---
title: "從二維表格到多向矩陣帳本：方向、遍歷、平行身份與可逆追蹤"
title_en: "From Two-Dimensional Tables to Multidirectional Matrix Ledgers: Direction, Traversal, Parallel Identity, and Reversible Traceability"
series: "矩陣原生智能與可稽核計算系列"
series_en: "Matrix-Native Intelligence and Auditable Computation Series"
series_id: "EML-MNIAC-2026"
paper_id: "EML-MNIAC-2026-04"
version: "v0.1"
date: "2026-08-16"
language: "zh-Hant"
document_type: "系列第04篇／MMR + MMLC 統一重構／形式與工程橋接"
status: "Public Draft"
author: "Neo.K（許筌崴）／EveMissLab"
depends_on:
  - "EML-MNIAC-2026-00 矩陣原生智能與可稽核計算總論 v0.1"
  - "EML-MNIAC-2026-03 試算表作為可見計算環境 v0.1"
internal_artifacts:
  - "多向矩陣表徵 MMR v0.1"
  - "01_多向矩陣帳本計算_公開理論論文_v0.1.md"
  - "02_矩陣帳本代數_形式系統_v0.1.md"
  - "03_MMR矩陣帳本計算_技術路線與實驗規格_v0.1.md"
  - "MMLC Runtime 1.0"
canonical_keywords:
  - MMR
  - MMLC
  - Matrix-Ledger Algebra
  - Multidirectional Traversal
  - Parallel Identity
  - Dependency Graph
  - Reverse Trace
  - Local Audit
  - Boundary Ledger
  - Display Semantics
  - Execution Semantics
  - Reversible Traceability
---

# 從二維表格到多向矩陣帳本
## 方向、遍歷、平行身份與可逆追蹤

**From Two-Dimensional Tables to Multidirectional Matrix Ledgers:  
Direction, Traversal, Parallel Identity, and Reversible Traceability**

---

## 摘要

本文是《矩陣原生智能與可稽核計算》系列第 04 篇，統合多向矩陣表徵（Multidirectional Matrix Representation, MMR）、多向矩陣帳本計算（Multidirectional Matrix-Ledger Computing, MMLC）與矩陣帳本代數（Matrix-Ledger Algebra, MLA），將先前分散於「方向閱讀」、「平行數學」、「依賴流」、「交易欄」與「局部稽核」中的概念收斂為一個可執行形式。

本研究的出發點不是主張「矩陣可以表示計算」是一項新發明。試算表、資料流圖、AST、DAG、圖中介表示與各種陣列系統早已能表達計算依賴。本文真正研究的是以下組合是否具有額外價值：

$$
\boxed{
\text{平行身份}
+
\text{方向語義}
+
\text{型別交易}
+
\text{依賴流}
+
\text{局部不變式}
+
\text{分層稽核}
}
$$

其中最重要的結構分離為：

$$
\boxed{
\text{顯示位置}
\neq
\text{語義身份}
\neq
\text{依賴順序}
\neq
\text{稽核路徑}.
}
$$

MMR 負責定義「如何讀」；MMLC 負責定義「什麼在被算、誰依賴誰、如何稽核」；MLA 則將來源物件、平行投影族、交易欄、算子規格、依賴圖、遍歷集合、邊界帳與分層總帳形式化。

本文特別澄清「逆向」的含義。由錯誤交易沿反向依賴圖尋找祖先：

$$
T_k
\leadsto
\operatorname{Anc}(k)
$$

是一種 **reverse trace**，不是原算子的數學逆運算。因此「可逆追蹤」指計算歷史與依賴來源可被重建，而不是要求所有運算本身可逆。

本文亦納入 MMLC Runtime 1.0 的後續工程狀態：目前公開 runtime 已具 typed transactions、operator invariants、local/regional/global audit、dependency taint、root-cause paths、multidirectional traversal、temporal references、append-only corrections、counterfactual branches、uncertainty propagation 與有限決策分析。這代表本篇處理的對象已不再只是前實驗概念，而已有一條可重播的 deterministic runtime 路線；但本文仍不主張 MMLC 取代 spreadsheet、DAG engine、symbolic system、causal library 或一般程式語言。

---

# 1. 從「格子」到「交易」

上一篇已經指出，試算表具有：

$$
Cell
+
Formula
+
Dependency
+
State.
$$

但普通 spreadsheet 的一個主要限制是：

> 格子的顯示位置很清楚，格子的**語義身份**卻經常只是由人類默會。

例如：

- B3 是不是「收入」？
- C7 是不是「同一物件的另一情境」？
- 向右是不是時間？
- 向下是不是推導層？
- 一個公式錯誤應往哪裡追？
- 轉置之後，物件還是不是原來那個物件？

