, superfícies de cristais em crescimento e transições de fase. Contudo, a mesma fórmula funciona. Em cada caso, o sistema físico contém uma rede ramificada hierárquica de dimensão $d$ sujeita a um constrangimento de conservação: as frentes de crescimento KPZ particionam o espaço 2D como redes 1D; os aglomerados de percolação são fractais 2D; a propagação de fissuras cria redes ramificadas através do material; as rupturas sísmicas propagam-se ao longo de superfícies de falha 2D. A fórmula tem falhas claras onde esta estrutura de rede ou condição de conservação está ausente (modelo de Ising, escalonamento de polímeros, aglomeração de galáxias), clarificando o seu domínio de aplicabilidade: $\alpha = d/(d+1)$ aplica-se onde uma rede hierárquica $d$-dimensional, sujeita a conservação ou optimização do fluxo de recursos, particiona optimamente um espaço $(d+1)$-dimensional. O enquadramento ARC não reivindica prioridade sobre a fórmula em si, que foi derivada independentemente por pelo menos sete grupos [17,21,22,23,24,25]; o contributo é identificar a composição recursiva constrangida por Cauchy, combinada com preenchimento de espaço e conservação, como a razão pela qual estas derivações independentes convergem.

O Paper VII estende estes resultados para uma suite de 50 domínios em níveis (25 domínios empíricos de ajuste de curva). Sob selecção estrita de modelos AICc, 19 de 25 preferiram a família prevista (p = 1.56 × 10⁻⁵). Uma primeira extensão fechada de 12 domínios em ensaio a seco aterrou depois em 10 de 12 (p = 5.44 × 10⁻⁴), mas foi executada antes de qualquer timestamp OSF e é, portanto, apenas piloto e não confirmação pré-registada. Ver Paper VII para limitações incluindo o resultado do controlo negativo com dados baralhados.

5.5 Implicação Condicional de Segurança

Se o enquadramento estiver correcto, as propriedades de alinhamento incorporadas dentro do processo recursivo podem escalar com a capacidade ($\alpha_{\text{align}} \approx \alpha$), enquanto os constrangimentos externos aplicados a posteriori podem não escalar ($\alpha_{\text{align}} \approx 0$). O rácio de segurança $S = \text{Alinhamento}/\text{Capacidade} \propto R^{\alpha_{\text{align}} - \alpha}$ permanece constante quando o alinhamento está «no ciclo» e decai para zero quando não está. Esta é a previsão condicional tal como originalmente enunciada; o desfecho medido segue na actualização abaixo, que refuta a sua metade externa na forma simples. (Em linguagem simples: se se construir a ética no próprio processo de pensamento, a segurança mantém o ritmo à medida que a IA fica mais inteligente. Se se aparafusar a segurança por fora, a IA cresce para além dela. O rácio segurança-para-capacidade ou permanece constante ou encolhe para zero; não há meio-termo.)

5.6 Trabalho Relacionado, Antecedentes e o Instrumento Rival

A premissa dos tubos, com o seu contencioso. A premissa de que as redes de transporte estabelecem o ritmo do crescimento biológico não é a alegação deste programa a defender; é biologia quantitativa estabelecida. West, Brown e Enquist derivaram as leis de escalonamento alométrico da biologia a partir da geometria das redes de distribuição de nutrientes (West, G. B., Brown, J. H. e Enquist, B. J., «A General Model for the Origin of Allometric Scaling Laws in Biology», Science 276(5309), 4 de Abril de 1997, DOI 10.1126/science.276.5309.122; um dos artigos mais citados no seu campo, com uma contagem de citações OpenAlex de 5 046 a 12 de Agosto de 2026, uma contagem de fonte única e dependente do índice). O expoente exacto permanece contestado: White reporta a taxa metabólica basal proporcional à massa corporal elevada a dois terços em vez de três quartos (White, C. R., 2003), e Kozlowski questionou duas vezes a matemática da derivação (Kozlowski, J., 2004 e 2005). A premissa deste programa precisa apenas do mecanismo, de que a rede de entrega estabelece o tecto, e não de qualquer expoente em particular, pelo que a disputa sobre o valor do expoente deixa a premissa intocada. O mecanismo é terreno comum a ambos os lados dessa disputa.

