確定性流變初始條件幾何（Geometry of Deterministic Rheological Initial Conditions）

EML-DRIC-2026-v0.1

EveMissLab（一言諾科技有限公司） Neo.K（許筌崴） 2026年6月

摘要

本文研究符號串通過確定性哈希函數映射到粒子物理相空間時所形成的幾何結構。我們稱這一映射為流變初始條件映射（Rheological Initial Condition Map，RICM），並分析其在符號空間與相空間之間所誘導的幾何關係。我們建立了RICM的距離分佈理論，分析兩個不同消息對應的初始條件在相空間中的距離統計，論證FNV1a哈希函數的偽隨機性如何「翻譯」為初始條件的「幾乎均勻」分佈，並研究這種均勻性如何在流變動力學下演化。我們引入初始條件幾何熵，及其與信道容量的關係。本文最後討論RICM的普適性——不同哈希函數族所誘導的流變幾何是否屬於同一「普適類」。這是密碼學哈希理論與流體動力學幾何之間的首次系統性聯繫。

關鍵詞： 哈希函數，相空間幾何，流變初始條件，偽隨機性，距離分佈，普適類，密碼學與物理學

1. 引言

1.1 兩個領域的偶然相遇

FNV1a（Fowler-Noll-Vo）哈希函數是密碼學和計算機科學中的一個輕量級非密碼哈希函數，設計目標是快速計算、低碰撞率和雪崩效應（輸入的小變化導致輸出的大變化）。

在本文考察的流變仿真系統中，FNV1a被用作粒子初始相位和頻率的確定性「隨機數生成器」： $$\phi_i = \frac{\mathrm{FNV1a}(\mathrm{key}i) \bmod 10^3}{10^3} \cdot 2\pi, \quad \omega_i = \omega{\min} + \frac{\mathrm{FNV1a}(\mathrm{key}_i) \bmod 10^2}{10^2} \cdot \Delta\omega$$

這看起來只是工程實現細節——用哈希函數代替隨機數生成器，以保證結果的可重現性。

然而，仔細思考，這個設計實際上在符號空間和物理相空間之間建立了一個精確的確定性映射。這個映射的幾何性質，理論上決定了系統的信息保真度、解碼難度、甚至流變場的長時行為。

核心問題： 這個映射有什麼幾何結構？哈希函數的密碼學性質如何反映在物理幾何中？不同的哈希函數是否給出「等效」的流變幾何？

1.2 已有相關工作

哈希函數的幾何性質在locality-sensitive hashing（LSH）領域有系統研究，但那裡的目標是設計保持相似性的哈希（相似的輸入映射到相似的輸出）。FNV1a是相反的設計目標——它破壞相似性（雪崩效應），是「anti-LSH」。

物理相空間的幾何在動力系統理論中廣泛研究，但都以給定的初始條件為前提，不研究初始條件本身的分佈幾何。

本文處於這兩個領域的交叉地帶，填補了一個未被明確研究的空白。

1.3 本文結構

第2節精確定義RICM並分析其基本性質。第3節建立距離分佈理論。第4節分析FNV1a的幾何特性。第5節研究幾何在動力學下的演化。第6節定義初始條件幾何熵。第7節討論普適類問題。第8節提出開放問題。

2. 流變初始條件映射

2.1 精確定義

設 $\Sigma$ 是字母集， $\mathcal{S}^* = \bigcup_{l=1}^\infty \Sigma^l$ 是有限字串集合。

對長度為 $\ell$ 的消息 $\mathbf{s} \in \Sigma^\ell$ ，系統有 $N(\mathbf{s})$ 個粒子（依賴消息，因為不同的QR碼矩陣有不同數量的深色模組）。系統的相空間為 $\Omega(\mathbf{s}) = \mathbb{R}^{2dN(\mathbf{s})}$ （位置和速度各 $dN$ 維）。

定義 2.1（流變初始條件映射，RICM）。 RICM是一個映射族： $$\Psi: \mathcal{S}^* \to \bigsqcup_{\mathbf{s}} \Omega(\mathbf{s}), \quad \Psi(\mathbf{s}) = (\mathbf{x}^{(0)}(\mathbf{s}), \boldsymbol{\omega}(\mathbf{s}), \boldsymbol{\phi}(\mathbf{s}), \mathbf{0})$$

其各分量：

$\mathbf{x}^{(0)}(\mathbf{s}) \in \mathbb{R}^{dN}$ ：初始位置（由 $\mathbf{s}$ 的結構性映射 $\mathcal{G}$ 決定）
$\boldsymbol{\omega}(\mathbf{s}) = (\omega_1(\mathbf{s}), \ldots, \omega_N(\mathbf{s})) \in [\omega_{\min}, \omega_{\max}]^N$ ：固有頻率
$\boldsymbol{\phi}(\mathbf{s}) = (\phi_1(\mathbf{s}), \ldots, \phi_N(\mathbf{s})) \in [0, 2\pi)^N$ ：初始相位
$\mathbf{0} \in \mathbb{R}^{dN}$ ：初始速度為零