因此 MMR / MMLC 的第一步不是增加公式，而是將：

$$
\boxed{
\text{Position}
}
$$

與：

$$
\boxed{
\text{Meaning}
}
$$

拆開。

---

# 2. 普通矩陣不等於矩陣帳本

普通數值矩陣：

$$
X\in\mathbb R^{m\times n}
$$

通常假設所有格子屬於同一值域。

MLA 則允許：

$$
\mathcal V
=
\mathcal N
\sqcup
\mathcal O
\sqcup
\mathcal E
\sqcup
\mathcal R
\sqcup
\mathcal M,
$$

其中：

- $\mathcal N$：數值或符號輸入；
- $\mathcal O$：算子；
- $\mathcal E$：表達式；
- $\mathcal R$：結果／殘差；
- $\mathcal M$：metadata、來源、版本、語境。

因此：

$$
\boxed{
\text{Matrix}
}
$$

在這裡只表示：

> 二維索引與鄰接布局。

它不表示：

> 所有格子天然構成某個域上的普通線性代數矩陣。

這是必要的術語節制。

---

# 3. 來源物件與平行身份

## 3.1 來源物件

定義來源物件：

$$
u
=
(
id(u),
type(u),
value(u),
m_u
).
$$

它不是一個裸值。

即使：

$$
value(u)=3,
$$

仍需要：

$$
id(u)
$$

來區分：

> 這個 3 是哪一個 3？

---

## 3.2 平行投影族

對來源物件 $u$，定義：

$$
\rho_j:
u
\mapsto
b_j.
$$

得到：

$$
P(u)
=
\{
(j,\rho_j(u))
\mid
j\in J
\}.
$$

所有分支都保存：

$$
source(b_j)=id(u).
$$

因此：

$$
\boxed{
\text{來源一致}
\neq
\text{值一致}.
}
$$

---

# 4. 為什麼「值相等」不等於「同一物件」？

假設：

$$
x=3,
\qquad
y=3.
$$

只能推出：

$$
value(x)=value(y).
$$

不能推出：

$$
id(x)=id(y).
$$

同樣地，如果：

$$
b_1=\rho_1(u),
$$

$$
b_2=\rho_2(u),
$$

而：

$$
value(b_1)\neq value(b_2),
$$

仍可能：

$$
source(b_1)=source(b_2).
$$

所以：

$$
\boxed{
\text{Parallel Identity}
\neq
\text{Numerical Equality}.
}
$$

這是 MMLC 和普通「複製四個數字到四欄」最重要的差異之一。

---

# 5. 最小平行範例

令：

$$
u=3.
$$

建立四個平行分支：

$$
\rho_1(u)=3,
\quad
\rho_2(u)=3,
\quad
\rho_3(u)=3,
\quad
\rho_4(u)=3.
$$

分別使用：

$$
+2,
\quad
-2,
\quad
\times2,
\quad
\div2.
$$

可排列：

$$
\mathcal L
=
\begin{array}{c|cccc}
\text{source} & u & u & u & u\\
\text{base} & 3 & 3 & 3 & 3\\
\text{operator} & + & - & \times & \div\\
\text{operand} & 2 & 2 & 2 & 2\\
\text{result} & 5 & 1 & 6 & 1.5\\
\text{audit} & 0 & 0 & 0 & 0
\end{array}.
$$

表面上它仍像 spreadsheet。

但每一欄現在不再只是 layout column，而是一筆：

$$
\boxed{
Transaction.
}
$$

---

# 6. 交易欄

定義：

$$
T_j
=
(
s_j,
b_j,
o_j,
a_j,
r_j,
\varepsilon_j,
c_j,
m_j
).
$$

其中：

- $s_j$：source identity；
- $b_j$：base；
- $o_j$：operator；
- $a_j$：operand；
- $r_j$：result；
- $\varepsilon_j$：audit residual；
- $c_j$：context；
- $m_j$：version / time / provenance metadata。

因此一欄完整表示：

$$
\boxed{
Source
\rightarrow
Input
\rightarrow
Rule
\rightarrow
Operand
\rightarrow
Result
\rightarrow
Audit.
}
$$

---

# 7. 算子不只是函數名稱

對算子 $o$，定義規格：

$$
\Omega(o)
=
(
D_o,
C_o,
f_o,
I_o,
\Gamma_o,
\nu_o
).
$$

其中：

- $D_o$：domain；
- $C_o$：codomain；
- $f_o$：evaluation；
- $I_o$：audit invariant；
- $\Gamma_o$：exception / boundary rules；
- $\nu_o$：operator version。