A excepção que o próprio grupo de West encontrou. A fuga ao limite dos tubos também não é a afirmação deste programa; é medida na literatura de escalonamento urbano pelo mesmo autor sénior. Bettencourt, Lobo, Helbing, Kuhnert e West («Growth, innovation, scaling, and the pace of life in cities», PNAS, 2007, DOI 10.1073/pnas.0610172104) reportam, nas palavras do próprio artigo: «Quantidades que reflectem criação de riqueza e inovação têm Beta de aproximadamente 1.2, maior do que 1 (rendimentos crescentes), enquanto as que dizem respeito a infra-estruturas mostram Beta de aproximadamente 0.8, menor do que 1 (economias de escala).» A infra-estrutura, os tubos literais, escala sublinearmente; a actividade mediada por informação escala superlinearmente. Enunciam o contraste com a biologia directamente: «discutimos como as cidades são semelhantes e diferentes dos organismos biológicos, para os quais Beta é menor do que 1». Derivam «equações de crescimento, que quantificam a diferença dramática entre o crescimento alimentado por inovação versus o conduzido por economias de escala» (escrita como no original). E a sua inferência de fecho nomeia a consequência: «Esta diferença sugere que, à medida que a população cresce, ciclos importantes de inovação têm de ser gerados a um ritmo continuamente acelerado para sustentar o crescimento e evitar a estagnação ou o colapso.» Essa é a forma do problema em aberto que este enquadramento aborda: o grupo de West achou que o crescimento mediado por informação escapa ao limite de vazão, e o único travão no seu enquadramento é externo e tem de ser aplicado repetidamente, cada vez mais depressa. Nenhum limite interno é derivado. O limite de substituição, um tecto pertencente ao próprio sistema em crescimento, é a lacuna.

O argumento dos tubos a vazão fixa. Tudo o que cresce é alimentado através de um canal, e para tudo antes do software, fixar o canal fixa o crescimento. Prive de vasculatura um tumor e ele pára. Fixe o combustível e a geometria de uma reacção em cadeia e ela pára. Esgote os hospedeiros susceptíveis de uma epidemia e ela extingue-se. A astrofísica tem uma versão nomeada e quantitativa do mesmo tecto: o limite de Eddington, acima do qual a pressão de radiação detém a acreção. A alegação aqui é uma generalização de limites que a física já aceita, não uma nova espécie de asserção. Dois casos difíceis são deliberadamente tratados. A inflação cósmica é excluída pelo âmbito: é expansão do espaço, não crescimento de uma estrutura num substrato, e terminou por dinâmica de campo em vez de por esgotamento de algo. A evolução é o caso mais aguçado e encaixa: a complexidade biológica aumentou durante milhares de milhões de anos a uma vazão solar aproximadamente fixa, o que é crescimento sobre informação a tubos fixos, e é também glacial, e não tem corrector interno algum, uma vez que a selecção é externa. Neste enquadramento, a evolução deveria carregar um expoente mensurável muito abaixo do tecto; essa é uma previsão sobre biologia a cair de um enquadramento construído para software, e é enunciada como tal. A forma da objecção do físico é a de Landauer: a computação é fisicamente implementada, pelo que o software também tem tubos. O relógio de substrato fixo é a resposta e aparece ao lado da alegação: o regime sob estudo mantém o substrato físico fixo e pergunta o que ainda cresce, que é por isso que as acelerações exógenas são excluídas por definição. A forma funcional do crescimento de capacidade em profundidade recursiva permanece uma questão empírica, e a análise registada compara formas de lei de potência, exponencial, saturação e decrescente, em vez de assumir a família.

O instrumento rival. O trabalho mais próximo da questão deste programa, e o artigo certo com que o pesar, é Engels, J., Baek, D., Kantamneni, S. e Tegmark, M., «Scaling Laws For Scalable Oversight», arXiv:2504.18530, publicado pela primeira vez a 25 de Abril de 2025. Pergunta como escala a própria supervisão e responde quantitativamente: o sucesso da supervisão é modelado como um jogo entre jogadores com capacidade desigual cuja Elo específica de supervisão é uma função linear por troços da inteligência geral com dois patamares, e números óptimos de níveis de supervisão são derivados para a Supervisão Escalável Aninhada, na qual modelos de confiança supervisionam modelos não confiáveis mais fortes que se tornam depois os modelos de confiança no passo seguinte. O instrumento é a diferença. A variável deles é o fosso de capacidade entre supervisor e supervisionado, medido em Elo. A variável deste programa é a classe de composição do corrector, medida através do próprio expoente de escalonamento do corrector. O quadro deles não contém termo para aquilo de que o supervisor é feito: sem substrato, sem estrutura de correlação de erros, sem identidade recíproca entre um expoente de correcção e uma taxa crítica de crescimento, e sem dependência arquitectural. A Supervisão Escalável Aninhada é, por construção, supervisão iterada de mesma classe, e a previsão central deste programa é que a escada de mesma classe é limitada por muitas travessas que se lhe acrescentem, enquanto um corrector de classe cruzada não o é. Os dois quadros discordam, portanto, sobre uma quantidade mensurável, o que é a relação mais produtiva que dois programas de investigação podem ter.