注記 2.1. 初始速度為零是設計選擇，使RICM的像位於 $\Omega(\mathbf{s})$ 的一個 $dN$ -維子流形（速度超平面）上。

2.2 RICM的分解

RICM可以分解為兩個部分：

位置映射 $\Psi_x$ ： $\mathbf{s} \mapsto \mathbf{x}^{(0)}(\mathbf{s})$ ，這是一個結構性映射（由QR碼矩陣或文字光柵化決定），具有明確的幾何意義（格點或像素）。

參數映射 $\Psi_\theta$ ： $\mathbf{s} \mapsto (\boldsymbol{\omega}(\mathbf{s}), \boldsymbol{\phi}(\mathbf{s}))$ ，這是由FNV1a哈希函數決定的映射，沒有明確的幾何意義——其幾何性質正是本文的研究對象。

本文主要研究 $\Psi_\theta$ ，因為 $\Psi_x$ 的幾何相對簡單（格點）。

2.3 FNV1a哈希函數的精確定義

定義 2.2（FNV1a-64）。 FNV1a 64位哈希函數定義為：

初始值： $H_0 = 14695981039346656037$ （即 $0\text{xcbf29ce484222325}$ ）

對輸入字符串的每個字節 $b_i$ ： $$H_{i+1} = (H_i \oplus b_i) \times P \pmod{2^{64}}$$

其中：

$\oplus$ ：64位異或（XOR）
$P = 1099511628211$ （即 $0\text{x100000001b3}$ ）：FNV質數
模運算： $2^{64}$ （自然溢出）

最終哈希值 $H = H_{\text{len}(\text{input})} \in \{0, 1, \ldots, 2^{64}-1\}$ 。

密碼學性質（非形式描述）：

雪崩效應： 輸入改變一個位元，平均約 $32$ 個輸出位元改變
均勻分佈（啟發式）： 對隨機輸入，輸出近似均勻分佈在 $\{0, \ldots, 2^{64}-1\}$ 上
非密碼安全： 不是密碼學哈希（可被碰撞攻擊），但對本應用足夠

2.4 RICM的模量化

參數映射 $\Psi_\theta$ 的具體形式：

$\phi_i(\mathbf{s}) = \frac{\mathrm{FNV1a}(\mathrm{key}_i(\mathbf{s})) \bmod M_\phi}{M_\phi} \cdot 2\pi, \quad M_\phi = 1000$

$\omega_i(\mathbf{s}) = \omega_{\min} + \frac{\mathrm{FNV1a}(\mathrm{key}_i(\mathbf{s})) \bmod M_\omega}{M_\omega} \cdot \Delta\omega, \quad M_\omega = 100$

注意到 $\phi_i$ 和 $\omega_i$ 使用同一個哈希值的不同部分（ $\bmod 1000$ 和 $\bmod 100$ ，後者是前者的因子），這意味著它們是相關的，不是獨立的：

$\omega_i(\mathbf{s}) \text{ 由 } \phi_i(\mathbf{s}) \text{ 唯一確定（因為 } \lfloor H_i \bmod 1000 / 10 \rfloor = H_i \bmod 100）$

這是一個重要的幾何約束： $(\phi_i, \omega_i)$ 不是在 $[0, 2\pi) \times [\omega_{\min}, \omega_{\max}]$ 上獨立均勻分佈的，而是在一個一維子集（由 $H_i \bmod 1000$ 的100個一維線段組成）上分佈。

3. RICM的距離分佈理論

3.1 相空間距離的定義

為了研究不同消息對應的初始條件之間的幾何關係，需要定義相空間距離。

定義 3.1（相空間距離）。 對兩個長度相同的消息 $\mathbf{s}, \mathbf{s}' \in \Sigma^\ell$ （假設它們映射到相同粒子數 $N$ 的系統，即 QR矩陣結構相同），定義相空間距離：

$D_\Omega(\mathbf{s}, \mathbf{s}') = \frac{1}{\sqrt{N}}\left[\sum_{i=1}^N \left((\phi_i(\mathbf{s}) - \phi_i(\mathbf{s}'))^2 + \left(\frac{\omega_i(\mathbf{s}) - \omega_i(\mathbf{s}')}{\Delta\omega/(2\pi)}\right)^2\right)\right]^{1/2}$

