全域相位網路與級聯動力學

從局部擾動、路徑增益、非正規暫態放大到狀態依賴網路重構

英文題名： Global Phase Networks and Cascade Dynamics: From Local Perturbations and Path Gains to Nonnormal Transient Amplification and State-Dependent Network Reconfiguration
系列： 廣義相位交流與載體安全（Generalized Phase Communication and Carrier Safety, GPC-CS）
Paper： 09
作者： Neo.K（許筌崴）
機構： EveMissLab／一言諾科技有限公司
理論協作： Aletheia（GPT-5.6 Sol）
版本： v1.0
日期： 2026-08-14
狀態： Public Theoretical Paper / Non-operational Safety Theory

摘要

Paper 00–08 已將廣義相位交流由單一訊息傳輸逐步擴張為載體狀態安全、跨載體轉導、容量可行域、算子動力學、雙向耦合、歷史依賴、身份相關連續性，以及共模失效與異質載體韌性。本文進入此系列第一個真正的全域網路動力學模型，研究一個局部狀態變化如何被其他節點接收、轉導、重建、重新寫入狀態，之後再作為新的輸入回到網路中。

本文的核心模型為：

\boxed{ \mathbf X_{t+1} = \Gamma_G ( \mathbf X_t, \mathbf w_t ), }

其中：

\mathbf X_t = ( x_{1,t}, \ldots, x_{N,t} )

是全部載體的聯合狀態， $\mathbf w_t$ 為外部／未建模擾動。對兩條鄰近軌跡，本文以非負 gain matrix：

G_t = [g_{ij,t}] \ge0

建立比較系統：

\boxed{ \mathbf d_{t+1} \preceq G_t\mathbf d_t + \boldsymbol\eta_t, }

其中：

d_{i,t} = d_i ( x_{i,t}, \tilde x_{i,t} ).

矩陣元素 $g_{ij,t}$ 表示節點 $j$ 的狀態差異在一步更新中對節點 $i$ 差異的上界增益；其對角項表示 self-gain，非對角項表示 cross-carrier gain。Paper 05 的雙載體 small-gain 模型因此成為此框架的 $N=2$ 特例。

本文第一個核心結果是路徑增益展開。對固定線性比較矩陣 $G$ ：

\mathbf d_{t+k} \preceq G^k\mathbf d_t,

且：

\boxed{ (G^k)_{ij} = \sum_{ j=v_0\rightarrow v_1\rightarrow\cdots\rightarrow v_k=i } \prod_{\ell=0}^{k-1} g_{v_{\ell+1}v_\ell}. }

即 $k$ 步後 $j\to i$ 的影響等於所有長度 $k$ directed walks 的增益乘積總和。這使「擾動被網路重新解碼並回送」可以被直接解釋為路徑組合。

第二，若 $G\ge0$ 且：

\rho(G)<1,

則存在正向量 $\mu\gg0$ 與 $\lambda<1$ 使：

G\mu \preceq \lambda\mu.

因此由：

0\preceq\mathbf d_0\preceq\mu

可推出：

\mathbf d_t \preceq \lambda^t\mu.

更一般地，若有 bounded disturbance：

0\preceq\boldsymbol\eta_t\preceq\bar\eta

且：

\boxed{ G\mu+\bar\eta \preceq \mu, }

則盒：

\boxed{ \mathcal B_\mu = \{ \mathbf d: 0\preceq\mathbf d\preceq\mu \} }

為比較動力學的前向不變集。若每個 $\mu_i$ 同時小於名義節點狀態到局部／關係安全邊界的允許 deviation，則 $\mathcal B_\mu$ 給出一個**全域網路安全管（global safety tube）**的充分證書。

第三，本文建立總閉環影響矩陣。若 $G\ge0$ 且 $\rho(G)<1$ ，則：

\boxed{ \mathcal T_G = \sum_{k=0}^{\infty} G^k = (I-G)^{-1}. }

其中：

(\mathcal T_G)_{ij}

聚合所有長度的 $j\to i$ 路徑增益，本文稱為總網路敏感度（total network susceptibility）。因此即使每條單邊增益都不大，大量回饋路徑仍可能讓 $(I-G)^{-1}$ 的部分元素很大。

第四，本文明確否定：

\rho(J)<1 \Rightarrow \text{finite-time perturbations always shrink}.

對：

J = \begin{pmatrix} a&M\\ 0&a \end{pmatrix}, \qquad 0<a<1,

有：

\rho(J)=a<1,

但：

\|Je_2\|_2 = \sqrt{M^2+a^2},

可任意大。更進一步：

\boxed{ J^n = \begin{pmatrix} a^n & nMa^{n-1}\\ 0 & a^n \end{pmatrix}. }

因此系統可以漸近穩定，卻在有限時間大幅 transiently amplify。這與 non-normal dynamics 文獻一致。本文因而區分：

\boxed{ \text{asymptotic stability} \neq \text{finite-time safety}. }

第五，本文將「級聯」與 Paper 08 的「共模失效」分開。共模失效可以由同一 latent cause 同時造成多節點故障，而級聯失效要求先前節點狀態／失效集合會改變後續節點的輸入、負載、容量或更新算子。令 $S_t\subseteq V$ 為已進入 absorbing failure mode 的節點集合，定義 monotone cascade map：

\boxed{ \mathcal C(S) = S \cup \left\{ i: \ell_i(S)>c_i \right\}, }

其中 $\ell_i(S)$ 是失效集合 $S$ 下節點 $i$ 的有效負載／風險量， $c_i$ 為相應容量或安全閾值。若：

S\subseteq T \Rightarrow \ell_i(S)\le\ell_i(T)