因此：

$$
\boxed{
Operator
=
Evaluation
+
Domain
+
Audit
+
Version.
}
$$

這比只保存：

```text
multiply
```

更完整。

---

# 8. 局部稽核

對四則運算：

$$
I_+(b,a,r)=r-b-a,
$$

$$
I_-(b,a,r)=r-b+a,
$$

$$
I_\times(b,a,r)=r-ba,
$$

$$
I_\div(b,a,r)=ar-b,
\qquad a\neq0.
$$

交易殘差：

$$
\varepsilon_j
=
I_{o_j}(b_j,a_j,r_j).
$$

在精確模式：

$$
\varepsilon_j=0
$$

表示該局部數值運算符合 declared operator semantics。

---

# 9. 零殘差不是完整語義正確

假設：

$$
3+2=5
$$

數值正確。

但如果這個 3 本來應來自：

$$
source_A,
$$

實際卻引用：

$$
source_B,
$$

那麼：

$$
e^{value}=0
$$

仍可能同時有：

$$
e^{source}\neq0.
$$

所以單一 scalar residual 不夠。

一筆交易更完整的稽核向量應是：

$$
\boxed{
\mathbf e_j
=
(
e_j^{type},
e_j^{domain},
e_j^{value},
e_j^{source},
e_j^{dependency},
e_j^{version}
).
}
$$

這是「帳本」比單純算式更核心的地方。

---

# 10. 局部錯誤不能被全域抵消

若：

$$
\varepsilon_1=1,
$$

$$
\varepsilon_2=-1,
$$

則：

$$
\varepsilon_1+\varepsilon_2=0.
$$

但兩筆交易都錯。

因此有號總帳：

$$
\tau_\pm
=
\sum_jw_j\varepsilon_j
$$

不能作唯一 pass condition。

更強的總帳可定義：

$$
\boxed{
\tau_\ast
=
\sum_j
w_j
\phi_j(\varepsilon_j),
\qquad
w_j>0,
}
$$

其中：

$$
\phi_j(x)\ge0
$$

且：

$$
\phi_j(x)=0
\iff
x=0.
$$

例如：

$$
\phi(x)=|x|
$$

或：

$$
\phi(x)=x^2.
$$

因此：

$$
\boxed{
\tau_\ast=0
\iff
\forall j,\varepsilon_j=0.
}
$$

---

# 11. 分層稽核

MMLC 不只保留：

$$
global\ score.
$$

而應有：

$$
\boxed{
Local
\rightarrow
Regional
\rightarrow
Global.
}
$$

例如：

$$
\tau_j
=
\phi_j(\varepsilon_j),
$$

$$
\tau_{J_q}
=
\sum_{j\in J_q}
w_j\tau_j,
$$

$$
\tau_{all}
=
\sum_q
\omega_q\tau_{J_q}.
$$

重要規則：

$$
\boxed{
\text{上層 PASS 不得覆寫下層 FAIL。}
}
$$

這就是：

> 局部錯誤不可被全域平均抹除。

---

# 12. MMR 到底加入了什麼？

如果 MMLC 只有：

- source；
- operator；
- result；
- audit；

那麼普通 typed table / DAG 也能做到大量功能。

MMR 加入的核心是：

$$
\boxed{
\Pi
=
\text{Allowed Traversal Family}.
}
$$

例如：

$$
\Pi
=
\{
\pi_{\rightarrow},
\pi_{\leftarrow},
\pi_{\downarrow},
\pi_{\uparrow},
\pi_{dep},
\pi_{rev}
\}.
$$