這是歸一化的 $L^2$ 距離，用 $\Delta\omega/(2\pi)$ 來統一相位和頻率的量綱。

注記 3.1. 對QR系統，消息內容影響QR矩陣的深色模組集合，從而影響粒子索引和哈希種子 $\mathrm{key}_i(\mathbf{s})$ 。因此 $D_\Omega(\mathbf{s}, \mathbf{s}')$ 不僅依賴於消息的符號差異，還依賴於這些差異如何通過QR編碼傳播到粒子集合。

3.2 同粒子集的距離分佈

對於只改變了少數幾個符號的兩條消息（例如 $\mathbf{s}$ 和 $\mathbf{s}'$ 只有第 $k$ 個符號不同），QR矩陣可能幾乎相同（只改動了少數模組），因此影響的粒子集合 $\Delta\mathcal{P}(\mathbf{s}, \mathbf{s}')$ 很小。

定義相同粒子距離：只考慮受消息差異影響的粒子的相空間距離。設 $\Delta\mathcal{P}$ 是哈希種子不同的粒子集合，則：

$D_\Omega^{\Delta}(\mathbf{s}, \mathbf{s}') = \frac{1}{\sqrt{|\Delta\mathcal{P}|}}\left[\sum_{i \in \Delta\mathcal{P}} \left(\Delta\phi_i^2 + \Delta\tilde{\omega}_i^2\right)\right]^{1/2}$

其中 $\Delta\phi_i = \phi_i(\mathbf{s}) - \phi_i(\mathbf{s}')$ ， $\Delta\tilde{\omega}_i = (\omega_i(\mathbf{s}) - \omega_i(\mathbf{s}'))/(\Delta\omega/2\pi)$ 。

3.3 FNV1a輸出的近似均勻性

命題 3.1（FNV1a均勻性假設）。 在啟發式（工程）假設下，FNV1a輸出 $H_i = \mathrm{FNV1a}(\mathrm{key}_i)$ 對「一般」輸入近似均勻分佈在 $\{0, \ldots, 2^{64}-1\}$ 上，且不同粒子的哈希值近似獨立。

在此假設下：

$\phi_i$ 均勻分佈在 $\{0, 2\pi/1000, 4\pi/1000, \ldots, 2\pi\}$ （離散均勻，1000個值）
$\omega_i$ 均勻分佈在 $\{\omega_{\min}, \omega_{\min}+\Delta\omega/100, \ldots, \omega_{\max}\}$ （離散均勻，100個值）

推論 3.1（期望相空間距離）。 在均勻性假設下，對兩個消息 $\mathbf{s}$ 和 $\mathbf{s}'$ （使所有 $N$ 個粒子的哈希種子均不同），期望相空間距離：

$\mathbb{E}[D_\Omega^2(\mathbf{s}, \mathbf{s}')] = \mathbb{E}[(\Delta\phi)^2] + \mathbb{E}[(\Delta\tilde{\omega})^2]$

其中： $$\mathbb{E}[(\Delta\phi)^2] = \mathbb{E}[\phi_1^2] + \mathbb{E}[\phi_2^2] - 2\mathbb{E}[\phi_1]\mathbb{E}[\phi_2] = 2\mathrm{Var}(\phi)$$

由 $\phi$ 均勻分佈在 $[0, 2\pi)$ （取連續近似）， $\mathrm{Var}(\phi) = (2\pi)^2/12 = \pi^2/3$ ，故 $\mathbb{E}[(\Delta\phi)^2] = 2\pi^2/3$ 。

類似地， $\mathrm{Var}(\tilde{\omega}) = (2\pi)^2/12$ （在歸一化後）， $\mathbb{E}[(\Delta\tilde{\omega})^2] = 2\pi^2/3$ 。

總期望距離： $\mathbb{E}[D_\Omega(\mathbf{s}, \mathbf{s}')] \approx \sqrt{\frac{4\pi^2}{3}} = \frac{2\pi}{\sqrt{3}} \approx 3.63$

這是「平均相空間距離」，對大多數消息對而言，它們的初始條件在相空間中間隔約 $3.63$ 個「自然距離單位」。

3.4 距離集中現象

命題 3.2（距離集中）。 在高維相空間（ $N$ 大時）和均勻性假設下，相空間距離 $D_\Omega(\mathbf{s}, \mathbf{s}')$ 高度集中在其期望值附近：

$\mathrm{Var}(D_\Omega^2) = O(1/N)$

$\Pr\!\left[\left|D_\Omega - \mathbb{E}[D_\Omega]\right| > \varepsilon\right] \leq 2\exp(-cN\varepsilon^2)$

（由Hoeffding不等式，假設獨立性）。

推論 3.2（幾乎等距離）。 在 $N \to \infty$ 極限下，所有消息對的相空間距離都集中在 $2\pi/\sqrt{3}$ 附近，即RICM的像在相空間中幾乎是等距碼（equidistance code）——所有點兩兩之間的距離幾乎相等。