對所有 $i$ 成立，則 $\mathcal C$ 為 monotone。本文證明：在有限 $N$ 節點下，由任意初始 $S_0$ 反覆：

S_{t+1} = \mathcal C(S_t)

至多經 $N$ 次嚴格擴張便到達一個 fixed point $S_\infty$ ，而且它是包含 $S_0$ 的最小 cascade-closed fixed point。這是「局部故障變成網路動力學」的最小集合論版本。

第六，本文進一步允許失效集合反過來改變網路算子：

\boxed{ \mathbf d_{t+1} \preceq G(S_t)\mathbf d_t + \boldsymbol\eta_t. }

此時：

S_t \rightarrow G(S_t) \rightarrow \mathbf d_{t+1} \rightarrow S_{t+1}

形成真正的狀態—拓撲／算子共演化（state–operator coevolution）。這就是本文對 Paper 00 中：

\boxed{ \text{error becoming dynamics} }

的正式定義：擾動不只是被複製，而是改變中間節點狀態，中間節點再改變下一輪更新算子與網路條件。

第七，本文把 interdependent networks 與多層 GPC 表示成 block gain matrix：

\boxed{ G_{\mathrm{multi}} = \begin{pmatrix} G_{11}&\cdots&G_{1L}\\ \vdots&\ddots&\vdots\\ G_{L1}&\cdots&G_{LL} \end{pmatrix}. }

層內 block 表示同一載體群／子網內耦合，層間 block 表示跨載體群轉導與相依。Buldyrev 等對 interdependent networks 的經典研究已顯示，跨網依賴可以讓單網中不會導致系統崩解的小失效轉變成遞迴大級聯；本文只把這種結構抽象成 GPC-CS 的多層 state coupling，而不宣稱所有 GPC 網路服從其 percolation model。

本文不提供任何誘發級聯、尋找脆弱節點、提高放大增益或繞過安全機制的方法。其目的純粹是防禦性與形式化：建立「局部安全」「漸近穩定」「相關失效」「有限時間放大」「真正級聯」彼此不同的判定層，並給出可以接回 Paper 01 安全域的全域不變條件。

關鍵詞： 全域相位網路、級聯動力學、增益矩陣、路徑增益、non-normal amplification、transient growth、interdependent networks、全域安全管、cascade closure、state–operator coevolution

0. 文獻定位與研究邊界

複雜網路的 cascading failure、同步、interdependence 與 transient amplification 均已有成熟研究。

Motter–Lai 2002 與 Crucitti–Latora–Marchiori 2004 建立了以 load redistribution 為核心的級聯失效模型，說明單一節點變動可經網路重新分配造成後續 overload failures。Buldyrev 等 2010 的 interdependent-network model 則展示跨網依賴會形成遞迴失效，且一個網路的節點失效可以經另一網路回饋再次破壞原網路。這些研究的具體機制與 GPC-CS 不同，但它們提供了「failure changes the conditions of subsequent failures」的成熟鄰近模型。

對 coupled dynamics，Pecora–Carroll 1998 的 master stability function 提供同步流形的網路穩定框架。Non-normal dynamics 則提醒：只檢查 asymptotic eigenvalues 並不足以保證有限時間反應不會放大。Hennequin–Vogels–Gerstner 2012、Asllani–Carletti 2018 以及 2026 年 network frequency-response 研究都顯示，非對稱／非正規網路可以在漸近穩定背景下產生顯著 transient amplification。

本文不重新發明 cascade theory、master stability、percolation、matrix resolvent 或 non-normality。

本文的新增工作是把它們統一嵌入 Paper 00–08 已建立的 GPC-CS 狀態語言：

\text{transduction} \rightarrow \text{reconstruction} \rightarrow \text{state update} \rightarrow \text{new network input}.

1. 全域網路狀態

令：

G_t = (V,E_t)

為時刻 $t$ 的交流拓撲。

節點集合：

V = \{ 1,\ldots,N \}.

每個節點：

x_{i,t} \in \mathcal X_i.

聯合狀態：

\boxed{ \mathbf X_t = ( x_{1,t}, \ldots, x_{N,t} ) \in \mathcal X_G = \prod_{i=1}^{N} \mathcal X_i. }

2. 節點級更新

節點 $i$ 的一般更新可寫成：

x_{i,t+1} = F_{i,t} \left( x_{i,t}, \left\{ D_{ij,t} \left( T_{ji,t} ( E_{j,t}(x_{j,t}) ), x_{i,t} \right) \right\}_{j\in N_i(t)}, w_{i,t} \right).

這個式子只是把 Paper 02 的：

E \rightarrow T \rightarrow D \rightarrow F

搬到多節點網路。

合併所有節點後：

\boxed{ \mathbf X_{t+1} = \Gamma_{G,t} ( \mathbf X_t, \mathbf w_t ). }

3. 網路 gain matrix

考慮兩條聯合軌跡：

\mathbf X_t, \qquad \widetilde{\mathbf X}_t.

定義節點差異：

d_{i,t} = d_i ( x_{i,t}, \tilde x_{i,t} ).

令：

\mathbf d_t = ( d_{1,t}, \ldots, d_{N,t} )^\top \ge0.

若存在非負係數：

g_{ij,t}\ge0

使：

d_{i,t+1} \le \sum_{j=1}^{N} g_{ij,t} d_{j,t} + \eta_{i,t},

則定義：

\boxed{ G_t = [g_{ij,t}] \ge0 }

為 GPC 網路 gain matrix。

因此：

\boxed{ \mathbf d_{t+1} \preceq G_t\mathbf d_t + \boldsymbol\eta_t. }

4. Self-Gain 與 Cross-Gain

對角項：

g_{ii}

描述節點自身差異如何延續。

非對角項：

g_{ij} \qquad i\neq j

描述節點：

j \rightarrow i

的交叉敏感度。

Paper 05 的：

a_A,a_B,\gamma_{AB},\gamma_{BA}

正是 $2\times2$ gain matrix 的四個分量。

因此 Paper 09 是 Paper 05 的 $N$ 節點自然推廣。

5. 一步影響圖

若：

g_{ij}>0,

則在 gain graph 中存在 directed edge：

j\rightarrow i.

