# 注意力熵與配置相變：從分心到超聚焦

**英文題名：** Attention Entropy and Allocation Phase Transitions: From Distractibility to Hyperfocus  
**系列：** ADHD 動態配置與認知拓撲系列，第 4 篇  
**版本：** v0.1  
**日期：** 2026-08-16  
**作者：** Neo.K（許筌崴）  
**協作：** GPT-5.6 Sol  
**文件性質：** 理論建模／認知科學命題／研究綱領  
**文獻檢索截點：** 2026-08-16  

---

# 0. 醫學、數學與證據邊界聲明

本文不是臨床研究、診斷工具、治療指南、藥理研究或醫療建議。

本文提出的「注意力熵」「配置相變」「配置鎖定」「脫離障礙」「狀態駐留時間」等概念均屬待驗證理論命題，不代表已被醫學界確認的 ADHD 病理機制。

原作者並非醫學、精神醫學、神經科學或臨床心理專業研究者。本文不提供新的臨床、人體、神經影像、藥理或心理實驗數據；所有實證性背景均來自公開同行評審研究。

本文中的 entropy 是對候選事件之資源配置分布所定義的 Shannon entropy 型數學量：

$$
\mathcal H_{\Pi}
=
-\sum_i p_i\log p_i.
$$

本文不主張：

$$
\mathcal H_{\Pi}
=
\text{EEG entropy},
$$

不主張：

$$
\mathcal H_{\Pi}
=
\text{thermodynamic entropy},
$$

也不主張人腦正在直接計算 Shannon entropy。

本文中的「相變」只表示候選動態系統在控制參數改變時可能發生非線性狀態轉換，例如由分散配置轉為穩定聚焦或配置鎖定。它不是對真實神經系統存在熱力學相變的宣稱。

本文不以原作者個人經驗作為一般化證據，不應用於自行診斷、治療、停藥、調藥或其他醫療決策。

核心限制：

$$
\boxed{
\text{mathematical analogy}
\neq
\text{established biological identity}.
}
$$

---

# 摘要

ADHD 常被描述為注意力不足，但與之並存的一項長期現象是：部分 ADHD 個體報告可以在某些高興趣、高刺激或高投入活動中出現長時間、難以中止的高度集中狀態，通常被稱為 hyperfocus。這形成表面矛盾：

$$
\text{distractibility}
\quad\text{與}\quad
\text{hyperfocus}
$$

如何可能同時存在？

近年研究使 hyperfocus 從主要依靠軼事描述逐步走向可量化構念。2024 年 Scientific Reports 對 12 題 Dispositional Adult Hyperfocus Questionnaire（AHQ-D）進行驗證，在 347 名成人中得到良好內部一致性與單因子結構，且 hyperfocus 分數與 ADHD traits 呈中度正相關。然而該研究並未以平衡臨床 ADHD cohort 為主要設計，且文獻中亦有臨床配對研究未發現 ADHD 與控制組在 hyperfocus occurrence、frequency、duration 或 pervasiveness 上存在差異，因此 hyperfocus 不能被視為 ADHD 專屬現象。2026 年 Journal of Affective Disorders Reports 的成人 ADHD 研究進一步發現 cognitive-affective switching、emotion reactivity 與 dispositional hyperfocus 之間存在關聯，提示 hyperfocus 可能涉及 disengagement、情緒調節與「hot」executive function，而不只是「注意量很多」。

另一方面，2026 年 Current Psychology 對 627 名 emerging adults 的研究發現 spontaneous mind wandering 與 ADHD 的 inattention、hyperactivity／impulsivity 都有關，deliberate mind wandering 也與部分 ADHD 維度相關。2026 年 Journal of Neuroscience 的成人 ADHD EEG 研究則顯示 wakefulness 中的 sleep-like slow waves 可解釋部分 sustained-attention performance 差異，支持注意失誤可能具有狀態性與時間性，而不是固定平均能力不足。

基於上述背景，本文提出「Attention Entropy and Phase Transition Hypothesis, AEPTH」。本文把有限認知資源對候選事件的配置正規化為：

$$
p_i(t)
=
\frac{
\Pi_t(e_i)
}{
\sum_j\Pi_t(e_j)
},
$$

並定義配置熵：

$$
\mathcal H_{\Pi}(t)
=
-\sum_i p_i(t)\log p_i(t).
$$

高配置熵代表資源較分散，低配置熵代表資源集中。然而高熵不等於 distractibility，低熵也不等於 hyperfocus。本文另外引入 dominance、dwell time、switching rate 與 disengagement barrier，提出 hyperfocus 的候選狀態至少需要：

$$
\text{high concentration}
+
\text{long dwell}
+
\text{high disengagement cost},
$$

而非單純：

$$
\mathcal H_{\Pi}\downarrow.
$$

本文進一步提出：分心與 hyperfocus 可以是同一配置系統在不同控制參數下形成的不同動態 regime，而不是兩個互相排斥的能力。這個模型可由多任務、experience sampling、眼動、反應時間、EEG／fMRI 與狀態轉移資料直接檢驗，也可被 out-of-sample prediction 否決。

**關鍵詞：** ADHD、hyperfocus、注意力熵、配置動力學、mind wandering、attention lapses、state transition、dwell time、disengagement、executive function