其中不同路徑具有不同任務語義。

---

# 13. 四種「方向」不能混在一起

這是本文最重要的分類之一。

## 13.1 顯示方向

$$
D_{display}.
$$

回答：

> 人類現在怎麼看到這個矩陣？

例如：

- left-to-right；
- right-to-left；
- transpose；
- rotate；
- block view。

---

## 13.2 執行方向

$$
D_{exec}.
$$

回答：

> 哪些交易現在可以合法執行？

它由 dependency partial order 約束。

---

## 13.3 稽核方向

$$
D_{audit}.
$$

回答：

> 從哪個失敗點開始查？

例如：

$$
bottom\rightarrow top
$$

或：

$$
reverse\ dependency.
$$

---

## 13.4 因果／來源追蹤方向

$$
D_{trace}.
$$

回答：

> 哪些 upstream transaction 可能影響了這個結果？

它沿：

$$
G^{-1}
$$

搜尋。

---

因此：

$$
\boxed{
D_{display}
\neq
D_{exec}
\neq
D_{audit}
\neq
D_{trace}.
}
$$

它們可能巧合相同，但概念上必須分離。

---

# 14. Display Order 不能擁有 Semantic Identity

定義顯示置換：

$$
\sigma:J\to J.
$$

它只改：

$$
position(T_j).
$$

不得改：

$$
id(T_j),
$$

$$
source(T_j),
$$

$$
deps(T_j).
$$

因此：

$$
\boxed{
\text{Drag}
+
\text{Sort}
+
\text{Transpose}
+
\text{Rotate}
}
$$

都不能偷偷變成：

$$
\boxed{
\text{Semantic Rewrite}.
}
$$

---

# 15. 顯示位置與語義身份分離

這可以寫成 invariant：

$$
\boxed{
Identity(T_j)
=
Identity(\sigma(T_j)).
}
$$

以及：

$$
\boxed{
G_{\mathrm{dep}}
=
G_{\mathrm{dep}}^{\sigma}
}
$$

在純 display transform 下應成立。

所以：

$$
\boxed{
\text{Display Layout references transactions;}
\quad
\text{it does not own transaction semantics.}
}
$$

這是後來 MMLC Runtime / MMLF 設計中的關鍵工程原則。

---

# 16. 獨立分支的方向置換不變性

如果：

1. 所有 $T_j$ 彼此獨立；
2. operator 是 deterministic pure function；

則任意欄置換 $\sigma$ 下：

$$
\{\!\{
r_j
\}\!\}
=
\{\!\{
r_{\sigma(j)}
\}\!\}.
$$

也就是：

$$
\boxed{
\text{display / visit order}
}
$$

可以改，

但：

$$
\boxed{
\text{result multiset}
}
$$

保持不變。

---

# 17. 什麼時候方向真的會影響結果？

上述不變性會在以下情況失效：

- side effect；
- shared mutable state；
- random operation；
- time-sensitive input；
- implicit state；
- order-sensitive reduction。