注意方向由：

誰的狀態差異影響誰的下一步

決定。

因此 gain graph 不必與物理網路、API 連線圖或資料庫拓撲完全相同。

它是動力學敏感度圖。

6. 固定 Gain Matrix 下的多步影響

暫時假設：

G_t=G

固定，

且沒有外部擾動：

\boldsymbol\eta_t=0.

則：

\mathbf d_{t+k} \preceq G^k \mathbf d_t.

7. 路徑增益展開定理

定理 7.1

對：

G=[g_{ij}],

有：

\boxed{ (G^k)_{ij} = \sum_{ j=v_0\rightarrow v_1\rightarrow \cdots\rightarrow v_k=i } \prod_{\ell=0}^{k-1} g_{v_{\ell+1}v_\ell}. }

其中總和遍歷所有長度 $k$ 、由 $j$ 到 $i$ 的 directed walks。

證明

$k=1$ 時直接由：

G_{ij}=g_{ij}

成立。

假設對 $k$ 成立。

則：

(G^{k+1})_{ij} = \sum_m G_{im} (G^k)_{mj}.

代入歸納假設：

= \sum_m g_{im} \sum_{ j=v_0\rightarrow\cdots\rightarrow v_k=m } \prod_{\ell=0}^{k-1} g_{v_{\ell+1}v_\ell}.

每一項正好在一條長度 $k$ 的 $j\to m$ walk 後再接：

m\rightarrow i,

因此枚舉所有長度 $k+1$ 的 $j\to i$ walks。

證畢。

8. Error Becoming Paths

定理 7.1 顯示，一個局部差異不只是被「傳到下一個節點」。

它可以沿：

j \rightarrow v_1 \rightarrow v_2 \rightarrow \cdots \rightarrow i

每一步被新的載體狀態更新重新轉換。

所以：

\boxed{ \text{propagation} = \text{composition of local state effects}. }

這是全域相位交流與普通 packet forwarding 的第一個結構差異。

9. 有限時域 Influence Matrix

定義 $H$ 步累積 influence：

\boxed{ \mathcal T_G^{(H)} = \sum_{k=0}^{H} G^k. }

其中：

(\mathcal T_G^{(H)})_{ij}

聚合 $H$ 步內所有長度的 $j\to i$ walk gains。

它是一個 finite-horizon network susceptibility。

10. 無限時域總敏感度

若：

\rho(G)<1,

則 Neumann series 收斂：

定理 10.1

\boxed{ \mathcal T_G = \sum_{k=0}^{\infty} G^k = (I-G)^{-1}. }

證明

由：

\rho(G)<1

可知矩陣 Neumann series 收斂。

且：

(I-G) \sum_{k=0}^{H}G^k = I-G^{H+1}.

當：

H\rightarrow\infty,

有：

G^{H+1}\rightarrow0.

故：

(I-G)\mathcal T_G=I.

證畢。

11. Total Network Susceptibility

定義：

\boxed{ \mathcal T_G = (I-G)^{-1} }

為總網路敏感度矩陣。

即使：

\rho(G)<1,

某些：

(\mathcal T_G)_{ij}

仍可能很大。

因此：

\boxed{ \text{asymptotically stable network} \text{ can still be highly susceptible}. }

這與 control / resolvent 與 non-normal network literature 的核心直覺一致。

12. 持續外部輸入的穩態包絡

若：

\mathbf d_{t+1} \preceq G\mathbf d_t + \bar\eta

且：

\rho(G)<1,

則：

\mathbf d_t \preceq G^t\mathbf d_0 + \sum_{k=0}^{t-1} G^k\bar\eta.

因此：

\limsup_{t\rightarrow\infty} \mathbf d_t \preceq \boxed{ (I-G)^{-1}\bar\eta }.

這表示總敏感度可以直接把持續小擾動轉成長期 deviation envelope。

13. Perron–Frobenius 型權重

對非負矩陣：

G\ge0

且：

\rho(G)<1,

存在：

\lambda

滿足：

\rho(G)<\lambda<1

以及正向量：

\mu\gg0

使：

\boxed{ G\mu \preceq \lambda\mu. }

這可以由非負矩陣理論／Collatz–Wielandt 型性質得到。

14. 加權安全盒

定義：

\boxed{ \mathcal B_\mu = \left\{ \mathbf d: 0\preceq\mathbf d\preceq\mu \right\}. }

如果：

\mathbf d_0\in\mathcal B_\mu,

且：

G\mu \preceq \lambda\mu, \qquad \lambda<1,

則：

\mathbf d_1 \preceq G\mu \preceq \lambda\mu \preceq \mu.

反覆可得：

\mathbf d_t \preceq \lambda^t\mu.

15. 無擾動安全盒定理

定理 15.1

若：

G\ge0,

且存在：

\mu\gg0, \qquad 0\le\lambda<1

使：

G\mu \preceq \lambda\mu,

則：

\mathcal B_\mu

對比較系統：

\mathbf d^+ \preceq G\mathbf d

前向不變。

而且：

\boxed{ \mathbf d_t \preceq \lambda^t\mu. }

證明

由單調性：

\mathbf d_t\preceq\mu \Rightarrow G\mathbf d_t \preceq G\mu \preceq \lambda\mu \preceq \mu.