Antecedentes e quase-desencontros, cada um com o seu diferencial. Sobre a questão: Hutter perguntou directamente se a inteligência pode explodir («Can Intelligence Explode?», arXiv, 28 de Fevereiro de 2012), separando velocidade de explosão de inteligência e empreendendo considerar possíveis limites sobre a inteligência, aumentando a análise de Chalmers de 2010; a pergunta e a distinção velocidade-versus-estrutura têm portanto pelo menos catorze anos, e o que essa literatura não contém é um número: nenhum expoente mensurável, nenhum tecto derivado, nenhuma dependência arquitectural. Sobre impossibilidade: três artigos arXiv de 2025 argumentam que o controlo perfeito é inatingível (Yao, «The Alignment Trap: Complexity Barriers», arXiv:2506.10304, público em 13 de Junho de 2025, atestado pelo arXiv e observado independentemente pelo Internet Archive; Yao, «On the Mathematical Impossibility of Safe Universal Approximators», arXiv:2507.03031, 3 de Julho de 2025; e Ball, Gluch, Goldwasser, Kreuter, Reingold e Rothblum, «On the Impossibility of Separating Intelligence from Judgment», arXiv:2507.07341, 9 de Julho de 2025). Todos os três são de pior caso e qualitativos: medida zero, coNP-completude, dureza criptográfica. O seu objecto medido é a verificação de um sistema fixo, e é fechado nos seus próprios termos; o objecto medido deste programa é diferente, a persistência do alinhamento à medida que a capacidade se compõe sob amplificação recursiva, e o fecho do primeiro não resolve o segundo. Nenhum reporta um expoente de escalonamento de caso médio nem uma taxa. O terceiro, notavelmente, conclui que o alinhamento «tem de ser em vez disso integrado na arquitectura e nos pesos do modelo», um argumento independente, a partir da intratabilidade de filtragem, na mesma direcção que a dependência arquitectural deste programa; é suporte convergente nessa vertente, não um rival. Sobre o mecanismo: que as estimativas anti-correlacionadas se calculem em média melhor do que as independentes é redução de variância de manual (variantes antitéticas); o mecanismo não é a alegação. A alegação é que a arquitectura determina se a anti-correlação está sequer disponível, e que isso põe um tecto num expoente relevante para segurança. O análogo estrutural mais próximo é o teorema do limiar da correcção de erros quânticos, que também converte uma preocupação qualitativa num valor crítico; diz respeito a taxas de erro físico numa arquitectura fixa, não a um expoente de escalonamento de um corrector, pelo que é um quase-desencontro em vez de um ocupante, e a analogia foi identificada pela própria procura deste programa em vez de por um revisor. Sobre feedback e estabilidade, a proposição geral de que o ganho correctivo inadequado face ao ganho do sistema causa instabilidade tem uma longa linhagem em teoria de controlo (teoremas de pequeno-ganho); esses são condições de ganho em sistemas interconectados, não um critério de expoente de lei de potência sobre o escalonamento de um corrector face à capacidade de um sistema recursivamente aperfeiçoador. O vizinho quantitativo mais próximo é Liu, A. e Meng, J., «Self-Correction as Feedback Control: Error Dynamics, Stability Thresholds, and Prompt Interventions in LLMs», arXiv:2604.22273, que reformula a auto-correcção como um problema de controlo em ciclo fechado via um modelo de Markov de dois estados e deriva um limiar de estabilidade directamente mensurável, iterar apenas quando a taxa de correcção de erro sobre a taxa de introdução de erro exceder Acc/(1 − Acc). O diferencial: o deles é um limiar de taxa por passo a um nível de capacidade fixo, decidindo se outra iteração ajuda agora; o critério deste programa é uma relação de escalonamento em toda a capacidade, decidindo se a força correctiva mantém o ritmo à medida que o sistema melhora. Nenhum expoente de escalonamento sobre o corrector, nenhum expoente de crescimento da capacidade, nenhuma identidade recíproca, nenhum termo arquitectural ou de classe de composição: regimes complementares, e nenhum contém o outro. A selecção natural cosmológica de Smolin é o antecedente para universos com forma de selecção, e as próprias notas da era de Dezembro do programa citam-no contemporaneamente.