---

# 1. 表面矛盾：為什麼「容易分心」可以和「極度集中」並存？

若採單一標量模型：

$$
A
=
\text{attention capacity},
$$

則容易得到：

$$
A\downarrow
\Rightarrow
\text{distractibility},
$$

而：

$$
A\uparrow
\Rightarrow
\text{deep focus}.
$$

在這種模型中：

$$
\text{distractibility}
+
\text{hyperfocus}
$$

看起來接近矛盾。

但第 3 篇已將注意展開為：

$$
S_t
\rightarrow
A_t
\rightarrow
\Pi_t
\rightarrow
O_t
\rightarrow
U_t
\rightarrow
G_t.
$$

一旦配置：

$$
\Pi_t
$$

本身是時間變量，問題就不再是「注意力有多少」，而是：

> 資源在候選事件之間如何分布、維持、轉移與脫離？

因此：

$$
\boxed{
\text{distractibility}
\not\Leftrightarrow
\text{low total cognitive capacity}.
}
$$

以及：

$$
\boxed{
\text{hyperfocus}
\not\Leftrightarrow
\text{high global cognitive capacity}.
}
$$

兩者都可能是配置動力學的局部狀態。

---

# 2. Hyperfocus 的研究地位：已可量化，但尚非 ADHD 專屬核心症狀

Hyperfocus 在日常 ADHD 敘述中非常常見，但研究歷史相對較短。

2024 年 Hupfeld 等人驗證 AHQ-D，將 hyperfocus 操作化為一種高度、強烈的任務集中狀態，可能伴隨：

- 時間感降低；
- 對外界注意下降；
- 忽略個人需求；
- 難以停止；
- 難以切換；
- 高度沉浸；
- 卡在局部細節。

其 347 名成人樣本中，AHQ-D 具有：

$$
\alpha=0.93
$$

的 Cronbach internal consistency，並與 CAARS ADHD trait scores 呈：

$$
r=0.53
$$

的相關。

但這只能支持：

$$
\text{HF tendency}
\leftrightarrow
\text{ADHD traits}
$$

存在關聯。

不能推出：

$$
\text{HF}
=
\text{ADHD-specific symptom}.
$$

該研究本身也指出，既有一項臨床配對研究未發現 ADHD 與控制組在 hyperfocus occurrence、frequency、duration 或 pervasiveness 上有差異。

因此本文採取：

$$
\boxed{
\text{hyperfocus is an associated construct,
not an assumed defining property of ADHD}.
}
$$

---

# 3. Hyperfocus 不等於 Flow

2024 AHQ-D validation 顯示：

$$
\operatorname{Corr}
\left(
HF,
Flow
\right)
=
0.12.
$$

這是一個弱正相關。

因此 hyperfocus 與 flow 不宜直接互換。

本文暫時區分：

$$
\text{Flow}
=
\text{high engagement with relatively adaptive task coupling},
$$

而：

$$
\text{Hyperfocus candidate}
=
\text{high concentration with impaired disengagement or competing-demand suppression}.
$$

這個分離不是正式臨床定義，而是理論操作化。

如果未來研究顯示兩者在行為、生理與自我報告上幾乎完全重疊，則此分離應被弱化。

---

# 4. Hyperfocus 也不等於 Perseverance

同一 2024 研究中：

$$
\operatorname{Corr}
\left(
HF,
Grit
\right)
=
-0.29.
$$

因此 hyperfocus 並不等於長期目標堅持。

一個人可以長時間卡在某活動：

$$
t_{\text{dwell}}\uparrow
$$

但：

$$
\text{long-term goal alignment}
$$

並不一定提高。

所以：

$$
\boxed{
\text{long dwell}
\neq
\text{strategic persistence}.
}
$$

---

# 5. Hyperfocus 與情緒機制

2026 年 Samson 等人比較：

$$
N_{\text{ADHD}}=48
$$

與：

$$
N_{\text{control}}=48
$$

名成人。

ADHD 組由 cognitive task 切換至 affective stimuli 的速度較慢；在 ADHD 組內，emotion reactivity 與 cognitive-affective switching、dispositional hyperfocus 之間存在關聯，且 emotion reactivity 在部分 switching–hyperfocus 關係中呈完全中介。

這提示：

$$
\boxed{
\text{HF}
\neq
\text{pure attentional concentration alone}.
}
$$

至少某些 hyperfocus experience 可能涉及：

$$
\text{attention}
+
\text{affect}
+
\text{disengagement}
+
\text{regulation}.
$$

本文因此不會把 hyperfocus 只建模成：

$$
\mathcal H_{\Pi}\downarrow.
$$

---

# 6. Mind wandering：另一種配置轉移

2026 年 Arabacı 與 Parris 在 627 名 18–29 歲 emerging adults 中研究 daily-life mind wandering。