因此：

$$
\boxed{
\text{Traversal Independence}
}
$$

不是免費得到的。

它需要 operator contract。

若不成立，runtime 必須保存：

$$
ExecutionOrder.
$$

---

# 18. Dependency Graph 才是合法執行的硬約束

若：

$$
T_j\to T_k,
$$

表示：

$$
T_k
$$

使用：

$$
T_j.result.
$$

則所有依賴形成：

$$
G=(J,E).
$$

如果：

$$
G
$$

是 DAG，

則存在 topological order：

$$
\pi_G
=
(j_1,\ldots,j_n)
$$

使：

$$
(j_p,j_q)\in E
\Rightarrow
p<q.
$$

因此：

$$
\boxed{
\text{MMR traversal}
}
$$

不能任意違反：

$$
\boxed{
\text{Dependency partial order}.
}
$$

---

# 19. 線性順序只是 DAG 的一個合法投影

如果 dependency graph：

$$
G
$$

存在多個 topological sorts：

$$
\pi_1,
\pi_2,
\ldots,
\pi_k,
$$

那麼任何單一線性 execution log 都只是：

$$
\boxed{
\text{one legal serialization of a partial order}.
}
$$

這點和 MMR 的原始直覺非常一致：

> 線性序列不一定是資訊的唯一自然順序。

但必須更精確地說：

$$
\boxed{
\text{不是任何順序都合法；合法順序受 dependency 約束。}
}
$$

---

# 20. Reverse Trace 不等於 Inverse Operation

這是「可逆追蹤」最容易被誤解的地方。

假設：

$$
T_1
\to
T_4
\to
T_9.
$$

若：

$$
T_9
$$

失敗，

reverse audit 可以從：

$$
T_9
$$

沿：

$$
G^{-1}
$$

找到：

$$
\{T_4,T_1\}.
$$

即：

$$
\operatorname{Anc}(9)
=
\{
j
\mid
j\leadsto9
\}.
$$

但這不是：

$$
f^{-1}.
$$

因此：

$$
\boxed{
\text{Reverse Trace}
\neq
\text{Mathematical Inversion}.
}
$$

---

# 21. 本文的「可逆追蹤」定義

## 定義 2 — Reversible Traceability

若對輸出／交易：

$$
T_k
$$

能由保存的 dependency、source、version 與 boundary records 重建至少一組合法生成路徑：

$$
\mathcal P_k
=
(T_{i_1},\ldots,T_k),
$$

則稱該結果具有：

$$
\boxed{
\text{Reversible Traceability}.
}
$$

它要求：

$$
\boxed{
\text{history can be traversed backward}
}
$$

而不是：

$$
\boxed{
\text{all operators are invertible}.
}
$$

---

# 22. 這是一種較弱、但更實用的可逆性

例如 hash：

$$
h(x)
$$

通常不可逆。

但如果 ledger 保存：

$$
x
\rightarrow
h(x),
$$

那麼：

$$
h^{-1}
$$

仍不存在，

但：

$$
\boxed{
\text{provenance path}
}
$$

存在。

所以：

$$
\boxed{
\text{Computational reversibility}
}
$$

與：

$$
\boxed{
\text{Trace reversibility}
}
$$

完全不同。

MMLC 主要追求後者。

---

# 23. Boundary Ledger：不是所有輸入都來自內部

如果某輸入：

$$
u_k
$$

沒有上游 transaction，

那麼它是 external boundary input。

定義：

$$
\beta
=
(
source,
target,
value,
t,
version
).
$$

所有 boundary events 形成：

$$
B.
$$

因此一個 ledger 的「來源閉合」不是：

> 所有資訊都必須由內部生成。

而是：

$$
\boxed{
\text{每個輸入都必須來自內部 dependency 或已記錄 boundary event。}
}
$$

---

# 24. Provenance Gap

若某 transaction input：

1. 沒有 upstream；
2. 沒有 boundary record；

那麼：

$$
\boxed{
\text{Provenance Gap}.
}
$$

此時系統可以算出結果，

但不能聲稱：

$$
\boxed{
\text{來源完整可審計}.
}
$$

這是 MMLC 比「只看結果對不對」多出來的一個維度。

---

# 25. 循環不是 DAG 的例外小問題

如果：

$$
G
$$

含 cycle：

$$
T_1\to T_2\to T_1,
$$

那麼單次 topological execution 不存在。

此時必須額外聲明：

$$
\boxed{
CyclePolicy.
}
$$

例如：

- `reject`；
- `fixed_point`；
- `delay`；
- synchronized iteration。

所以：

$$
\boxed{
\text{Cycle}
\Rightarrow
\text{additional semantics required}.
}
$$

沒有明示策略時，應報錯，而不是 runtime 自己猜。

---

# 26. 符號執行與數值執行

MMLC 並不要求 operand 只能是 real number。

可令：

$$
a_j
\in
\mathbb R
\cup
\mathcal A
\cup
\mathcal F
\cup
\mathcal C.
$$

其中：

- $\mathcal A$：algebraic expression；
- $\mathcal F$：function；
- $\mathcal C$：condition / context。

因此：

$$
\boxed{
\text{typed heterogeneous ledger}
}
$$

才是更精確的描述。

---

# 27. 求值—執行交換

若：

1. ledger 是 finite DAG；
2. substitution $S$ 與每個 operator 相容；
3. substitution 後不破壞 domain；

則可要求：

$$
\boxed{
S(
Exec(\mathfrak L_{sym})
)
=
Exec(
S(\mathfrak L_{sym})
).
}
$$

這提供一個很重要的 cross-representation consistency test。

如果兩邊不一致，

問題可能出在：

- domain；
- rounding；
- branch policy；
- noncommutativity；
- side effect；
- operator version。

---

# 28. MMR 的「方向價值」不是既定真理

技術路線已經提出非常嚴格的反證條件：

若比較：

1. row-major；
2. transpose without semantics；
3. explicit MMR direction；
4. graph path + MMR；

結果發現：

$$
M_{\mathrm{MMR}}
\le
M_{\mathrm{baseline}}
$$

在：

- error localization；
- path length；
- operation count；
- task completion；

都沒有收益，

那麼：

$$
\boxed{
\text{MMR 應降格為 display layer}.
}
$$

這是非常重要的研究節制。

---

# 29. Direction Gain

可定義：

$$
\boxed{
G_{\mathrm{dir}}
=
M_{\mathrm{MMR}}
-
M_{\mathrm{baseline}}.
}
$$

其中 $M$ 可以是：

- accuracy；
- negative completion time；
- negative path length；
- root-cause score；
- human operation cost。

只有：

$$
G_{\mathrm{dir}}>0
$$

且成本合理時，

才有理由說「顯式方向語義」具有 execution / reasoning value。

---

# 30. metadata-equivalence 反例

更強的反證甚至是：

> 普通 table + `source_id` + `formula` + `audit` 欄就能完全實現同等能力。

若成立，則：

$$
\boxed{
MMLC
}
$$

不應被宣稱為新的 computation paradigm。

最多是：

$$
\boxed{
\text{一個整理良好的 schema / interface convention}.
}
$$

這條反例必須保留。

---

# 31. 與既有資料流／圖 IR 的關係

現代中介表示早已大量使用：

$$
Node
+
Edge
+
Region
+
Type
$$

描述 computation。

例如 MLIR 的 graph-like region 可以讓：

$$
Operation
$$

作 node，

$$
Value
$$

作 data-flow edge，

而 region 中的 textual order 在特定 graph semantics 下甚至可以不是語義核心。

這與 MMLC 的：

$$
\boxed{
\text{Display Order}
\neq
\text{Semantic Dependency}
}
$$

有明顯概念近鄰。

因此 MMLC 不能以：

> 「我們第一次發現圖上的執行順序不等於畫面順序」

作原創性主張。

---

# 32. 與 spreadsheet formula graph 的關係

現有 spreadsheet research 早已將：

$$
FormulaReference
$$

抽象為：

$$
FormulaGraph.
$$

也有研究指出 spreadsheet cell linkage 經常被 layout 隱藏，並嘗試將 cell-level dataflow 提升成 graph / hypergraph abstraction。