這是高維幾何的典型現象（「維度詛咒」的正面版本：高維空間中的隨機點傾向於等距）。

4. FNV1a的幾何特徵

4.1 雪崩效應的幾何意義

FNV1a的雪崩效應在幾何上的含義是：符號空間中的相鄰點（編輯距離為1的消息對）在相空間中的距離不小於隨機對。

命題 4.1（雪崩幾何）。 設 $\mathbf{s}$ 和 $\mathbf{s}' = \mathbf{s}$ 只改變第 $k$ 個字符（編輯距離1）。則改變第 $k$ 個字符影響的哈希值 $h_i = \mathrm{FNV1a}(\mathrm{key}_i(\mathbf{s}))$ 對所有依賴該字符的粒子 $i$ 均產生「雪崩」變化。

在啟發式意義下： $|h_i(\mathbf{s}) - h_i(\mathbf{s}')| \approx 2^{63}$ （平均差約為最大值的一半）。

因此： $|\phi_i(\mathbf{s}) - \phi_i(\mathbf{s}')| \approx \pi$ （均值），相鄰符號對應的相位差約為 $\pi$ （反相）。

幾何意義： 符號空間中的相鄰消息對應的初始條件在相空間中是反相的，而非接近的。這與直觀相反——我們可能期望相似的輸入給出相似的初始條件（連續性），但哈希函數的雪崩效應故意破壞了這種連續性。

流變含義： 由於相鄰消息的初始相位反相，它們的粒子在 $t$ 時刻的位移方向相反。解碼器無法通過「插值」來處理輕微的消息損壞——每一個符號的改變都導致相空間中的大跳躍，沒有漸變的「中間態」。

4.2 排列對稱性

FNV1a的另一個幾何特徵是：對密鑰的不同字符位置，哈希值的分佈是均勻的，但不是完全獨立的（因為哈希是順序計算的）。

命題 4.2（位置相關性）。 對 $\mathrm{key}_i$ 和 $\mathrm{key}_j$ （兩個粒子的哈希密鑰），若它們有相同的前綴，則 $H_i$ 和 $H_j$ 高度相關（後續字節不同，但初始積累相同）。

在QR系統中， $\mathrm{key}_i = \text{``QR\_r\_c\_text''}$ ，對不同格點的粒子，密鑰都包含相同的 $\text{text}$ 部分，但位置部分不同。由於FNV1a是順序計算的，不同位置的粒子哈希值有複雜的相關結構。

這使得完整的RICM不是真正的「均勻隨機映射」，而是由哈希函數的具體結構決定的偽隨機映射，其幾何結構比完全隨機映射更豐富（但也更複雜）。

4.3 RICM的Jacobian（廣義意義）

在符號空間上沒有自然的微分結構，但可以定義離散Jacobian。

定義 4.1（離散雅可比矩陣）。 對消息 $\mathbf{s} \in \Sigma^\ell$ 和符號 $\sigma_k \in \Sigma$ ，定義：

$J_{i,k}(\mathbf{s}) = \frac{\phi_i(\mathbf{s} \oplus_k \sigma_k) - \phi_i(\mathbf{s})}{1}$

其中 $\mathbf{s} \oplus_k \sigma_k$ 表示將 $\mathbf{s}$ 的第 $k$ 個符號替換為 $\sigma_k$ 。

$J$ 是一個 $N \times \ell$ 矩陣，描述了每個符號位置對每個粒子相位的影響。

命題 4.3（雪崩矩陣的近似性質）。 在均勻性假設下， $J$ 的每一列（對應一個符號位置）中， $J_{i,k}$ 近似均勻分佈在 $[-\pi, \pi)$ 上，且不同行（不同粒子）近似獨立。

這等效於說： $J$ 近似是一個隨機矩陣（每列是均勻隨機的），其奇異值分佈近似遵循Marchenko-Pastur定律（對隨機矩陣普遍成立）。

4.4 RICM的局部方向性

定義 4.2（RICM的方向性）。 在符號空間中，從 $\mathbf{s}$ 到 $\mathbf{s}'$ 的「方向」可以由它們的相位差向量 $\Delta\boldsymbol{\phi} = \boldsymbol{\phi}(\mathbf{s}') - \boldsymbol{\phi}(\mathbf{s}) \in \mathbb{R}^N$ 表示（取值在 $[-2\pi, 2\pi)^N$ 中）。

若RICM是「各向同性的」（isotropic），則對所有方向（不同的消息差異），相空間位移的分佈應是相同的。

命題 4.4（各向同性近似）。 在均勻性假設下， $\Delta\boldsymbol{\phi}(\mathbf{s}, \mathbf{s}')$ 的方向（歸一化向量 $\Delta\boldsymbol{\phi}/\|\Delta\boldsymbol{\phi}\|$ ）在 $S^{N-1}$ （ $N-1$ 維球面）上近似均勻分佈，獨立於消息差異的具體形式。