研究發現 spontaneous mind wandering 與：

- inattention；
- hyperactivity；
- impulsivity；

均有關。

deliberate mind wandering 也與 inattention 與 hyperactivity／impulsivity 的部分量表構念相關。

重要的是：

$$
\text{mind wandering}
$$

本身具有：

$$
\text{spontaneous}
$$

與：

$$
\text{deliberate}
$$

兩種不同成分。

因此本文不把：

$$
\text{mind wandering}
=
\text{distractibility}.
$$

更合理的形式是：

$$
\text{task allocation}
\rightarrow
\text{internally generated allocation}
$$

的一類狀態轉移。

---

# 7. 分心不等於高熵

設配置分布：

$$
\mathbf p_t
=
\left(
p_1(t),p_2(t),\ldots,p_n(t)
\right).
$$

高熵：

$$
\mathcal H_{\Pi}(t)\uparrow
$$

表示配置較平均分散。

但這不一定是分心。

例如 brainstorming 任務中：

$$
\mathcal H_{\Pi}\uparrow
$$

可能是理想狀態。

相反地，若資源高度集中在錯誤 distractor：

$$
p_{\text{distractor}}\rightarrow1,
$$

則：

$$
\mathcal H_{\Pi}\downarrow,
$$

但主體仍然是「對目標任務而言分心」。

所以：

$$
\boxed{
\text{distractibility}
\neq
\text{high entropy}.
}
$$

分心必須相對於目標定義。

---

# 8. 目標相對配置

令目標事件集合：

$$
\mathcal G_t
\subseteq
\mathcal E_t.
$$

定義目標配置率：

$$
R_G(t)
=
\sum_{e_i\in\mathcal G_t}
p_i(t).
$$

定義非目標配置率：

$$
R_{\neg G}(t)
=
1-R_G(t).
$$

則 task-relative distractibility 可候選表示為：

$$
D_{\text{task}}(t)
=
R_{\neg G}(t).
$$

因此：

$$
\mathcal H_{\Pi}
$$

與：

$$
D_{\text{task}}
$$

是不同量。

可能存在：

$$
\mathcal H_{\Pi}\downarrow,
\qquad
D_{\text{task}}\uparrow,
$$

表示資源高度集中在非目標事件。

---

# 9. 配置熵

正規化：

$$
p_i(t)
=
\frac{
\Pi_t(e_i)
}{
\sum_{j=1}^{n}\Pi_t(e_j)
}.
$$

定義 Shannon allocation entropy：

$$
\mathcal H_{\Pi}(t)
=
-\sum_{i=1}^{n}
p_i(t)\log p_i(t).
$$

最大值：

$$
\mathcal H_{\max}
=
\log n.
$$

定義正規化配置熵：

$$
\widehat{\mathcal H}_{\Pi}(t)
=
\frac{
\mathcal H_{\Pi}(t)
}{
\log n
}.
$$

因此：

$$
0
\leq
\widehat{\mathcal H}_{\Pi}
\leq
1.
$$

其中：

$$
\widehat{\mathcal H}_{\Pi}\rightarrow0
$$

表示高度集中；

$$
\widehat{\mathcal H}_{\Pi}\rightarrow1
$$

表示高度分散。

---

# 10. 集中度

定義：

$$
C_{\Pi}(t)
=
1-
\widehat{\mathcal H}_{\Pi}(t).
$$

所以：

$$
C_{\Pi}\rightarrow1
$$

代表高集中。

但：

$$
C_{\Pi}\uparrow
$$

仍然不等於 hyperfocus。

因為一次短暫高集中：

$$
\Delta t\ll1
$$

不是 hyperfocus。

因此必須加入時間維度。

---

# 11. Dominance

定義最強配置：

$$
L_t
=
\max_i p_i(t).
$$

若：

$$
L_t\approx1,
$$

某一候選事件近乎壟斷當下配置。

但：

$$
L_t
$$

只描述瞬時 dominance。

Hyperfocus 還需要：

$$
\text{duration}.
$$

---

# 12. Dwell Time

令：

$$
e^{*}
=
\arg\max_i p_i(t).
$$

若 $e^{*}$ 持續維持 dominance，定義其駐留時間：

$$
T_{\text{dwell}}(e^{*})
=
t_{\text{exit}}-t_{\text{entry}}.
$$

因此：

$$
L_t\uparrow
$$

與：

$$
T_{\text{dwell}}\uparrow
$$

是兩個不同特徵。

高效短期專注可能是：

$$
L_t\uparrow,
\qquad
T_{\text{dwell}}\text{ moderate}.
$$

長時間鎖定則可能：

$$
L_t\uparrow,
\qquad
T_{\text{dwell}}\uparrow.
$$

---

# 13. Switching Rate

定義當前 dominant state：

$$
z_t
=
\arg\max_i p_i(t).
$$

在窗口：

$$
[t_0,t_1]
$$

內，定義 switching rate：

$$
\nu_{\text{switch}}
=
\frac{
N_{\text{switch}}
}{
t_1-t_0
}.
$$

高：

$$
\nu_{\text{switch}}
$$

可能代表高狀態切換。

但它仍不必然是病理。

探索型任務本身可能需要高切換率。

---

# 14. Disengagement Barrier

Hyperfocus 最重要的特徵之一可能不是「進入得多深」，而是：

> 要離開有多難？

定義 dominant event：

$$
e^{*}.
$$

令：

$$
B_{\text{exit}}
\left(
e^{*}\rightarrow e_j
\right)
$$

表示將配置從 $e^{*}$ 重新分配至另一事件 $e_j$ 所需克服的最小有效控制成本。

可以把平均脫離障礙寫成：

$$
\overline B_{\text{exit}}
=
\mathbb E_j
\left[
B_{\text{exit}}
\left(
e^{*}\rightarrow e_j
\right)
\right].
$$