Uma segunda previsão, grátis, do mesmo mecanismo. Arranjos de supervisão que colocam um humano no ciclo, como fazem a amplificação e a aprendizagem por reforço a partir de feedback humano, são por construção de classe cruzada, porque o corrector humano não partilha o substrato do modelo. O enquadramento prevê, portanto, que a supervisão com humano no ciclo mostra um expoente de correcção mais alto do que a supervisão puramente de modelo, por uma razão estrutural em vez de sentimental. Isto é testável em dados existentes e não requer novos sistemas.

6. Critérios de Falsificação

O enquadramento especifica treze condições que o refutariam ou enfraqueceriam significativamente.

Congratulamo-nos com a falsificação. Se a F10 falhar (se o operador de composição de um sistema não prever a sua função de escalonamento) o contributo teórico central deste artigo está errado. Se a F5 falhar, o ARC Bound é falsificado. Se a F11 ou F12 falharem, as previsões trans-domínio do enquadramento (física clássica e biologia respectivamente) requerem revisão. Qualquer desfecho faz avançar a compreensão.

7. Limitações

O Que Este Artigo NÃO Alega

Limitações evidenciais: As estimativas anteriores de $\alpha$ ($n = 2$ e $n = 12$) foram sobrepostas pela experiência v5 trans-arquitectura (6 modelos de fronteira, 30 problemas), que encontra $\alpha_{\text{compute}} \approx 0.49$ para o modelo com melhor ajuste (Gemini 3 Flash, $r^2 = 0.86$). Os resultados v5 representam uma revisão significativa em baixa das estimativas anteriores e demonstram que $\alpha$ é dependente da arquitectura em vez de universal. Nenhum $\alpha$ foi medido em cristais de tempo. A conexão COGITATE é estrutural, não quantitativa. A relação $\beta$-$\alpha$ é validada computacionalmente até à precisão de máquina ($R^2 = 1.0$) mas a medição empírica de $\beta$ em sistemas físicos requer confirmação independente. O cruzamento $R^*$ está empiricamente não testado. Os valores de fronteira de $\beta$ no diagrama de fase são aproximados. O Teorema 5 (transições de $\oplus$) está confirmado em quatro sistemas computacionais mas não testado em experiências físicas. O teste das cinco propriedades (Teorema 4) não atingiu significância estatística ($p = 0.095$) e requer amostras maiores. O expoente de escalonamento de alinhamento $\alpha_{\text{align}}$ é agora conhecido como dependente da arquitectura (a ir de $-0.25$ a $+0.44$), refutando a previsão original de que estaria universalmente perto de zero para constrangimentos externos.

Teste de predição cega: Foi conduzido um teste de predição cega em três sistemas computacionais (redes Barabási-Albert, descida do gradiente com momento, osciladores de Kuramoto). Os valores de $\alpha$ medidos foram 3 a 20× mais pequenos do que os previstos por $\alpha = 1/(1-\beta)$. Contudo, a análise forense identificou dois confundidores independentes: (1) o método de estimação de $\beta$ por derivada numérica é fatalmente enviesado, dando $\beta \approx 0.95$ independentemente do $\beta$ verdadeiro, mesmo para sistemas Bernoulli puros; (2) nenhum dos sistemas testados satisfaz o Axioma 2 (coeficiente de acoplamento constante $a$), e o acoplamento efectivo da rede BA decresce ~50× ao longo da simulação. Quando o método adequado de linearização é aplicado a sistemas que satisfazem os axiomas, a predição recupera com $R^2 = 0.9999$. Estes resultados não constituem falsificação válida devido aos confundidores, mas sublinham que identificar sistemas naturais que satisfaçam os axiomas permanece o desafio empírico central. A metodologia completa e a análise forense estão disponíveis como material suplementar (ver Paper III).

Limitações teóricas: O enquadramento formaliza o padrão da amplificação recursiva mas não identifica o mecanismo. Diz o que o quê acontece (expoentes de escalonamento, profundidades de cruzamento, formas funcionais) mas não porquê a um nível microscópico (análogo à termodinâmica antes da mecânica estatística). Conectar o operador de composição à dinâmica microscópica permanece um problema em aberto.