這意味著：RICM在高維相空間中是幾何各向同性的——不同類型的消息差異（改變第一個字符、最後一個字符、增加長度等）在相空間中誘導的初始條件位移方向是均勻分佈的，沒有特別偏好的方向。

5. 動力學對幾何的演化

5.1 初始條件幾何的時間演化

設 $\Phi_0 = \Psi(\mathbf{s})$ 和 $\Phi_0' = \Psi(\mathbf{s}')$ 是兩個消息的初始相空間狀態（包含位置和速度）。流變引擎後，兩個系統分別演化到 $\Phi_t = \mathcal{E}^t(\Phi_0)$ 和 $\Phi_t' = \mathcal{E}^t(\Phi_0')$ 。

定義動態相空間距離（僅考慮位置）： $$D_x(t) = \frac{1}{\sqrt{N}}|\mathbf{x}(t) - \mathbf{x}'(t)| = \frac{1}{\sqrt{N}}\left(\sum_{i=1}^N |\mathbf{x}_i(t) - \mathbf{x}_i'(t)|^2\right)^{1/2}$$

初始時， $D_x(0) = \frac{1}{\sqrt{N}}\|\mathbf{x}^{(0)}(\mathbf{s}) - \mathbf{x}^{(0)}(\mathbf{s}')\|$ （由位置映射 $\Psi_x$ 決定）。

5.2 Lyapunov指數的意義

對確定性動力系統，兩個初始條件非常接近的軌跡之間的距離演化由Lyapunov指數控制： $$D_x(t) \sim D_x(0) \cdot e^{\lambda_{\max} t}$$

其中 $\lambda_{\max}$ 是最大Lyapunov指數（MLE）。

$\lambda_{\max} > 0$ ：混沌（chaotic）系統，相鄰初始條件指數分離——解碼器面臨難以克服的挑戰
$\lambda_{\max} \leq 0$ ：非混沌系統，軌跡不指數分離——解碼可能有效

命題 5.1（SRC的Lyapunov指數估計）。 對彈簧-阻尼系統（無耦合），方程 $\ddot{\delta} + \mu\dot{\delta} + k_s\delta = k_s\eta(t)$ 是線性的，因此 $\lambda_{\max} = 0$ （線性系統的MLE不超過零）。

引入耦合後（ $K > 0$ ），若耦合矩陣是對稱正半定的，耦合項是線性的，系統仍然是線性的， $\lambda_{\max} \leq 0$ 。

推論 5.1（SRC是非混沌的）。 在本文考察的流變系統（線性彈簧 + 線性黏滯耦合 + 線性阻尼）中，動力學是線性的，因此系統是非混沌的（ $\lambda_{\max} \leq 0$ ）。相鄰初始條件對應的軌跡不指數分離，而是至多以多項式速率分離。

這是一個重要結論：SRC的解碼難度不是來自混沌（指數放大誤差），而是來自量化（quantization）——在格點重建步驟中，連續的位置被四捨五入到最近的格點，這引入了有限但非零的錯誤率。

5.3 解碼精度的幾何界

定義 5.1（可解碼球）。 對消息 $\mathbf{s}$ ，定義其可解碼球： $$B_{\text{dec}}(\mathbf{s}, t) = {\mathbf{s}' \mid D(E^t(\Psi(\mathbf{s}')), \Theta^*) = \mathbf{s}}$$

即在 $t$ 步後，所有可以被正確解碼為 $\mathbf{s}$ 的消息集合。

由於系統是線性的， $B_{\text{dec}}(\mathbf{s}, t)$ 在相空間的原像是一個「格點吸引域」，其大小由格距 $h/2$ 決定。

命題 5.2（可解碼球的半徑估計）。 在線性系統近似下，消息 $\mathbf{s}'$ 可以被解碼為 $\mathbf{s}$ 的條件是：

$\frac{1}{\sqrt{N}}\|\Delta\boldsymbol{\phi}(\mathbf{s}, \mathbf{s}')\| \lesssim \frac{h}{2 \cdot \sigma_\delta}$

其中 $\sigma_\delta$ 是粒子位移的典型幅值（由振幅 $A$ 和頻率決定）。

這給出了「可解碼半徑」（在相空間中）： $$r_{\text{dec}} \approx \frac{h}{2\sigma_\delta} \approx \frac{6.75}{A \cdot |H(\Omega_{\text{eff}})|^{-1}}$$

其中 $|H|^{-1}$ 是EMA濾波的增益（見EML-SRC-2026命題4.1）。

5.4 RICM像的可解碼覆蓋

定義 5.2（可解碼覆蓋密度）。 定義RICM像的可解碼覆蓋密度： $$\rho_{\text{dec}}(t) = \frac{|\mathcal{M}(t)|}{|\Sigma^\ell|}$$