歸納即得不變性。

再逐步使用：

\mathbf d_{t+1} \preceq \lambda \mathbf d_t

於加權 envelope 意義下得到指數界。

證畢。

16. 含擾動安全盒定理

定理 16.1

若：

0\preceq \boldsymbol\eta_t \preceq \bar\eta

對所有 $t$ 成立，

且：

\boxed{ G\mu+\bar\eta \preceq \mu, }

則：

\mathcal B_\mu

對：

\mathbf d^+ \preceq G\mathbf d + \boldsymbol\eta

前向不變。

證明

若：

\mathbf d\preceq\mu,

則：

\mathbf d^+ \preceq G\mu+\bar\eta \preceq \mu.

證畢。

17. 從比較安全盒到載體安全管

設名義全域軌跡：

\mathbf X_t^\star.

每個節點具有可允許 deviation：

\mu_{i,t}

且所有：

d_i(x_{i,t},x_{i,t}^\star) \le \mu_{i,t}

時，可保證：

$x_{i,t}\in\mathcal S_i$ ；
所有 relation constraints 仍位於 $\mathcal C_G$ 。

則：

\mathbf d_t \preceq \mu_t

定義一個：

\boxed{ \text{global carrier-safety tube}. }

如果定理 16.1 的條件沿時間成立，

則實際軌跡不會離開此安全管。

18. 時變 Gain Matrix

一般：

G_t

會隨：

state；
topology；
capacity；
mode；
failure set；

改變。

則：

\mathbf d_t \preceq G_{t-1} G_{t-2} \cdots G_0 \mathbf d_0 + \text{disturbance terms}.

定義 transition product：

\boxed{ \Phi_G(t,s) = G_{t-1} \cdots G_s. }

19. 有限時間放大量

定義：

\boxed{ A_{t,k} = \left\| \Phi_G(t+k,t) \right\|. }

若：

A_{t,k}>1,

表示存在某個允許 perturbation direction 在 $k$ 步內可被放大。

這不等於系統長期不穩定。

20. Asymptotic Stability 不等於 Finite-Time Safety

只看：

\rho(J)

可能漏掉 non-normal transient growth。

考慮：

\boxed{ J = \begin{pmatrix} a&M\\ 0&a \end{pmatrix}, \qquad 0<a<1. }

兩個 eigenvalues 都是：

a.

因此：

\rho(J)=a<1.

但取：

e_2 = \begin{pmatrix} 0\\1 \end{pmatrix},

有：

Je_2 = \begin{pmatrix} M\\a \end{pmatrix}.

所以：

\boxed{ \|Je_2\|_2 = \sqrt{M^2+a^2}. }

只要 $M$ 大，單步放大可任意大。

21. Non-Normal Power Formula

對上式：

J = aI + N,

其中：

N = \begin{pmatrix} 0&M\\ 0&0 \end{pmatrix},

且：

N^2=0.

因此：

J^n = (aI+N)^n = a^nI + na^{n-1}N.

即：

\boxed{ J^n = \begin{pmatrix} a^n & nMa^{n-1}\\ 0 & a^n \end{pmatrix}. }

所以即使最終：

J^n\rightarrow0,

中間項：

nMa^{n-1}

仍可能先顯著增長後才衰減。

22. Spectral Safety Fallacy

因此：

\boxed{ \rho(J)<1 }

只控制漸近線性穩定。

它不能單獨推出：

\boxed{ \|J^k\|\le1 \quad \forall k. }

所以：

\boxed{ \text{spectral stability} \neq \text{finite-time safety}. }

這是 Paper 09 的重要安全限制。

23. Nonnormality 與網路方向性

若：

JJ^\ast \neq J^\ast J,

則 $J$ 為 non-normal。

Non-normality 不是 transient amplification 的充分必要同義詞，

但它使 eigenvectors 非正交，可能讓不同 decaying modes 在有限時間建設性疊加。

因此 GPC 網路如果具有強烈：

directional asymmetry；
feedforward hierarchy；
asymmetric cross-gains；

就不能只用 eigenvalue margin 判斷短期安全。

24. DAG 也可以放大

即使網路沒有 directed cycles，

也可能沿長 feedforward path：

1 \rightarrow 2 \rightarrow \cdots \rightarrow m

逐步放大。

所以：

\boxed{ \text{no feedback cycle} \not\Rightarrow \text{no transient amplification}. }

feedback 決定可重複 recirculation，

但 feedforward path products 本身也能產生大有限時間 gain。

25. Feedback Cycle 與 Recirculation

若存在 directed cycle：

v_0 \rightarrow v_1 \rightarrow \cdots \rightarrow v_{\ell-1} \rightarrow v_0,

定義 cycle gain：

\boxed{ g_{\mathrm{cyc}} = \prod_{r=0}^{\ell-1} g_{v_{r+1}v_r}, }

其中索引模 $\ell$ 。

cycle gain 本身不能在一般複雜圖中單獨決定 $\rho(G)$ ，

但它表示一個 perturbation 繞圈後的單一路徑乘積增益。

因此：

\boxed{ \text{feedback} = \text{possibility of repeated path reuse}. }

26. 共模失效與級聯失效必須分開

Paper 08 研究的是：

\text{correlated / common-cause failure}.

本文研究的是：

\text{failure propagation through state-dependent dynamics}.

兩者可以同時存在，但不是同一件事。

27. Common Cause

若存在 latent variable：

Z

使多個：

F_i

同時受其影響，

即使節點之間沒有 causal propagation edge，

也可以出現高相關失效。

這屬於：

\boxed{ \text{common cause}. }

28. Cascade

真正 cascade 要求：

F_{i,t}

或：

x_{i,t}

改變後，

會改變其他節點下一步的：

input；
load；
capacity；
transduction；
update operator；
topology。

也就是：

\boxed{ \text{earlier failure changes later dynamics}. }

29. 失效集合

令：

S_t \subseteq V

為時刻 $t$ 已進入指定 failure / unsafe mode 的節點集合。

如果 failure 為 absorbing，

則：

S_t \subseteq S_{t+1}.