因此：

$$
\boxed{
\text{deep focus}
\neq
\text{high disengagement barrier}.
}
$$

這一變量可能比「集中度」更接近 hyperfocus 的功能困難。

---

# 15. Hyperfocus 的候選操作定義

本文不定義臨床 hyperfocus。

只提出研究用 candidate state：

$$
HF_t
=
\mathbb I
\left[
C_{\Pi}(t)\geq c^{*}
\right]
\cdot
\mathbb I
\left[
T_{\text{dwell}}\geq T^{*}
\right]
\cdot
\mathbb I
\left[
\overline B_{\text{exit}}\geq B^{*}
\right].
$$

亦即：

$$
\boxed{
HF
=
\text{high concentration}
+
\text{long dwell}
+
\text{high disengagement cost}.
}
$$

若需要加入 functional displacement，可再定義：

$$
F_{\text{disp}}
=
\sum_{e_j\in\mathcal G_{\text{competing}}}
w_j
\left[
1-p_j
\right].
$$

因此 hyperfocus 的負面功能面可能與：

$$
F_{\text{disp}}\uparrow
$$

有關。

---

# 16. Hyperfocus 不一定是低熵病理狀態

假設一名研究者進入高度專注狀態：

$$
\widehat{\mathcal H}_{\Pi}\downarrow.
$$

如果：

$$
e^{*}
\in
\mathcal G_t,
$$

而：

$$
\overline B_{\text{exit}}
$$

仍適中，則這可能是高效專注。

相反地，如果：

$$
e^{*}
\notin
\mathcal G_t
$$

或：

$$
\overline B_{\text{exit}}\gg0,
$$

並造成 competing obligations 被排除，才可能接近 maladaptive lock-in。

所以：

$$
\boxed{
\text{low entropy}
\neq
\text{pathology}.
}
$$

---

# 17. 三個最小動態 regime

本文提出三個簡化 regime。

## 17.1 Dispersed regime

$$
\widehat{\mathcal H}_{\Pi}\uparrow,
$$

$$
\nu_{\text{switch}}\uparrow.
$$

多候選同時競爭，dominance 不穩定。

---

## 17.2 Adaptive focused regime

$$
\widehat{\mathcal H}_{\Pi}\downarrow,
$$

$$
L_t\uparrow,
$$

但：

$$
\overline B_{\text{exit}}
$$

維持可控。

主體可以深度處理，同時保留必要切換能力。

---

## 17.3 Locked regime

$$
\widehat{\mathcal H}_{\Pi}\downarrow,
$$

$$
L_t\uparrow,
$$

$$
T_{\text{dwell}}\uparrow,
$$

$$
\overline B_{\text{exit}}\uparrow.
$$

這是 hyperfocus-like lock-in 的候選狀態。

這三類只是分析工具，不是臨床 subtype。

---

# 18. 為什麼要使用「相變」語言？

若配置分數：

$$
s_t(e)
$$

由第 3 篇定義為：

$$
s_t(e)
=
\alpha_tS_t(e)
+
\beta_tG_t(e)
+
\gamma_tN_t(e)
+
\delta_tH_t(e)
+
\zeta_tQ_t(e)
-
\lambda_tC_t(e)
-
\kappa_tK_t(e),
$$

則：

$$
\Pi_t(e_i)
=
R_t^{\max}
\frac{
e^{s_t(e_i)/\tau_t}
}{
\sum_j e^{s_t(e_j)/\tau_t}
}.
$$

當：

$$
\tau_t
$$

逐步降低時，配置可能由平坦分布迅速集中。

因此：

$$
\tau_t
$$

可作為候選 concentration-control parameter。

當某 dominant event 的分數超越競爭項時：

$$
s_t(e^{*})-s_t(e_j)
>
\Delta^{*},
$$

系統可能產生快速集中。

本文把這種非線性 regime shift 稱為「配置相變」。

---

# 19. 這不是熱力學相變

本文明確不寫：

$$
\text{brain}
=
\text{thermodynamic phase transition system}
$$

作為既定事實。

「相變」只表示：

$$
\text{continuous parameter change}
\rightarrow
\text{discontinuous-like behavioral regime change}.
$$

若未來資料顯示配置狀態只平滑改變、沒有 metastability、hysteresis 或 threshold-like transitions，則「phase transition」語言應改為：

$$
\text{state transition}.
$$

---

# 20. Hysteresis 候選

若 hyperfocus-like lock-in 存在，可能出現：

> 進入該狀態的條件與離開該狀態的條件不同。

令：

$$
\theta_{\text{enter}}
$$

為進入鎖定的門檻，

$$
\theta_{\text{exit}}
$$

為離開門檻。

若：

$$
\theta_{\text{enter}}
\neq
\theta_{\text{exit}},
$$

則存在 hysteresis-like behavior。

例如：

$$
\text{interest}
$$

下降到原本進入門檻以下，主體仍可能持續停留。

這是非常強的可證偽預測。

---

# 21. Reward 與鎖定

第 2 篇提出 reward valuation：

$$
R_t(e)
$$

可被 neuromodulation 調節。

若：

$$
R_t(e^{*})\uparrow,
$$

則：

$$
s_t(e^{*})\uparrow.
$$

如果同時：

$$
K_t
\left(
e^{*}\rightarrow e_j
\right)
\uparrow,
$$

則：

$$
\text{entry probability}
\uparrow
$$

以及：

$$
\text{exit probability}
\downarrow.
$$

這形成：

$$
\boxed{
\text{reward-driven entry}
+
\text{switch-cost-driven persistence}.
}
$$