其中 $\mathcal{M}(t)$ 是在 $t$ 步後可被成功解碼的消息集合（見EML-SRC-2026定義6.1）。

猜想 5.1（覆蓋密度的衰減律）。 在長時極限（ $t \to \infty$ ）下，若系統達到穩態（粒子位移統計量不再變化），則：

$\rho_{\text{dec}}(\infty) = \Pr\!\left[\|\langle\boldsymbol{\delta}\rangle\|_\infty \leq h/2\right] = \prod_{i=1}^N \Pr\!\left[|\langle\delta_i\rangle| \leq h/2\right]$

在粒子獨立近似下，這是各粒子「在格點附近」概率的乘積。對 $N$ 個粒子， $\rho_{\text{dec}}(\infty) = p_0^N$ 其中 $p_0$ 是單粒子的在格點附近概率。由於 $p_0 < 1$ （振幅 $A > 0$ 時）， $\rho_{\text{dec}} \to 0$ 指數快於 $N \to \infty$ 。

6. 初始條件幾何熵

6.1 定義

定義 6.1（RICM的幾何熵）。 固定長度 $\ell$ ，對 $\mathbf{s} \in \Sigma^\ell$ 的均勻分佈，定義RICM的幾何熵：

$H_{\text{geom}}(\ell) = -\int_{\mathbb{R}^{dN}} p_\Psi(\boldsymbol{\theta}) \ln p_\Psi(\boldsymbol{\theta}) d\boldsymbol{\theta}$

其中 $p_\Psi$ 是RICM像 $\Psi(\mathbf{s})$ （的 $\boldsymbol{\theta}$ 分量）的概率密度函數（由均勻分佈的消息誘導）。

在均勻性假設下， $p_\Psi$ 近似均勻分佈在 $[0, 2\pi)^N \times [\omega_{\min}, \omega_{\max}]^N$ 上（在粒子獨立假設下），故：

$H_{\text{geom}}(\ell) \approx N\ln(2\pi) + N\ln(\Delta\omega) = N\ln(2\pi\Delta\omega)$

在本系統中， $\Delta\omega = 1.6$ （QR）或 $1.8$ （文字）， $H_{\text{geom}} \approx N\ln(2\pi \cdot 1.7) \approx 2.36N$ 。

6.2 與Shannon熵的比較

命題 6.1（幾何熵與消息熵）。 符號串 $\mathbf{s} \in \Sigma^\ell$ 的Shannon熵（均勻分佈）為 $H_s = \ell\log_2|\Sigma|$ 。

在本系統中， $|\Sigma| = 36$ （英數）， $\ell \leq 47$ ，故 $H_s \leq 47\log_2 36 \approx 242$ 位元。

幾何熵 $H_{\text{geom}} \approx 2.36N \approx 2.36 \times 400 = 944$ （以奈特為單位， $N = 400$ 為典型粒子數）。

幾何熵 $\gg$ 消息熵（以合適單位計）。這意味著：相空間比消息空間大得多，RICM的像只佔據相空間的很小一部分。大多數相空間的點不是任何消息的初始條件。

推論 6.1（相空間稀疏性）。 RICM的像在相空間中是稀疏的。對於 $|\Sigma|^\ell = 36^{47} \approx 10^{73}$ 條消息，其初始條件在 $(2\pi)^N \approx (2\pi)^{400} \approx 10^{936}$ 的相空間中只佔 $10^{73}/10^{936} = 10^{-863}$ 的比例。

6.3 解碼的幾何充要條件

可解碼的幾何條件：RICM的像中，不同消息的初始條件在相空間中必須「足夠分離」，使解碼器能夠區分它們。

定義 6.2（可區分距離）。 最小可區分相空間距離： $$d_{\min}(\ell) = \min_{\mathbf{s} \neq \mathbf{s}'} D_\Omega(\mathbf{s}, \mathbf{s}')$$

猜想 6.1（最小距離的下界）。 由FNV1a的碰撞概率（ $\lesssim 2^{-64}$ ），以高概率（對大多數消息集合）有： $$d_{\min}(\ell) \gtrsim c \cdot \frac{2\pi}{\sqrt{3}}$$

對某個常數 $c \in (0,1)$ （依賴 $N$ 和 $\ell$ ）。即最小距離不太可能遠小於期望距離。

7. 普適類問題

7.1 問題的提出

本文考察的RICM使用FNV1a作為哈希函數。但如果換用不同的哈希函數（如MD5的前幾位元、SHA-1的片段、xxHash），流變場的幾何結構會有多大不同？

更精確地：不同哈希函數族所定義的RICM，是否在某種等價意義下屬於同一「普適類」？

7.2 哈希函數的普適性定義

定義 7.1（RICM等價）。 兩個哈希函數 $h$ 和 $h'$ 定義的RICM $\Psi_h$ 和 $\Psi_{h'}$ 是RICM等價的，若它們誘導的相空間距離分佈相同：