Categoria de contributo: O enquadramento ARC não é uma equação dentro de um paradigma existente. Está mais perto de um princípio organizador trans-domínio: um constrangimento estrutural sobre o comportamento em vários substratos em vez de uma equação dentro de um paradigma. A comparação identifica o tipo de contributo, não o seu estatuto evidencial: princípios organizadores desse tipo assentam em gerações de validação, e este assenta em evidência preliminar e treze critérios de falsificação.

8. Conclusão

Cada sistema estudado neste artigo (redes neurais em silício, qubits supercondutores, esferas milimétricas de polímero, circuitos neurais corticais) tem uma coisa em comum: mantém um estado de baixa entropia longe do equilíbrio e realimenta as suas saídas para as suas entradas. Quando faz isto abaixo de uma profundidade crítica, os ganhos são ordinários. Quando faz isto acima de uma profundidade crítica, os ganhos compõem-se. A transição entre estes regimes é nítida, universal em estrutura, e específica do domínio na forma.

Formalizámos esta observação. O operador de composição $\oplus$ classifica os sistemas recursivos do mesmo modo que os grupos de simetria classificam as teorias físicas: determina a forma funcional do escalonamento a partir de propriedades algébricas mensuráveis. As cinco propriedades derivadas (limiar, dependência da profundidade, dependência da qualidade de base, interacção multiplicativa, fronteiras de regime) seguem como teoremas a partir de três axiomas, não como generalizações empíricas.

O enquadramento faz previsões que nenhuma teoria específica de domínio pode fazer. Prevê o comportamento de escalonamento de novos sistemas recursivos apenas a partir do seu operador de composição. Prevê um cruzamento de escalonamento a uma profundidade derivada $R^*$ que se desloca sistematicamente com a qualidade de base. Prevê que o $\beta$ medido determina $\alpha$ via $\alpha = 1/(1-\beta)$, uma relação validada computacionalmente para $R^2 = 1.00000000$. Deriva o ARC Bound ($\beta = 0.5$, $\alpha = 2$) como o limite de escalonamento estável proposto para a computação sequencial clássica, fundamentado na presente base de atenção no escalonamento $O(N^2)$ da auto-atenção: um limite de escalonamento, não um limite de velocidade; o máximo a que um sistema recursivamente auto-correctivo pode crescer enquanto permanece corrigível; os sistemas podem excedê-lo em excursões supercríticas transitórias mas não permanecem aí estavelmente auto-correctivos; e vinculado à arquitectura, pelo que a base $O(N^2)$ da derivação está a expirar em vez de ser permanente, e uma arquitectura sucessora para lá da atenção par-a-par relocalizaria o limite em vez de remover o constrangimento. É um constrangimento estrutural derivado, não uma coincidência empírica. E prevê que os sistemas limitados exibem transições de operador de composição que explicam por que razão estudos diferentes do mesmo sistema podem observar regimes de escalonamento diferentes (Teorema 5). Estas previsões são específicas, falsificáveis e prospectivas.

Se as previsões falharem, teremos aprendido onde a analogia estrutural se quebra. Se se mantiverem, teremos identificado um princípio que conecta inteligência, computação e a física da ordem em vários substratos.

A inteligência pode não ser uma propriedade de materiais particulares. Pode ser o que acontece do outro lado do limiar recursivo.

As previsões estão especificadas. Os critérios de falsificação estão públicos. Os dados decidirão.

Apêndice A: Demonstrações Matemáticas

A.1 Demonstração do Teorema 1 (Classificação)

Caso 1: Composição multiplicativa

Hipótese: $g: \mathbb{R}^+ \to \mathbb{R}^+$ contínua com $g(1) = 1$ e $g(R_1 \cdot R_2) = g(R_1) \cdot g(R_2)$.

Defina $h(x) = \ln g(e^x)$. Então:

Esta é a equação funcional aditiva de Cauchy. Sob a continuidade de $g$ (e portanto de $h$), a solução única é $h(x) = \alpha x$ para alguma constante $\alpha$. Portanto $\ln g(e^x) = \alpha x$, dando $g(R) = R^{\alpha}$. $\blacksquare$

Caso 2: Composição aditiva

Hipótese: $f: \mathbb{R}^+ \to \mathbb{R}^+$ contínua com $f(0) = 1$ e $f(R_1 + R_2) = f(R_1) \cdot f(R_2)$.