這只是 hyperfocus 的候選機制之一。

---

# 22. Interest-based attention 不是完整模型

ADHD 常被口語描述成「interest-based nervous system」。

本文不採取這種強結論。

因為：

$$
\text{interest}
$$

只能對應候選模型中的一部分：

$$
R,
N,
G,
Q.
$$

Hyperfocus 還可能受到：

- emotion reactivity；
- negative reinforcement；
- avoidance；
- habit；
- switching cost；
- task structure；
- social context；

影響。

2026 cognitive-affective flexibility 研究正好提示 affective processes 可能參與 hyperfocus。

因此：

$$
\boxed{
\text{interest}
\neq
\text{complete hyperfocus mechanism}.
}
$$

---

# 23. Hyperfocus 可能具有多種路徑

本文提出至少四個候選路徑。

## 23.1 Reward lock

$$
R(e^{*})\uparrow
\rightarrow
L_t\uparrow.
$$

## 23.2 Novelty lock

$$
N(e^{*})\uparrow
\rightarrow
L_t\uparrow.
$$

## 23.3 Avoidance lock

某活動降低負面情緒：

$$
E_{\text{negative}}\downarrow
$$

而其他任務：

$$
E_{\text{negative}}\uparrow,
$$

因此停留於 $e^{*}$。

## 23.4 Completion lock

接近完成時：

$$
Q(e^{*}),
G(e^{*})
\uparrow,
$$

形成「再一下就完成」的持續鎖定。

這些路徑不必共享同一神經機制。

---

# 24. Mind wandering 與高熵的關係

Mind wandering 可以表示：

$$
p_{\text{internal}}
\uparrow
$$

相對於：

$$
p_{\text{task}}
\downarrow.
$$

但 spontaneous mind wandering 甚至可能高度集中在單一內在 thought stream。

此時：

$$
\widehat{\mathcal H}_{\Pi}
$$

未必高。

所以：

$$
\boxed{
\text{mind wandering}
\neq
\text{high entropy}.
}
$$

更精確的是：

$$
\text{task decoupling}
=
R_G(t)\downarrow.
$$

---

# 25. Attention Lapse 與局部狀態

2026 年 Pinggal 等人在成人 ADHD 與 neurotypical adults 中進行 sustained-attention task 與 EEG。

研究發現 ADHD 組在清醒狀態下有較高密度的 sleep-like slow waves，且 slow-wave density 可顯著解釋部分 ADHD-related attentional-performance difference。

這提供一個非常不同於「配置競爭」的可能路徑：

$$
\text{local arousal failure}
\rightarrow
\text{attention lapse}.
$$

因此：

$$
\boxed{
\text{same behavioral lapse}
\leftarrow
\text{multiple mechanisms}.
}
$$

AEPTH 必須允許 arousal-collapse state，而不能把所有 lapse 都解釋為高配置熵。

---

# 26. 高熵、低熵與低資源是不同軸

如果：

$$
R_t^{\max}\downarrow,
$$

而分布比例：

$$
p_i
$$

不變，則：

$$
\mathcal H_{\Pi}
$$

可以完全不變。

所以：

$$
\boxed{
\text{resource quantity}
\neq
\text{resource distribution}.
}
$$

因此需要二維甚至更高維狀態：

$$
\left(
R_t^{\max},
\widehat{\mathcal H}_{\Pi},
L_t,
\nu_{\text{switch}},
B_{\text{exit}}
\right).
$$

---

# 27. 配置狀態空間

本文定義：

$$
\mathbf X_t
=
\left(
R_t^{\max},
\widehat{\mathcal H}_{\Pi},
L_t,
T_{\text{dwell}},
\nu_{\text{switch}},
\overline B_{\text{exit}},
R_G
\right).
$$

行為表型：

$$
Y_t
=
F
\left(
\mathbf X_t,
T_t,
E_t
\right).
$$

因此：

$$
\text{distractibility}
$$

與：

$$
\text{hyperfocus}
$$

只是：

$$
\mathbf X_t
$$

空間中的不同區域。

---

# 28. 從分心到超聚焦不是單一直線

錯誤模型：

$$
\text{distracted}
\longrightarrow
\text{normal}
\longrightarrow
\text{hyperfocused}.
$$