$\{D_\Omega^h(\mathbf{s}, \mathbf{s}')\}_{\mathbf{s} \neq \mathbf{s}'} \overset{d}{=} \{D_\Omega^{h'}(\mathbf{s}, \mathbf{s}')\}_{\mathbf{s} \neq \mathbf{s}'}$

（等分佈意義下）。

命題 7.1（完全均勻哈希的普適性）。 若哈希函數 $h$ 是理想的（真正均勻隨機），則對任意其他理想哈希函數 $h'$ ，RICM是等價的。因此，理想哈希函數定義了一個普適類 $\mathcal{U}_{\text{ideal}}$ 。

FNV1a是 $\mathcal{U}_{\text{ideal}}$ 的近似成員（在其偽隨機性假設下）。

7.3 非均勻哈希的幾何偏差

定義 7.2（幾何偏差）。 哈希函數 $h$ 相對於理想哈希的幾何偏差： $$\Delta_{\text{geom}}(h) = \sup_{\mathbf{s}, \mathbf{s}'} |D_\Omega^h(\mathbf{s}, \mathbf{s}') - D_\Omega^{\text{ideal}}(\mathbf{s}, \mathbf{s}')|$$

猜想 7.1（幾何普適類）。 所有滿足以下條件的哈希函數 $h$ 屬於同一普適類：

碰撞概率 $\leq O(2^{-64})$ （低碰撞）
輸出的統計矩 $|\mathbb{E}[H^k] - \mathbb{E}[\text{Uniform}^k]| \leq O(2^{-k \cdot \text{const}})$（低偶數矩偏差）

對這類哈希函數，幾何偏差 $\Delta_{\text{geom}}(h) = O(N^{-1/2})$ （集中不等式估計），在 $N \to \infty$ 時趨向零。

流變意義： 若猜想7.1成立，則流變場的統計性質（BER、Betti數等）對哈希函數的具體選擇是不敏感的，只要它是「足夠均勻的」——這是SRC理論的普適性基礎。

7.4 locality-sensitive哈希的反例

考慮使用locality-sensitive哈希（LSH）代替FNV1a：LSH設計為相似輸入 → 相似輸出，即 $d(\mathbf{s}, \mathbf{s}') \leq r \Rightarrow h(\mathbf{s}) \approx h(\mathbf{s}')$ 。

在RICM框架下，LSH意味著：相似消息的初始條件在相空間中也接近，即RICM近似是一個等距嵌入（isometric embedding）。

命題 7.2（LSH-RICM的性質）。 若使用LSH作為哈希函數，則：

相似消息（編輯距離小）的初始條件相似（相空間距離小）
解碼器可以利用相似性進行「鄰近搜索」解碼，降低計算成本
但由於初始條件聚集（不再稀疏均勻），「消息區分能力」降低，可能導致更高的碰撞率和更低的信道容量

LSH-RICM和FNV1a-RICM代表了兩個相反的設計哲學：前者優化消息連續性（相似輸入 → 相似初始條件），後者優化消息分辨率（不同輸入 → 最大化分離）。

8. 幾何對稱性與守恆量

8.1 RICM的對稱群

定義 8.1（RICM對稱群）。 RICM的對稱群 $\text{Sym}(\Psi)$ 是符號空間上的變換群 $G$ ，使得 $\Psi$ 在 $G$ 的作用下與相空間的某個等距變換 $R_g$ 交換： $$\Psi(g \cdot \mathbf{s}) = R_g \cdot \Psi(\mathbf{s}) \text{ 對所有 } g \in G, \mathbf{s} \in \mathcal{S}^*$$

命題 8.1（FNV1a的循環對稱性）。 對FNV1a，符號串的整體字符替換（所有字符換用相同的其他字符）不保持哈希值。因此 $\text{Sym}(\Psi)$ 在符號替換意義下通常是平凡的。

然而，若所有粒子的密鑰 $\mathrm{key}_i$ 有相同的結構（例如，都以相同前綴開始），則FNV1a的計算中前綴部分的貢獻是相同的，只有後綴不同——這可能引入一種「相對對稱性」。

8.2 守恆量與BER的不變性

命題 8.2（BER的時間對稱性）。 由於SRC是確定性的，且BER是純函數（無隨機性），BER的時間序列是完全確定的： $$\text{BER}(t; \mathbf{s}; K, A, \gamma) = F(\Psi(\mathbf{s}), K, A, \gamma, t)$$