本文先研究這個 monotone 特例。

30. Cascade Map

給定節點有效負載／風險量：

\ell_i(S),

以及容量／安全閾值：

c_i.

定義：

\boxed{ \mathcal C(S) = S \cup \left\{ i: \ell_i(S)>c_i \right\}. }

這表示：

已失效集合 $S$ 會改變其他節點的條件，超出閾值者在下一輪加入失效集合。

31. Monotone Cascade Condition

若：

S\subseteq T

推出：

\ell_i(S) \le \ell_i(T)

對所有 $i$ 成立，

則：

\boxed{ S\subseteq T \Rightarrow \mathcal C(S) \subseteq \mathcal C(T). }

因此 $\mathcal C$ 是 monotone set map。

32. 有限 Cascade Closure 定理

定理 32.1

設節點集合 $V$ 有限， $|V|=N$ 。

若：

S_{t+1} = \mathcal C(S_t),

且 $\mathcal C$ 具有：

S\subseteq\mathcal C(S)

與 monotonicity，

則序列：

S_0 \subseteq S_1 \subseteq S_2 \subseteq \cdots

至多經 $N$ 次嚴格集合擴張後到達 fixed point：

\boxed{ S_\infty = \mathcal C(S_\infty). }

而且 $S_\infty$ 是所有包含 $S_0$ 的 fixed points 中最小者。

證明

由：

S_t \subseteq \mathcal C(S_t) = S_{t+1},

序列單調增加。

每次若未達 fixed point：

S_{t+1}\neq S_t,

至少新增一個節點。

由於最多 $N$ 個節點，至多 $N$ 次嚴格新增後必停止。

令終止集合為：

S_\infty.

則：

\mathcal C(S_\infty)=S_\infty.

再取任意 fixed point：

T

滿足：

S_0\subseteq T.

由 monotonicity：

S_1 = \mathcal C(S_0) \subseteq \mathcal C(T) = T.

反覆歸納：

S_t\subseteq T

對所有 $t$ 成立。

故：

S_\infty\subseteq T.

證畢。

33. Cascade Closure 的意義

定理 32.1 表示：

在 monotone absorbing failure model 中，級聯終點不是任意的。

它是由：

S_0

與 cascade map：

\mathcal C

共同決定的最小閉包。

因此可以定義：

\boxed{ \operatorname{Cl}_{\mathcal C}(S_0) = S_\infty. }

34. Error Becoming Dynamics 的正式定義

只傳播 error：

\delta_i \rightarrow \delta_j

仍然太弱。

本文把：

\boxed{ \text{error becoming dynamics} }

定義為存在鏈：

\delta_t \rightarrow S_t \rightarrow G(S_t) \rightarrow \delta_{t+1}.

也就是：

擾動改變節點狀態；
節點狀態改變 network mode / operator；
新 operator 改變後續擾動傳播。

形式化為：

\boxed{ \mathbf d_{t+1} \preceq G(S_t)\mathbf d_t + \boldsymbol\eta_t, }

\boxed{ S_{t+1} = \mathcal C ( S_t,\mathbf d_{t+1} ). }

這是一個 state–operator coevolution system。

35. 失效改變 Gain Matrix

節點失效後，可能發生：

route redistribution；
decoder replacement；
capacity reduction；
topology removal；
fallback mode；
relation reconfiguration。

因此：

G(S)

可以與：

G(\varnothing)

完全不同。

這正是 cascade 與 simple linear propagation 的差別。

36. Failure-Induced Operator Switching

Paper 04 已研究：

O_{\sigma_t}.

Paper 09 中：

\sigma_t

可以由 network state 自己決定：

\boxed{ \sigma_t = \sigma(\mathbf X_t,S_t). }

因此 switching 不再只是外部序列。

它可以是 endogenous。

37. 共通安全包絡定理

定理 37.1

設 admissible failure / mode 集合為：

\mathfrak S.

若存在：

\mu\gg0

與固定擾動上界：

\bar\eta\ge0

使對所有：

S\in\mathfrak S

都有：

\boxed{ G(S)\mu + \bar\eta \preceq \mu, }

則盒：

\mathcal B_\mu

對任意由 $\mathfrak S$ 產生的 mode switching 都前向不變。

證明

任一時刻若：

\mathbf d_t\preceq\mu,

則無論當前：

S_t\in\mathfrak S

為何：

\mathbf d_{t+1} \preceq G(S_t)\mu + \bar\eta \preceq \mu.

歸納即可。

證畢。

38. 共同包絡比單一模式穩定更強

即使每個：

G(S)

個別都滿足：

\rho(G(S))<1,

也不代表任意 state-dependent switching 一定安全。

Paper 04 已展示：

個別模式穩定不推出 switching stability。

因此定理 37.1 的價值是提供一個共同不變 envelope。

39. 沒找到共同包絡不等於不安全

反過來：

\not\exists\mu

滿足定理 37.1 的簡單 box 條件，

不能推出系統不安全。

可能仍存在：

非盒形 invariant set；
nonlinear Lyapunov certificate；
constrained switching certificate；
path-dependent barrier；
更精細的 relation-safe set。

因此：

\boxed{ \text{certificate failure} \neq \text{safety failure}. }

40. 多層／跨群體網路

考慮：

L

個載體層：

\mathcal V_1,\ldots,\mathcal V_L.

令 layer-state deviation：

\mathbf d^{(\ell)}.