本文提出：

$$
\boxed{
\text{state space}
\neq
\text{one-dimensional line}.
}
$$

例如：

- 高熵＋高切換；
- 低熵＋錯誤目標鎖定；
- 低資源＋低熵；
- 高資源＋高熵；
- 高集中＋低脫離障礙；
- 高集中＋高脫離障礙；

都可能產生不同主觀與行為表型。

---

# 29. Task Compatibility

令任務要求配置：

$$
\mathbf X_T^{*}.
$$

個體實際狀態：

$$
\mathbf X_t.
$$

定義 task mismatch：

$$
M_T(t)
=
d
\left(
\mathbf X_t,
\mathbf X_T^{*}
\right).
$$

則 performance 候選表示為：

$$
P_t
=
P_{\max}
-
\lambda
M_T(t).
$$

因此同一低熵狀態：

- 在深度寫作可能匹配；
- 在客服多任務可能不匹配；
- 在危機監控可能需要更高 breadth。

所以：

$$
\boxed{
\text{focus quality}
=
\text{state-task fit},
}
$$

而不是單純「越專心越好」。

---

# 30. ADHD 的候選核心可能是狀態調節，而不是固定狀態

本文不主張 ADHD 個體平均配置熵必然較高或較低。

更值得測試的是：

$$
\operatorname{Var}_t
\left[
\widehat{\mathcal H}_{\Pi}(t)
\right].
$$

以及：

$$
P
\left(
\text{undesired transition}
\right).
$$

因此最強候選不是：

$$
\mathbb E
\left[
\widehat{\mathcal H}_{\Pi}
\right]
\neq
\text{control},
$$

而可能是：

$$
\boxed{
\text{state regulation}
\neq
\text{control}.
}
$$

這與前幾篇的 dynamic configuration view 一致。

---

# 31. Hyperfocus 的益處與代價必須同時測

2024 AHQ-D validation 發現 hyperfocus scores 與：

$$
\text{Internet addiction}
$$

具有中度正相關：

$$
r=0.44,
$$

而與 creative achievement 只有弱正相關：

$$
r\approx0.17.
$$

這不能建立因果。

但它提醒研究者：

$$
\boxed{
\text{HF consequences}
\neq
\text{uniformly positive}.
}
$$

也不等於：

$$
\boxed{
\text{uniformly negative}.
}
$$

因此未來研究必須同步測：

- output；
- accuracy；
- opportunity cost；
- health／sleep displacement；
- social interruption；
- task switching；
- subjective satisfaction。

---

# 32. 功能性 Hyperfocus 指標

定義 productive output：

$$
O_{\text{prod}}.
$$

定義 displacement cost：

$$
C_{\text{disp}}.
$$

候選 net value：

$$
V_{HF}
=
O_{\text{prod}}
-
C_{\text{disp}}.
$$

因此：

$$
V_{HF}>0
$$

可視為當次 hyperfocus episode 功能上淨正向，

而：

$$
V_{HF}<0
$$

為淨負向。

這不是臨床判定，只是研究用 outcome function。

---

# 33. AEPTH 的九項核心命題

## AE-H1：分心與 hyperfocus 非互斥命題

$$
\text{distractibility}
\not\perp
\text{hyperfocus}.
$$

兩者可以是同一動態系統的不同狀態。

---

## AE-H2：低熵不足命題

$$
\widehat{\mathcal H}_{\Pi}\downarrow
$$

本身不足以定義 hyperfocus。

Hyperfocus-like state 還需要 dwell 與 disengagement 指標。

---

## AE-H3：目標相對命題

Distractibility 取決於：

$$
R_G(t),
$$

而不是單獨由 entropy 決定。

---

## AE-H4：狀態調節命題

ADHD-related difference 更可能存在於：

$$
\operatorname{Var}_t
\left[
\mathbf X_t
\right]
$$

與 transition probability，而非單一平均狀態。

---

## AE-H5：多機制命題

相同行為 lapse 可由：

- high competition；
- mind wandering；
- arousal collapse；
- update failure；

等不同機制造成。

---

## AE-H6：脫離障礙命題

Hyperfocus 的功能困難與：

$$
\overline B_{\text{exit}}
$$

的關係可能比單純 concentration 更強。

---

## AE-H7：Hysteresis 命題

若 hyperfocus-like lock-in 真為非線性狀態，則：

$$
\theta_{\text{enter}}
\neq
\theta_{\text{exit}}
$$

可能可被觀察。

---

## AE-H8：情境匹配命題

$$
P
=
F
\left(
\mathbf X,
\mathbf X_T^{*}
\right).
$$

相同配置狀態在不同任務中可由優勢轉成障礙。

---

## AE-H9：非專屬命題

Hyperfocus 不應被預設為 ADHD-exclusive phenomenon。

如果 controls、ASD 或其他群體在相同條件下出現相似 state dynamics，模型必須允許 transdiagnostic interpretation。

---

# 34. 實驗設計一：動態配置追蹤

受試者：

- clinically diagnosed ADHD adults；
- matched controls。

執行三類任務：

1. low-interest sustained task；
2. high-interest task；
3. self-selected high-engagement task。

每隔短時間收集：

- gaze；
- response time；
- task probes；
- subjective absorption；
- perceived time；
- interruption responsiveness。

估計：

$$
\mathbf X_t.
$$

主要比較：

$$
\operatorname{mean}
$$

與：

$$
\operatorname{transition dynamics}.
$$

---

# 35. 實驗設計二：強制脫離測試

當受試者進入高 engagement state 時，提供有明確價值的新任務提示。

測量：

$$
T_{\text{switch}}
$$

與：

$$
P_{\text{switch success}}.
$$

候選 disengagement barrier：

$$
\widehat B_{\text{exit}}
=
f
\left(
T_{\text{switch}},
\text{error},
\text{return tendency}
\right).
$$

如果 ADHD 與 controls 的 concentration 相似，但：

$$
\widehat B_{\text{exit}}
$$

存在差異，將支持 hyperfocus-as-disengagement model。

---

# 36. 實驗設計三：Experience Sampling

真實生活中隨機詢問：

- 目前做什麼；
- 想做什麼；
- 是否能切換；
- 是否感到時間消失；
- 是否忽略身體需求；
- 是否有 competing obligation；
- 是否自願繼續；
- 是否感到 stuck。