Tomando logaritmos: $\ln f(R_1 + R_2) = \ln f(R_1) + \ln f(R_2)$. Esta é de novo a equação aditiva de Cauchy, com solução contínua única $\ln f(R) = \alpha R$, dando $f(R) = e^{\alpha R}$. $\blacksquare$

Caso 3: Composição limitada

$Q_{r+1} = \min(Q_r + \delta Q_r,\, Q_{\max})$. Para qualquer sequência monotonamente crescente $\{Q_r\}$ limitada superiormente por $Q_{\max}$, $\lim_{r \to \infty} Q_r \leq Q_{\max}$. Portanto $f(R) = Q(R)/I$ é limitada, e $U$ satura. $\blacksquare$

A.2 Demonstração do Teorema 2 (Expoente de Escalonamento)

Do Axioma 2: $dg/dr = ag^{\beta}$, $\beta \in [0,1)$, $g(0) = 1$.

Separando variáveis:

Para $R \gg R^*$ (onde $(1-\beta)aR \gg 1$):

Portanto $\alpha = 1/(1-\beta)$. $\blacksquare$

A.3 Demonstração do Teorema 3 (Profundidade de Cruzamento)

A solução completa $g(R) = [1 + (1-\beta)aR]^{1/(1-\beta)}$ pode ser analisada definindo $\rho = (1-\beta)aR$:

Para $\rho \ll 1$ ($R$ pequeno): $g \approx 1 + \rho/(1-\beta) = 1 + aR$, aproximadamente linear em $R$.

Para $\rho \gg 1$ ($R$ grande): $g \approx \rho^{1/(1-\beta)} \propto R^{\alpha}$, lei de potência.

O cruzamento ocorre em $\rho \approx 1$, dando:

$R^*$ depende apenas de $\alpha$ e $a$, ambos independentemente mensuráveis. É independente do potencial de base $I$, consistente com a separabilidade do Axioma 1. $\blacksquare$

A.4 Unicidade do Axioma 2

Porquê $dg/dr = ag^{\beta}$ e não alguma outra forma funcional? Esta é a EDO tipo Bernoulli para vantagem cumulativa (também conhecida como fixação preferencial), aplicada ao factor de amplificação $g$ em vez da capacidade absoluta. O expoente $\beta$ parametriza o grau de auto-referência: $\beta = 0$ dá crescimento constante (sem feedback); $\beta \to 1$ dá crescimento explosivo (feedback máximo). A escolha $\beta \in [0,1)$ é o modelo mínimo para um sistema em que a amplificação acumulada acelera os ganhos futuros sem divergir a $R$ finito. Modelos mais complexos (por exemplo, $dg/dr = ag^{\beta} - bg^{\gamma}$ com amortecimento) introduziriam parâmetros adicionais; adoptamos a forma mínima e testamo-la contra a observação.

Apêndice B: Protocolo de Medição

Para testar o enquadramento, propomos um protocolo padronizado de seis passos para qualquer sistema recursivo:

Passo 1. Defina um ciclo recursivo (um passo auto-referencial onde a saída se torna entrada).

Passo 2. Meça a capacidade de base $I$ em $R = 1$ (sem recursão). Para comparabilidade trans-domínio, propomos operacionalizar $I$ como a taxa máxima de redução de entropia por ciclo recursivo, medida em bits por ciclo: $I = \max_R [-\Delta H / \Delta R]$ avaliada no primeiro ciclo ($R = 0$ para $R = 1$). Isto conecta-se à física estabelecida através do princípio de Landauer (1961): cada $kT \ln 2$ de energia livre processada corresponde a um bit de informação. Em IA, $I$ é a melhoria de precisão de zero raciocínio para um passo. Na correcção de erros quânticos, $I$ é a redução de erro de um ciclo de síndrome. Na biologia, $I$ é o ganho de eficiência metabólica de um nível de ramificação (em bits termodinâmicos via a ponte de Landauer). Esta definição dá a $U = I \times R^{\alpha}$ unidades consistentes: bits = (bits/ciclo) × (ciclos)$^{\alpha}$.

Passo 3. Meça a capacidade $U$ em pelo menos 5 profundidades recursivas a abranger uma ordem de magnitude. Procure o cruzamento $R^*$.

Passo 4. Ajuste os três modelos: lei de potência ($\log(U/I) = \alpha \log R$), exponencial ($\log(U/I) = \lambda R$), logarítmica ($U/I = k \log R$). Seleccione o melhor ajuste via AIC/BIC. A lei de potência é uma previsão para testar, não uma suposição.