總 gain matrix 可以寫成 block form：

\boxed{ G_{\mathrm{multi}} = \begin{pmatrix} G_{11} & G_{12} & \cdots & G_{1L} \\ G_{21} & G_{22} & \cdots & G_{2L} \\ \vdots & \vdots & \ddots & \vdots \\ G_{L1} & G_{L2} & \cdots & G_{LL} \end{pmatrix}. }

41. 層內與層間耦合

G_{\ell\ell}

表示同一層內的 propagation。

G_{\ell m}, \qquad \ell\neq m

表示 layer $m$ ：

\rightarrow

layer $\ell$ 的 cross-layer influence。

Paper 05 的雙載體 cross-gain 在此成為 block gain。

42. Interdependent Network 的 GPC 抽象

Buldyrev 等的 interdependent-network 模型研究：

一個網路的節點失效會使依賴它的另一網路節點失效，之後再回饋。

GPC-CS 不採用其特定 percolation 假設。

只保留結構：

\boxed{ \text{layer A state} \rightarrow \text{layer B viability} \rightarrow \text{layer A viability}. }

這是多層 feedback cascade 的特殊情況。

43. Cross-Layer Small-Gain

若每層先壓縮成 scalar deviation：

r_\ell,

並有：

r_{\ell,t+1} \le \sum_m B_{\ell m} r_{m,t},

則得到 layer-gain matrix：

B\ge0.

若：

\rho(B)<1,

可用前述 Perron–Frobenius envelope 建立 layer-level contraction。

這是 Paper 05 small-gain 的 $L$ 層推廣。

44. Quorum 與 Cascade

Paper 08 定義：

\mathcal S_{G,k}^{\star}

允許部分節點失效但仍維持 quorum 與 relation safety。

在 cascade model 中，真正問題變成：

\boxed{ S_\infty \text{ 是否仍留下至少 }k\text{ 個安全節點？} }

以及：

\boxed{ \mathbf X_\infty \in \mathcal C_G ? }

因此 cascade size 不是唯一結果。

cascade 後剩餘 relation topology 也必須合法。

45. Cascade Size

定義：

\boxed{ C_{\mathrm{size}} = |S_\infty| - |S_0|. }

這只是新增失效節點數量。

它不等於：

functional loss；
safety loss；
information loss；
identity loss。

因此：

\boxed{ \text{large cascade} \neq \text{large loss under every specification}. }

46. Functional Cascade

若節點雖未進入：

S_t

但功能已低於要求，

可另外定義 functional-failure set：

S_t^{\mathrm{func}}.

Paper 07 已表明：

\text{state continuity} \neq \text{functional continuity}.

所以群體級聯也可以有多種 failure semantics。

47. Relation Cascade

即使沒有新增本地失效節點，

relation constraints：

\mathcal C_G

也可能因相位、延遲、同步、容量改變而越界。

因此定義 relation violation event：

R_t = \mathbf1 [ \mathbf X_t \notin \mathcal C_G ].

可以出現：

S_t=S_0

但：

R_t=1.

所以：

\boxed{ \text{network unsafe} \not\Rightarrow \text{node failures occurred}. }

48. 相位／同步級聯

如果每條關係：

(i,j)

具有 phase error：

\delta_{ij},

而某節點的 phase error 又改變鄰居更新，

則：

\delta_{ij}

可以沿 graph propagation。

但 Paper 05 已說明：

\text{phase lock} \neq \text{safety}.

所以 phase cascade 只有在：

\mathcal C_G

明確包含 phase constraints 時才具有安全意義。

49. Capacity Cascade

Paper 03 的容量域：

\mathfrak C_i(x_i)

也可因鄰居失效而改變。

例如抽象地：

S_t \rightarrow q_i(S_t) \rightarrow \mathfrak C_i(x_i)

若：

q_i(S_t) \notin \mathfrak C_i(x_i),

節點可能切換到 degraded mode。

因此：

\boxed{ \text{load redistribution} \rightarrow \text{capacity mode switch} \rightarrow \text{new network gain} }

是一條 GPC cascade route。

50. Transduction Cascade

Paper 02 中：

T_{ij}

可能依賴 mode。

若某節點失效導致：

T_{ij} \rightarrow T_{ij}^{\mathrm{fallback}},

則新的 transduction mismatch 可能改變：

g_{ij}.

因此：

\boxed{ \text{topology change} \text{ can induce semantic / representational change}. }

這是 GPC-CS 相對一般 load-cascade 模型更特有的層。

51. Recovery Cascade

Paper 06 的 recovery operation 也可能占用：

bandwidth；
memory；
service rate；
shared dependency。

因此一個節點的 recovery 可以改變其他節點容量。

這不表示 recovery 本身危險。

它只表示：

\boxed{ \text{recovery is part of network dynamics}. }

完整 resilience model 不能假設 recovery 完全免費。

52. Common Cause 與 Cascade 可以串接

一個 common-cause event：

Z

可以先產生：

S_0,

之後：

S_0 \rightarrow S_1 \rightarrow \cdots \rightarrow S_\infty.

因此：

\boxed{ \text{common cause} \rightarrow \text{cascade seed} }

完全可能。

Paper 08 與 Paper 09 因而不是互斥理論。

53. Cascade 也可以製造後續 Correlation

反過來，

如果一個節點失效會讓多個鄰居同時改變 mode，

則這些後續節點 failures 可能在統計上變得高度相關。

因此：

\boxed{ \text{cascade dynamics} \rightarrow \text{observed failure correlation}. }

這再次說明：

\text{correlation} \neq \text{common-cause identification}.

54. Network Safety Margin Vector

對名義全域狀態：

\mathbf X^\star,

定義每節點 deviation margin：

\mu_i.