建立：

$$
HF_{\text{episode}}
$$

而不是只測：

$$
HF_{\text{trait}}.
$$

這可以區分：

$$
\text{dispositional tendency}
$$

與：

$$
\text{actual state dynamics}.
$$

---

# 37. 實驗設計四：Mind Wandering 與 Hyperfocus 共模

同一受試者同時測：

$$
MW_{\text{spontaneous}},
$$

$$
MW_{\text{deliberate}},
$$

$$
HF,
$$

$$
\nu_{\text{switch}},
$$

$$
T_{\text{dwell}}.
$$

如果 mind wandering 與 hyperfocus 只是同一維度兩端，應呈現強烈負相關。

但 2024 AHQ-D validation 中 hyperfocus 與 mind wandering 為：

$$
r=0.39,
$$

即正相關。

因此更可能：

$$
\boxed{
\text{high wandering tendency}
+
\text{high lock-in tendency}
}
$$

可以在同一人共存。

這正是 dynamic-state model 的重要預測。

---

# 38. 實驗設計五：Arousal 路徑分離

結合 EEG 與 state probes。

測量：

- wake slow waves；
- reaction-time variability；
- mind wandering；
- configuration entropy；
- target allocation。

比較模型：

$$
M_1:
\text{lapse}
\leftarrow
\mathcal H_{\Pi}
$$

與：

$$
M_2:
\text{lapse}
\leftarrow
\text{arousal slow waves}
$$

與：

$$
M_3:
\text{lapse}
\leftarrow
\left(
\mathcal H_{\Pi},
\text{arousal}
\right).
$$

如果 $M_3$ 明顯優於單一路徑模型，將支持多機制整合。

---

# 39. 模型失敗條件

AEPTH 應被削弱或淘汰，如果：

1. attention allocation distribution 無法可靠估計；
2. entropy 對任何 ADHD-related outcome 都沒有增量解釋力；
3. dwell time 與 disengagement barrier 無法與一般 engagement 分離；
4. hyperfocus 在 repeated-measures 中沒有穩定可辨識 state structure；
5. transition models 不優於平均值模型；
6. task compatibility 無法解釋 performance reversal；
7. hyperfocus 與 distractibility 在 longitudinal data 中呈嚴格互斥；
8. out-of-sample prediction 不優於簡單 symptom-score model。

形式上，如果：

$$
P_{\text{AEPTH,out}}
\leq
P_{\text{simple,out}},
$$

則應優先使用簡單模型。

---

# 40. 與「注意力過載」的關係

前文曾提出：

$$
\text{attention overload}.
$$

本篇把它拆成至少三種不同狀態：

## 40.1 Distribution overload

$$
\widehat{\mathcal H}_{\Pi}\uparrow.
$$

## 40.2 Competition overload

$$
R_{\neg G}\uparrow.
$$

## 40.3 Capacity overload

$$
R_t^{\max}
<
R_{\text{task}}.
$$

這三者不能互換。

所以：

$$
\boxed{
\text{overload}
\neq
\text{one mechanism}.
}
$$

---

# 41. 與「網狀思維」的關係

高配置熵不直接等於網狀思維。

網狀思維的候選核心是：

$$
\text{multiple relational paths activated and coordinated}.
$$

高熵只說：

$$
\text{resource distribution is broad}.
$$

因此可能：

$$
\mathcal H_{\Pi}\uparrow
$$

但沒有任何高品質跨域整合。

反之也可能同時維持多條強關係路徑，卻在較低維有效子空間中形成有序結構。

所以第 5 篇必須另外建模 topology，而不能把 entropy 偷換成 networked cognition。

---

# 42. 與前 3 篇整合

第 1 篇：

$$
\text{ADHD}
\rightarrow
\text{dynamic configuration}.
$$

第 2 篇：

$$
\mathbf N_t
\rightarrow
\text{neuromodulatory reparameterization}.
$$

第 3 篇：

$$
S_t
\neq
A_t
\neq
\Pi_t
\neq
O_t
\neq
U_t
\neq
G_t.
$$

本篇現在對：

$$
\Pi_t
$$

增加狀態空間：

$$
\boxed{
\mathbf X_t
=
\left(
R_t^{\max},
\widehat{\mathcal H}_{\Pi},
L_t,
T_{\text{dwell}},
\nu_{\text{switch}},
\overline B_{\text{exit}},
R_G
\right).
}
$$

因此系列主幹成為：

$$
\boxed{
\mathbf N_t
\rightarrow
\mathbf Z_t
\rightarrow
\Pi_t
\rightarrow
\mathbf X_t
\rightarrow
O_t
\rightarrow
U_t
\rightarrow
G_t
\rightarrow
P_t
\rightarrow
Y_t.
}
$$