對固定物理參數和消息，BER是時間的確定性函數。問題：是否存在BER的守恆律？

猜想 8.1（BER積分守恆）。 對某類消息（例如，所有模組均被激活的「滿格點」消息），積分： $$I(\mathbf{s}) = \int_0^\infty \text{BER}(t; \mathbf{s}) e^{-\mu t} dt$$

只依賴於消息的特定不變量（例如，QR矩陣的漢明重量），而非消息的具體字符。這意味著存在一個「流變-信息守恆律」，使得不同的消息在時間積分意義下具有相同的BER。

9. 開放問題

問題 9.1（RICM的Voronoi分解）。 相空間中，RICM的像（所有消息的初始條件）定義了一個有限點集。以此點集為種子的Voronoi分解是什麼形狀？每個Voronoi格是否對應一個可解碼域？

問題 9.2（哈希函數的流變最優性）。 在所有可能的哈希函數中，哪一個使SRC的信道容量（見EML-SRC-2026第6節）最大化？最優哈希函數是否有類似「糾錯碼最優設計」的標準？

問題 9.3（RICM的測度論性質）。 在 $|\Sigma^\ell|$ 個消息的均勻分佈下，RICM誘導的相空間測度 $\mu_\Psi$ 的奇異性如何？ $\mu_\Psi$ 是純點測度（點質量）還是有連續部分？在 $\ell \to \infty$ 的極限下， $\mu_\Psi$ 是否收斂到某個極限測度？

問題 9.4（密碼學與流體力學的橋接）。 是否可以構造一個實際的「流變哈希函數」：輸入一個密鑰，通過一個流體動力學仿真（而非算術運算）來計算其哈希值？這樣的系統是否具有計算複雜性上的優勢（或劣勢）？

問題 9.5（RICM與量子初始條件的類比）。 在量子力學中，量子態由 Hilbert 空間中的向量描述，測量選擇基底；在SRC中，初始條件由相空間中的點描述，解碼選擇「觀測基底」（旋轉角 $\Theta$ ）。這兩種結構是否有嚴格的數學類比（例如，通過Koopman算子理論將古典動力系統映射到Hilbert空間）？

10. 結論

本文建立了確定性流變初始條件幾何（DRIC）的完整理論框架，精確分析了FNV1a哈希函數作為「符號空間到相空間的確定性映射」的幾何性質。核心結論包括：

RICM的距離分佈理論（命題3.1、3.2）：在均勻性假設下，RICM的像在高維相空間中幾乎等距，平均間距為 $2\pi/\sqrt{3}$
FNV1a雪崩效應的幾何意義（命題4.1）：符號空間中相鄰的消息，其相空間初始條件反相，不存在平滑的中間態
SRC的非混沌性（推論5.1）：線性流變動力學保證解碼誤差不指數放大，解碼難度來自量化而非混沌
相空間稀疏性（推論6.1）：RICM的像在高維相空間中極為稀疏，大多數相空間點不對應任何消息
普適類問題（猜想7.1）：足夠均勻的哈希函數族定義了同一普適類，SRC的統計性質對具體哈希函數選擇不敏感

本文最深刻的發現是：密碼學哈希函數的「雪崩效應」在流變物理中的幾何等價物是「反相距離最大化」——哈希函數的設計目標（最大化輸入差異的輸出差異）在流變場中體現為相空間中鄰近消息的最大化分離。這個對應為密碼學和流體力學之間搭建了一座意料之外的橋樑。

參考文獻

[1] Fowler, G., Noll, L., Vo, K.P. (1991). FNV hash function. Internet Draft (various revisions 1991–2019).

[2] Marchenko, V.A., Pastur, L.A. (1967). Distribution of eigenvalues for some sets of random matrices. Mathematics of the USSR-Sbornik, 1(4), 457–483.

[3] Indyk, P., Motwani, R. (1998). Approximate nearest neighbors: towards removing the curse of dimensionality. Proceedings of STOC 1998, 604–613. [LSH的原始論文]

[4] Hoeffding, W. (1963). Probability inequalities for sums of bounded random variables. Journal of the American Statistical Association, 58(301), 13–30.

[5] EveMissLab / Neo.K (2026). EML-SRC-2026：符號流變信道理論. EveMissLab Working Paper Series.

[6] EveMissLab / Neo.K (2026). EML-GCT-2026：廣義耦合張量與語義流變場. EveMissLab Working Paper Series.

[7] EveMissLab / Neo.K (2026). EML-PCH-2026：相位相干持續同調. EveMissLab Working Paper Series.

[8] Koopman, B.O. (1931). Hamiltonian systems and transformations in Hilbert space. Proceedings of the National Academy of Sciences, 17(5), 315–318.

EML-DRIC-2026-v0.1 · 2026年6月 · EveMissLab