所以 MMR / MMLC 的可研究增量必須更精確：

$$
\boxed{
\text{identity}
+
\text{typed transaction}
+
\text{direction family}
+
\text{audit vector}
+
\text{boundary ledger}
}
$$

是否值得被封裝成一個統一 computational object？

---

# 33. MMR 與 MMLC 的正式分工

本文重新固定：

## MMR

回答：

$$
\boxed{
\text{How can the structure be traversed?}
}
$$

包括：

- display；
- comparison；
- forward read；
- backward trace；
- regional traversal；
- graph traversal。

---

## MMLC

回答：

$$
\boxed{
\text{What is being computed and audited?}
}
$$

包括：

- source object；
- transaction；
- operator；
- dependency；
- result；
- invariant；
- provenance；
- boundary；
- version。

---

## MLA

回答：

$$
\boxed{
\text{What minimal formal rules make these objects well-defined?}
}
$$

---

# 34. 統一物件

本文採用 MLA 形式：

$$
\boxed{
\mathfrak L
=
(
U,
J,
\mathbf T,
G,
\Pi,
\mathcal I,
\boldsymbol\tau,
B,
V
).
}
$$

其中：

- $U$：source objects；
- $J$：transaction index；
- $\mathbf T$：transactions；
- $G$：dependency graph；
- $\Pi$：traversal family；
- $\mathcal I$：local invariants；
- $\boldsymbol\tau$：hierarchical audit functionals；
- $B$：boundary ledger；
- $V$：version / execution history。

---

# 35. 三層同一性

本系列到這裡需要再區分三種 identity。

## Object Identity

$$
id(u).
$$

回答：

> 這是哪個來源物件？

---

## Transaction Identity

$$
id(T_j).
$$

回答：

> 這是哪一筆計算？

---

## Display Identity

$$
coord(T_j).
$$

回答：

> 它現在顯示在哪裡？

因此：

$$
\boxed{
ObjectID
\neq
TransactionID
\neq
Coordinate.
}
$$

但三者可以透過 explicit mapping 連接。

---

# 36. 視覺同構與計算同構

假設兩個畫面：

$$
V_1,
V_2
$$

看起來一模一樣。

不能推出：

$$
G_1=G_2.
$$

因為同樣 layout 可能有不同 dependency。

反過來：

$$
G_1\cong G_2
$$

也不要求：

$$
V_1=V_2.
$$

因此：

$$
\boxed{
\text{Visual Isomorphism}
\neq
\text{Computational Isomorphism}.
}
$$

這是 MMR 必須持續遵守的邊界。

---

# 37. 計算同構的最低條件

若兩個 representation：

$$
R_1,
R_2
$$

要宣稱 computationally equivalent，

至少應比較：

1. transaction identity；
2. operator semantics；
3. dependency graph；
4. boundary inputs；
5. output values；
6. audit outcomes；
7. relevant execution constraints。

因此不能只比較：

$$
Screenshot(R_1)
=
Screenshot(R_2).
$$

---

# 38. AI 在 MMLC 中的位置

第一版技術路線已明確要求：

$$
\boxed{
\text{Ledger before AI}.
}
$$

AI 可以：

- propose traversal；
- explain failure；
- generate repair candidate；
- compare branches。

但不能：

$$
\boxed{
\text{be the sole correctness authority}.
}
$$

安全流程：

```text
PROPOSE
→ SIMULATE
→ AUDIT
→ ACCEPT / REJECT
→ APPEND
```

這條結構後來與整個 MNIAC 系列的 governance 原則一致。

---

# 39. MMLC Runtime 1.0 的後續工程狀態

早期 roadmap 原本只是規劃：

$$
v0.1\rightarrow v0.6.
$$

後續已存在：

$$
\boxed{
\text{MMLC Runtime 1.0.0}
}
$$

以及 stable：

$$
\boxed{
\text{MMLF 1.0}.
}
$$

其公開能力層已包含：

```text
Typed transactions and operator invariants
→ local, regional and global audit
→ dependency taint and root-cause paths
→ matrix layout and multidirectional traversal
→ row, column and block constraints
→ minimum-support repair proposals
→ temporal references and fixed-point groups
→ append-only corrections
→ counterfactual interventions
→ branch differential ledgers
→ uncertainty
→ finite sequential decisions
```