令：

\boxed{ \boldsymbol\mu = ( \mu_1,\ldots,\mu_N )^\top. }

若：

G\boldsymbol\mu + \bar\eta \preceq \boldsymbol\mu,

則可直接逐節點讀成：

\boxed{ \sum_j g_{ij}\mu_j + \bar\eta_i \le \mu_i \qquad \forall i. }

這是一個完全 local-checkable 的全域充分條件。

55. Local Checks 可以組成 Global Certificate

第 54 節顯示：

只要每個 row inequality 成立，

整個 deviation box 便前向不變。

因此某些全域安全問題可以被分解為：

\boxed{ N \text{ 個局部不等式} }

加上共同 margin 定義。

但這只適用於目前的 nonnegative comparison model。

它不是所有 nonlinear GPC networks 的一般可分解性定理。

56. Finite-Horizon Safety Amplification

定義：

\boxed{ A_H = \max_{0\le k\le H} \| G^k \|. }

若名義安全距離為：

\mu_{\min}

且初始 perturbation norm：

\|\mathbf d_0\| \le \varepsilon,

則：

\|\mathbf d_k\| \le A_H\varepsilon.

因此若：

\boxed{ A_H\varepsilon < \mu_{\min}, }

則在此單一 norm 與 margin approximation 下，可保證 $H$ 步內不因該 perturbation envelope 越界。

57. Asymptotic Criterion 與 Finite-Horizon Criterion

因此至少需要同時報告：

\boxed{ \rho(G) }

與：

\boxed{ A_H. }

前者偏向 asymptotic propagation。

後者描述 finite-time amplification。

對 non-normal network，兩者可能非常不同。

58. Input–Output Network Gain

2026 年 network frequency-response 研究使用：

\mathcal H_2

norm 與 controllability Gramian 分析 external inputs 如何經網路被放大或抑制。

GPC-CS 可以借用相同思想。

若線性化為：

\dot x = Ax+Bu,

y=Cx,

則 transfer function：

G(s) = C(sI-A)^{-1}B.

這提供：

哪些外部擾動進入點與觀測點之間具有高 input-output amplification

的一個成熟接口。

本文不把 $\mathcal H_2$ norm 當成 GPC 的唯一全域風險指標。

59. Gain Graph 不等於 Observable Communication Graph

實際可見的 communication edge：

j\rightarrow i

不一定對應高：

g_{ij}.

反之，

共享記憶、環境耦合或間接 mode dependency 可能產生沒有顯式 message edge 的 effective gain。

因此：

\boxed{ \text{message topology} \neq \text{effective dynamical topology}. }

這是 GPC-CS 的關鍵觀察之一。

60. Empirical Gain Estimation 只是未來接口

若未來有實際系統，

可以透過：

local perturbation experiments；
Jacobian estimation；
system identification；
transfer response；
causal intervention；

估計：

g_{ij}.

但本文不提出任何實際刺激方案或操作程序。

Paper 09 的 gain matrix 是理論對象。

61. 本文的十三個主命題

命題 A：全域 GPC 是聯合狀態動力學

\boxed{ \mathbf X_{t+1} = \Gamma_G(\mathbf X_t,\mathbf w_t). }

命題 B：局部影響可以由 gain matrix 比較

\boxed{ \mathbf d_{t+1} \preceq G_t\mathbf d_t + \boldsymbol\eta_t. }

命題 C：多步影響是 directed-walk gain 的總和

(G^k)_{ij}

具有路徑展開。

命題 D：穩定網路的總閉環敏感度為

\boxed{ (I-G)^{-1} }

在 $\rho(G)<1$ 時成立。

命題 E：存在 common weighted envelope 時可建立全域安全盒

\boxed{ G\mu+\bar\eta \preceq \mu. }

命題 F：Spectral stability 不推出 finite-time safety

non-normal stable matrices 可有巨大 transient amplification。

命題 G：沒有 feedback cycle 仍可能有 feedforward transient amplification

DAG 不等於無放大。

命題 H：Common cause 與 cascade 是不同失效機制

前者不要求 propagation；後者要求 earlier state 改變 later dynamics。

命題 I：Monotone absorbing cascade 在有限節點上有限步到達最小 fixed-point closure

\boxed{ S_\infty = \operatorname{Cl}_{\mathcal C}(S_0). }

命題 J：真正的 error becoming dynamics 是 state–operator coevolution

\boxed{ S_t \rightarrow G(S_t) \rightarrow \mathbf d_{t+1} \rightarrow S_{t+1}. }

命題 K：Interdependent layers 可以用 block gain matrix 統一

Paper 05 small-gain 是其二層特例。

命題 L：Quorum survival 不等於 global relation safety

仍需：

\mathcal C_G.

命題 M：全域安全至少要同時檢查 asymptotic 與 finite-horizon amplification

\rho(G) \quad\text{與}\quad A_H

回答不同問題。

62. 可證偽性與模型限制

本文不是在預測所有未來 GPC 系統都會發生級聯。

以下結果會削弱本文某些擴張。

62.1 Effective gains 幾乎完全局部

若：

g_{ij}\approx0

對所有遠端節點，且影響在一兩步內快速消失，

全域 path-sum analysis 的重要性下降。

62.2 網路 operator 幾乎不受節點狀態改變

若：

G(S)\approx G

對所有 admissible $S$ ，

則 state–operator coevolution 可以簡化回固定 network dynamics。

62.3 系統普遍 normal 且 transient amplification 很弱

若：

A_H

總是由 spectral margin 良好控制，

non-normal finite-time analysis 可縮小。

62.4 Failure propagation 非單調

若某些節點失效反而降低其他節點負載，

則第 32 節的 monotone cascade theorem 不直接適用。

此時需要一般非單調 hybrid dynamics，而不能硬套 closure theorem。

62.5 Relation constraints 不重要

若：

\mathcal C_G = \mathcal X_G,

則 quorum 與 local safety 可能足以描述全域安全。

63. 與 Paper 00–08 的整合

Paper 00：

\text{carrier-state safety}.