---

# 43. 本文不主張的內容

本文不主張：

1. hyperfocus 是 ADHD 正式核心症狀；
2. hyperfocus 為 ADHD 專屬；
3. 所有 ADHD 都會 hyperfocus；
4. 所有 distractibility 都是高 entropy；
5. 所有 hyperfocus 都是低 entropy；
6. 低 entropy 是病理；
7. 高 entropy 是病理；
8. mind wandering 等於高 entropy；
9. wake slow waves 等於配置熵；
10. flow 等於 hyperfocus；
11. hyperfocus 是超能力；
12. hyperfocus 一定有害；
13. hyperfocus 一定有利；
14. 真實腦神經活動存在本文所稱的物理相變；
15. Shannon entropy 是 ADHD biomarker；
16. 本模型可以用於個人診斷。

---

# 44. 結論

「容易分心」與「能長時間高度專注」只有在單一注意力標量模型下才顯得矛盾。

一旦把注意改寫為動態配置：

$$
\Pi_t,
$$

並加入：

$$
\widehat{\mathcal H}_{\Pi},
$$

$$
L_t,
$$

$$
T_{\text{dwell}},
$$

$$
\nu_{\text{switch}},
$$

$$
\overline B_{\text{exit}},
$$

矛盾便可以轉寫成狀態問題。

分心可能是：

$$
R_G\downarrow,
$$

而 hyperfocus-like state 可能是：

$$
C_{\Pi}\uparrow,
$$

$$
T_{\text{dwell}}\uparrow,
$$

$$
\overline B_{\text{exit}}\uparrow.
$$

因此兩者完全可以出現在同一個動態系統不同時間：

$$
\boxed{
\mathbf X_{t_1}
\neq
\mathbf X_{t_2}.
}
$$

本文最重要的命題不是：

$$
\text{ADHD}
=
\text{high attention entropy},
$$

也不是：

$$
\text{ADHD}
=
\text{hyperfocus}.
$$

而是：

$$
\boxed{
\text{ADHD-related attention difficulties may involve
regulation of transitions among multiple allocation states,
rather than one permanently deficient attention state}.
}
$$

真正需要實驗回答的是：

$$
\boxed{
\text{Are distractibility and hyperfocus better predicted by
state-transition dynamics than by a single average attention score?}
}
$$

如果答案是否定，AEPTH 應被放棄。

如果答案肯定，則分心、mind wandering、穩定聚焦與 hyperfocus 可以被放入同一個動態配置空間，而不必再被描述成互相矛盾的注意能力。

---

# 參考文獻

1. Hupfeld, K. E., Osborne, J. B., Tran, Q. T., Hyatt, H. W., Abagis, T. R., et al. Validation of the dispositional adult hyperfocus questionnaire (AHQ-D). *Scientific Reports*. 2024;14:19460. DOI: 10.1038/s41598-024-70028-y.

2. Pimenta, M. G., Gruhnert, R. K., Fuermaier, A. B. M., & Groen, Y. The role of executive functions in mediating the relationship between adult ADHD symptoms and hyperfocus in university students. *Research in Developmental Disabilities*. 2024;144:104639. DOI: 10.1016/j.ridd.2023.104639.

3. Samson, J. L., et al. Cognitive-affective flexibility in adult ADHD: Links to emotion reactivity and hyperfocus. *Journal of Affective Disorders Reports*. 2026;24:101047. DOI: 10.1016/j.jadr.2026.101047.

4. Arabacı, G., & Parris, B. A. Daily life mind wandering and its relation to symptoms of ADHD in a community sample of emerging adults. *Current Psychology*. 2026;45:442. DOI: 10.1007/s12144-025-08962-x.

5. Pinggal, E., Jackson, J., Kusztor, A., Chapman, D., Windt, J., et al. Sleep-Like Slow Waves during Wakefulness Mediate Attention and Vigilance Difficulties in Adult Attention-Deficit/Hyperactivity Disorder. *Journal of Neuroscience*. 2026;46(15):e1694252025. DOI: 10.1523/JNEUROSCI.1694-25.2025.

6. Gao, Z., et al. Reduced temporal and spatial stability of neural activity patterns predict cognitive control deficits in children with ADHD. *Nature Communications*. 2025;16. DOI: 10.1038/s41467-025-57685-x.

7. Nugiel, T., et al. Methylphenidate stabilizes dynamic brain network organization during tasks probing attention and reward processing in stimulant-naïve children with ADHD. *Translational Psychiatry*. 2025. DOI: 10.1038/s41398-025-03694-9.

---

# 文獻使用聲明

本文僅使用上述研究建立截至 2026-08-16 的外部實證邊界。

本文提出的 allocation entropy $\mathcal H_{\Pi}$ 、normalized entropy $\widehat{\mathcal H}_{\Pi}$ 、dominance $L_t$ 、dwell time $T_{\text{dwell}}$ 、switching rate $\nu_{\text{switch}}$ 、disengagement barrier $\overline B_{\text{exit}}$ 、task-relative distractibility $D_{\text{task}}$ 、state vector $\mathbf X_t$ 、AEPTH 與配置相變框架，均為本文的理論構件，不應被誤認為上述研究作者的原始結論。

不同研究包含一般成人、clinical ADHD adults、community emerging adults 與 ADHD children，並使用 self-report、cognitive-affective switching、EEG、fMRI 與 behavioral tasks 等不同方法。本文不把它們視為單一大型實驗的直接累加證據。

---

**狀態：** v0.1，理論稿  
**新增原始臨床／人體數據：** 無  
**醫學用途：** 無  
**下一篇：** 《網狀認知拓撲：ADHD 多路徑激活假說》