因此：

$$
\boxed{
\text{MMR/MMLC 已從 pre-experimental formalization 推進到 deterministic research runtime。}
}
$$

---

# 40. Runtime 1.0 不代表理論全證明

MMLC Runtime 自己仍保留 non-claim：

> 它不宣稱取代 spreadsheets、DAG engines、symbolic systems、causal-inference libraries、numerical solvers 或 probabilistic programming tools。

因此：

$$
\boxed{
\text{Executable}
\neq
\text{Universally Superior}.
}
$$

同樣：

$$
\boxed{
\text{Feature Rich}
\neq
\text{Scientifically Validated in Every Domain}.
}
$$

---

# 41. Deterministic Replay

若：

- source 相同；
- operator lock 相同；
- traversal 相同；
- seed 相同；
- runtime semantics 相同；

則 deterministic mode 應產生：

$$
\boxed{
R_{\mathrm{repro}}=1.
}
$$

更成熟版本會保存：

- canonical JSON；
- semantic hash；
- execution hash；
- event log；
- manifest。

這使「矩陣帳本」不只可看，

還可以：

$$
\boxed{
\text{Replay}.
}
$$

---

# 42. 可逆追蹤與可重播是兩個方向

Forward replay：

$$
Input
\rightarrow
Execution
\rightarrow
Output.
$$

Reverse trace：

$$
OutputFailure
\rightarrow
Ancestors
\rightarrow
Sources.
$$

因此：

$$
\boxed{
\text{Forward Replay}
+
\text{Reverse Trace}
}
$$

構成一個比「只存 final result」更完整的 computation record。

---

# 43. 最低計算因果

本文沿用較節制的定義：

若 upstream transaction：

$$
T_i
$$

的改變沿合法 dependency path 傳播，

能改變：

$$
T_j
$$

結果，

且該 path 可由 ledger 重建，

則可以在**最低工程意義**上稱：

$$
T_i
$$

對：

$$
T_j
$$

存在 computational influence / computational causal path。

這不等於：

$$
\boxed{
\text{natural-world causal discovery}.
}
$$

---

# 44. 為什麼「方向」可能對 AI 有價值？

普通 sequence input 常將：

$$
2D/Graph Structure
$$

壓成：

$$
Linear Tokens.
$$

如果 task 本身是：

- backtracking；
- branch comparison；
- dependency repair；
- cross-axis consistency；