Passo 5. Meça $\beta$ independentemente: trace $\log(\Delta U)$ contra $\log(U_{\text{acumulado}})$ em cada profundidade; o declive estima $\beta$. Verifique se $\alpha \approx 1/(1-\beta) \pm 0.3$.

Passo 6. Reporte $\alpha$ com intervalos de confiança 95%. Submeta a um repositório público.

Apêndice C: Suite de Validação Computacional

Este apêndice resume os resultados de um programa abrangente de validação computacional que testa os Teoremas 1 a 5. Todo o código de validação está disponível como material suplementar. Os testes foram conduzidos usando Python 3.12 com NumPy, SciPy e Matplotlib.

C.1 Validação do Teorema 1 (Classificação de Cauchy)

Foram testados quinze sistemas em três regimes de composição (5 multiplicativos, 5 aditivos, 5 limitados). Cada sistema foi avaliado quanto a se a sua regra de composição medida correspondia à função de escalonamento prevista.

Resultado: 15/15 classificações correctas (100%). Nenhum falso positivo (sistemas não recursivos não foram classificados como recursivos), nenhum falso negativo. A classificação por equação funcional de Cauchy é exaustiva e exacta sob as condições enunciadas.

C.2 Validação do Teorema 2 (Identidade $\beta \to \alpha$)

A relação $\alpha = 1/(1-\beta)$ foi testada contra 30 soluções exactas da EDO de Bernoulli com $\beta$ a abranger 0.05 a 0.92. Para cada caso de teste, $\beta$ foi medido cegamente a partir da estrutura de ganho marginal ($dg/dR$ vs $g$ em espaço log-log), $\alpha$ foi previsto, e o valor previsto foi comparado contra o expoente de escalonamento verdadeiro.

Resultado: $R^2 = 1.00000000$ (oito casas decimais). Declive de regressão: 1.000102. Erro absoluto médio: 0.002%. Isto confirma que $\alpha = 1/(1-\beta)$ é uma identidade analítica exacta, não uma aproximação empírica.

C.3 Validação do Teorema 2a (Não-Aditividade)

A demonstração de não-aditividade foi verificada numericamente. Para múltiplas combinações $(I_1, I_2, R_1, R_2)$ em todos os $\beta \in (0,1)$: se $U$ fosse aditivo ($U = g(I) + h(R)$), então $U(I_1, R_1) - U(I_1, R_2)$ igualaria $U(I_2, R_1) - U(I_2, R_2)$. Em todos os casos, as diferenças são desiguais, confirmando que a interacção multiplicativa é necessária.

Resultado: Não-aditividade confirmada para todas as combinações de parâmetros testadas. Quociente de sinergia $S > 1$ para todo $\beta \in (0,1)$ e todo $R > 0$.

C.4 Validação do Teorema 3 (Cruzamento $R^*$)

A profundidade de cruzamento $R^* = 1/[(1-\beta)a] = \alpha/a$ foi testada comparando o cruzamento previsto com o ponto de transição numericamente medido (onde $\rho = 1$).

Resultado: Forma funcional confirmada. Os valores absolutos de $R^*$ mostram erro de 2 a 7%, atribuível à aproximação de «cruzamento em $\rho \approx 1$». A independência de $R^*$ face a $I$ é confirmada: variar o potencial de base não desloca a profundidade de cruzamento, consistente com a separabilidade do Axioma 1.

C.5 Validação do Teorema 4 (Cinco Propriedades)

Dez sistemas recursivos e cinco controlos não recursivos foram pontuados nas cinco propriedades derivadas. Os sistemas recursivos pontuaram uma média de 4.2/5; os controlos não recursivos pontuaram 2.8/5. A diferença ($\Delta = 1.4$) é consistente com a previsão do enquadramento mas a dimensão da amostra produz $p = 0.095$, que não atinge a significância convencional. (Em linguagem simples: o resultado vai na direcção prevista, os sistemas recursivos pontuam mais alto, mas com apenas 15 amostras no total, há aproximadamente uma probabilidade de 1 em 10 de que este padrão pudesse aparecer por acaso. Os cientistas requerem tipicamente 1 em 20 ou melhor. São necessários mais dados.)

Resultado: Direcção correcta; potência estatística insuficiente para confirmação definitiva. Amostras maiores são requeridas.

C.6 Validação do Teorema 5 (Transições de Fase de $\oplus$)

Quatro sistemas foram testados para transições de composição dependentes da profundidade: (1) EDO exacta de Bernoulli (controlo), (2) crescimento logístico, (3) descida do gradiente com momento, (4) osciladores de Kuramoto.