Paper 01：

\text{safe domains / invariance}.

Paper 02：

\text{transduction / reconstruction}.

Paper 03：

\text{capacity}.

Paper 04：

\text{operator recursion / switching}.

Paper 05：

\text{bidirectional coupling}.

Paper 06：

\text{history / recoverability}.

Paper 07：

\text{continuity / branching}.

Paper 08：

\text{correlated failure / heterogeneity}.

Paper 09 現在把它們合成：

\boxed{ \text{network state} + \text{gain paths} + \text{mode changes} + \text{cascade closure}. }

64. 結論

Paper 00 最早提出：

\boxed{ \text{error becoming dynamics}. }

Paper 09 現在可以精確說明這句話是什麼。

第一層只是：

\delta_j \rightarrow \delta_i.

第二層是路徑組合：

\boxed{ (G^k)_{ij} = \sum_{\text{walks}} \prod_{\text{edges}} g_e. }

第三層是閉環累積：

\boxed{ \mathcal T_G = (I-G)^{-1}. }

第四層是有限時間非正規放大：

\boxed{ \rho(G)<1 \not\Rightarrow \|G^k\|\le1. }

第五層才是真正的級聯：

\boxed{ \text{state change} \rightarrow \text{operator/topology change} \rightarrow \text{new propagation law}. }

因此本文最終把全域 GPC 納入：

\boxed{ \mathbf d_{t+1} \preceq G(S_t)\mathbf d_t + \boldsymbol\eta_t, }

\boxed{ S_{t+1} = \mathcal C ( S_t,\mathbf d_{t+1} ). }

如果存在共同安全 envelope：

\boxed{ G(S)\mu+\bar\eta \preceq \mu \qquad \forall S\in\mathfrak S, }

那麼全域 deviation 可以被關在一個共同安全盒裡。

如果沒有這個證書，

也不能直接宣告系統不安全，

但必須進一步研究：

finite-time amplification；
non-normality；
mode switching；
relation constraints；
cascade closure；
higher-order dependence。

因此全域安全不是：

每個節點自己都安全就好了。

也不是：

所有 eigenvalues 都在穩定區就好了。

更不是：

沒有共同故障就不會級聯。

真正的 GPC-CS 全域問題是：

\boxed{ \text{Can every locally transformed perturbation remain globally contained under the network's own evolving dynamics?} }

下一篇 Paper 10 將完成本核心系列：

\boxed{ \text{可觀測性、可驗證性與反證框架}. }

那一篇會回答：即使本文已經定義了真實狀態、gain、safe set、history、continuity 與 cascade，外部觀察者到底能不能從有限輸出判斷這些量真的成立？ 也就是把整個系列從「形式安全理論」接到可驗證科學。

參考文獻

Pecora, L. M., & Carroll, T. L. (1998). Master Stability Functions for Synchronized Coupled Systems. Physical Review Letters, 80(10), 2109–2112. DOI: 10.1103/PhysRevLett.80.2109.
Motter, A. E., & Lai, Y.-C. (2002). Cascade-based attacks on complex networks. Physical Review E, 66, 065102(R). DOI: 10.1103/PhysRevE.66.065102.
Crucitti, P., Latora, V., & Marchiori, M. (2004). Model for cascading failures in complex networks. Physical Review E, 69, 045104(R). DOI: 10.1103/PhysRevE.69.045104.
Zhao, L., Park, K., & Lai, Y.-C. (2004). Attack vulnerability of scale-free networks due to cascading breakdown. Physical Review E, 70, 035101(R). DOI: 10.1103/PhysRevE.70.035101.
Buldyrev, S. V., Parshani, R., Paul, G., Stanley, H. E., & Havlin, S. (2010). Catastrophic cascade of failures in interdependent networks. Nature, 464, 1025–1028. DOI: 10.1038/nature08932.
Hennequin, G., Vogels, T. P., & Gerstner, W. (2012). Non-normal amplification in random balanced neuronal networks. Physical Review E, 86, 011909. DOI: 10.1103/PhysRevE.86.011909.
Asllani, M., & Carletti, T. (2018). Topological resilience in non-normal networked systems. Physical Review E, 97, 042302. DOI: 10.1103/PhysRevE.97.042302.
Smith, O., Crowe, J., Farcot, E., O'Dea, R. D., & Hopcraft, K. I. (2020). Cascading failures in networks of heterogeneous node behavior. Physical Review E, 101, 020301(R). DOI: 10.1103/PhysRevE.101.020301.
Nazerian, A., Asllani, M., Tyloo, M., Ku, W. L., et al., & Sorrentino, F. (2026). The frequency response of networks as open systems. Nature Communications, 17, 2088. DOI: 10.1038/s41467-026-68602-1.
Poggialini, A., Di Santo, S., Villegas, P., Gabrielli, A., & Muñoz, M. A. (2026). Non-normal dynamics on non-reciprocal networks: Reactivity and effective dimensionality in neural circuits. Physical Review E, accepted July 2026. DOI: 10.1103/jv6l-3s5z.

系列狀態

Series: Generalized Phase Communication and Carrier Safety
Paper: 09
Version: v1.0
Canonical source encoding: UTF-8
Canonical mathematics delimiters: $...$ and $$...$$ only
Operational cascade-induction details: Excluded
Governance/deployment prescriptions: Out of scope
Depends on: Paper 00–08
Next: Paper 10 — 可觀測性、可驗證性與反證框架