那麼 explicit traversal metadata 可能提供：

$$
\boxed{
\text{Search Prior}.
}
$$

因此 AI 不必每次重新猜：

> 我應該先看哪裡？

而可以直接得到：

$$
\Pi_Q.
$$

---

# 45. 但方向也可能毫無價值

如果模型本身已經能從：

$$
G
$$

完整恢復所有有用路徑，

那麼：

$$
\Pi
$$

可能只是 redundant metadata。

因此必須實驗：

$$
\boxed{
GraphOnly
\quad vs\quad
Graph+MMR.
}
$$

如果沒有收益：

$$
\boxed{
MMR
\rightarrow
UI / explanation layer.
}
$$

這也是合法結論。

---

# 46. MMLC 最值得保留的五個不變量

即使未來 MMR directional gain 被證明不大，以下五個設計仍可能獨立成立。

## 46.1 Identity Preservation

顯示重排不改 object / transaction identity。

## 46.2 Dependency Preservation

layout 轉換不改 dependency semantics。

## 46.3 Local Failure Preservation

global score 不覆寫 local failure。

## 46.4 Boundary Explicitness

external input 必須記錄。

## 46.5 Version Preservation

operator / policy change 不得靜默重寫歷史。

---

# 47. 本文統一公理草案

本文把 MLA-A1–A7 壓縮為五個跨系列原則。

## MNIAC-M4-A1 — Typed Identity

所有可執行 transaction 必須具有可解析 type 與 stable identity。

## MNIAC-M4-A2 — Semantic Layout Separation

$$
\boxed{
DisplayLayout
\neq
SemanticState.
}
$$

## MNIAC-M4-A3 — Dependency-Constrained Execution

任何 execution traversal 必須尊重 declared dependencies。

## MNIAC-M4-A4 — Non-Canceling Audit

local failure 不得因 global aggregation 被抹除。

## MNIAC-M4-A5 — Traceable Boundary and Version

所有 external input 與 rule change 都必須留下可回查紀錄。

---

# 48. 可反證條件

## F1 — Metadata Equivalence

如果：

$$
PlainTable
+
Metadata
$$

在更低成本下完整提供：

$$
Identity
+
Dependency
+
Audit
+
Traversal
$$

則 MMLC 應降格為 schema convention。

---

## F2 — Direction No Gain

若：

$$
G_{\mathrm{dir}}\le0
$$

跨合理任務持續成立，

則 MMR 不應宣稱新的 execution layer。

---

## F3 — Audit Overhead Dominates

若：

$$
Cost_{ledger}
\gg
Benefit_{audit},
$$

則不適合 production。

---

## F4 — Invariant Non-Scalability

若一般 operator 無法提供有用 audit spec，

則 local-ledger model 的適用域有限。

---

## F5 — Identity Not Used

若 source identity 對 branch consistency、repair、trace 任務完全無收益，

則平行身份應簡化。

---

## F6 — Reverse Trace Fails

若保存 dependency 後仍不能可靠定位 ancestors / root cause，

則 reversible-trace claim 失敗。

---

# 49. 本文結論

從二維 spreadsheet 到 MMR / MMLC，真正增加的不是更多格子，而是：

$$
\boxed{
\textbf{
把原本藏在人類腦中的「這些格子彼此是什麼關係」，
逐步寫回機器可讀結構。
}
}
$$

這包括：

$$
\boxed{
\text{同一物件的平行展開}
}
$$

$$
\boxed{
\text{方向與遍歷}
}
$$

$$
\boxed{
\text{交易與依賴}
}
$$

$$
\boxed{
\text{來源與邊界}
}
$$

$$
\boxed{
\text{局部與分層稽核}.
}
$$

因此：

$$
\boxed{
\text{Matrix-Ledger}
\neq
\text{A Pretty Spreadsheet}.
}
$$

它真正的最低主張是：

> **顯示只是投影；交易才是語義單位；依賴決定合法執行；方向決定可選遍歷；稽核保留局部錯誤；來源與版本保證可追蹤。**

而「逆向」最終也被重新定義為：

$$
\boxed{
\textbf{
不是所有運算都能反算，
但計算過程應盡可能能回查。
}
}
$$

這就是：

$$
\boxed{
\text{Reversible Traceability}.
}
$$

到這一步，最早的「Excel 格子」直覺已經真正脫離 Excel。

下一個問題不再是：

> 矩陣能不能計算？

而是：

> **這種方向、依賴、稽核與身份結構，真的能讓 AI 更會找錯、修公式、理解工作簿嗎？**

這就進入下一篇的 benchmark。

---

# 50. 下一篇

## EML-MNIAC-2026-05

**《試算表智能的可證偽實驗：公式修復、方向推理、AST 與真實 XLSX 差分》**

下一篇將整合：

- MMR-Bench v0.3–v1.0；
- formula localization；
- formula repair；
- direction weights；
- Formula AST；
- dependency graph；
- OOXML cache；
- independent engine comparison；
- signed computation certificate；
- replay / tamper rejection；

將本篇的結構主張真正交給 benchmark。

---

# 參考資料

## 內部系列與工程

1. EveMissLab, 《多向矩陣表徵 MMR v0.1》。
2. EML-MMLC-2026-P01, 《多向矩陣帳本計算：從平行數學到可稽核計算矩陣》。
3. EML-MLA-2026-P02, 《矩陣帳本代數：平行運算、方向遍歷與分層稽核的形式系統》。
4. EML-MMLC-2026-P03, 《MMR 矩陣帳本計算技術路線：資料格式、執行引擎與可反證實驗》。
5. EveMissLab, **MMLC Runtime 1.0 / MMLF 1.0**。
6. EML-MNIAC-2026-03, 《試算表作為可見計算環境：狀態、公式、依賴、記憶與稽核》。

## 外部結構近鄰

7. Tang, D. et al. (2023), **Efficient and Compact Spreadsheet Formula Graphs**, arXiv:2302.05482.
8. Birch, D. et al. (2020), **Abstracting spreadsheet data flow through hypergraph redrawing**, arXiv:2006.04794.
9. LLVM Project, **MLIR Language Reference** — graph-like operations, Values, Regions, and dataflow representation.
10. LLVM Project, **MLIR Rationale** — multi-level representation from high-level dataflow graphs toward lower-level executable forms.

這些近鄰顯示：formula graph、dataflow graph、graph IR 與 layout/semantic separation 本身已有成熟背景；MMLC 的可研究增量必須由 identity、typed transaction、explicit traversal family、multi-layer audit 與 boundary/version ledger 的組合效用來證明，而不能只靠命名宣稱。

---

**系列狀態：** 第 04 篇完成。  
**下一篇：** EML-MNIAC-2026-05 —《試算表智能的可證偽實驗：公式修復、方向推理、AST 與真實 XLSX 差分》