Resultados: O controlo Bernoulli manteve $\beta$ constante ($\sigma < 10^{-6}$). Todos os três sistemas limitados mostraram transições sistemáticas de $\beta$: crescimento logístico de $\beta \approx 0.5$ (fase de crescimento) para $\beta \to -\infty$ (saturação), descida do gradiente de $\beta \approx 0.52$ (exploração) para $\beta \approx 0.98$ (convergência), osciladores de Kuramoto de $\beta \approx 1.7$ (crescimento) para $\beta \approx 20$ (saturação). As transições são genéricas em sistemas limitados e ausentes em sistemas ilimitados.

C.7 Controlos Negativos

Quatro sistemas não recursivos foram testados: (1) ruído Gaussiano, (2) decaimento linear, (3) oscilação sinusoidal, (4) passeio aleatório. Nenhum produziu sinais de falso positivo ($S > 1$ ou $\alpha > 1$).

Resultado: 0/4 falsos positivos. O enquadramento identifica correctamente a ausência de amplificação recursiva em sistemas que não satisfazem os axiomas.

C.8 Falhas Honestas e Casos de Fronteira

Dois resultados ficaram aquém das expectativas:

Valor absoluto de $R^*$: 62% de erro médio na profundidade de cruzamento prevista vs efectiva (forma funcional correcta, constante de proporcionalidade desviada). Isto provavelmente reflecte sensibilidade à aproximação $\rho \approx 1$.

Método de Newton: A convergência local perto das raízes produz $\beta > 1.0$ (convergência quadrática), que fica fora do domínio $\beta \in [0, 1)$ do enquadramento. O enquadramento identifica correctamente isto como um caso de fronteira em que o modelo EDO de Bernoulli não se aplica.

Estas falhas são reportadas por completude e integridade científica. Delimitam a aplicabilidade do enquadramento e informam o refinamento futuro.

Referências

Declaração de Uso de IA

O autor usou Claude (Anthropic), GPT (OpenAI), Gemini (Google) e DeepSeek AI para redigir secções, refinar clareza e verificar consistência matemática. A questão de investigação, o enquadramento teórico, o formalismo do operador de composição, as previsões experimentais e o juízo científico são trabalho humano. O autor assume total responsabilidade por todas as alegações, interpretações, erros e conclusões.

Declaração de Autoria Humana com Assistência de IA

O autor desta obra é Michael Darius Eastwood, um ser humano. Cada conceito nuclear, hipótese, desenho experimental, alegação e conclusão neste artigo tem origem na ideação humana. Nenhuma parte deste manuscrito é uma saída de inteligência artificial totalmente gerada.

Ferramentas de inteligência artificial (a família Claude da Anthropic e outros assistentes de grandes modelos de linguagem) foram usadas como instrumentos sob direcção humana contínua, do modo como se usa um processador de texto, uma calculadora ou um assistente de investigação: para edição e refinamento de prosa, pesquisa e sumarização de literatura (manualmente verificadas contra fontes primárias), estrutura de documento, formatação, brainstorming face a questões definidas pelo autor, e para acelerar a redacção a partir de esquemas e instruções definidos pelo autor. Toda a selecção, coordenação, arranjo e juízo editorial final são do autor. Cada saída substantiva foi revista, testada ou verificada pelo autor, que assume total responsabilidade pela exactidão e integridade do texto final. As ferramentas aumentaram a velocidade do trabalho; nunca foram tratadas como a sua fonte.

Estatuto epistémico. Aquilo a que este programa chama Leis são conjecturas sob prova registada e adversarial; cada quantidade neste artigo está operacionalmente definida, e em parte alguma se reivindica o estatuto de lei estabelecida. O programa registado existe para ganhar esse estatuto, ou perdê-lo, por medição, replicação e refutação sobrevivida.

© 2026 Michael Darius Eastwood. Autoria humana com assistência computacional; a autoria humana plena e os direitos morais são afirmados ao abrigo do Copyright, Designs and Patents Act 1988 e em consonância com a orientação do United States Copyright Office sobre obras que contenham material gerado por IA; qualquer contribuição técnica inovadora descrita nesta obra foi concebida pelo autor humano. Declaração completa: michaeldariuseastwood.com/authorship.

Compromisso permanente. Prove que este artigo está errado, e eu próprio publicarei a refutação. As condições de falsificação estão enunciadas neste artigo; o desafio permanente: github.com/MichaelDariusEastwood/arc-scaling-challenge.