# 容量向量、維度錯配與更新速率
## 廣義相位交流中的多資源可行域、時間序列化、記憶下界與持續超載動力學

**英文題名：** Capacity Profiles, Dimensional Mismatch, and Update Rates: Multi-Resource Feasibility, Temporal Serialization, Memory Lower Bounds, and Sustained Overload Dynamics in Generalized Phase Communication  
**系列：** 廣義相位交流與載體安全（Generalized Phase Communication and Carrier Safety, GPC-CS）  
**Paper：** 03  
**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：** 2026-08-13  
**狀態：** Public Theoretical Paper / Non-operational Safety Theory

---

## 摘要

Paper 01 建立載體狀態空間、安全域、可生存核與全域安全閉包；Paper 02 進一步將單條跨載體交流邊展開為表示、轉導、重建與狀態更新鏈，並證明非單射轉導本身不等於語義有損，真正不可恢復的是跨越任務等價類的別名化。本文處理下一個必要問題：**即使轉導器在結構上可以保真，接收載體是否真的有足夠容量在要求的時間尺度內承載、區分、保存並更新這些狀態？**

本文首先將總篇中簡化的容量向量：

$$
\kappa_j
=
(
b_j,
d_j,
m_j,
\tau_j,
r_j
)
$$

精煉為一個**狀態依賴容量剖面（state-dependent capacity profile）**：

$$
\boxed{
\kappa_j(x)
=
(
C_j(x),
D_j(x),
M_j(x),
\tau_j^{\min}(x),
R_j(x)
)
}
$$

以及更一般的容量可行域：

$$
\boxed{
\mathfrak C_j(x)
\subseteq
\mathbb R_+^5.
}
$$

其中 $C_j$ 表示有效資訊吞吐能力， $D_j$ 表示任務相關的同步可辨識維度容量， $M_j$ 表示有效活動記憶容量， $\tau_j^{\min}$ 表示可穩定解析的最短時間尺度， $R_j$ 表示可持續處理的狀態更新／服務速率。本文強調， $\kappa$ 不是五個彼此獨立的硬上限；真實系統通常存在 bandwidth–memory、dimension–time、latency–rate、compression–fidelity 等交換，因此真正的數學對象應是 $\mathfrak C_j(x)$，而不是單純的軸對齊超矩形。

本文提出五個相互區分的容量錯配：吞吐錯配、任務維度錯配、記憶錯配、時間解析錯配與更新速率錯配，並定義一階標準化負載：

$$
\rho
=
(
\rho_C,
\rho_D,
\rho_M,
\rho_\tau,
\rho_R
).
$$

但本文同時證明：某個 $\rho_k>1$ 只表示對應的簡化保證失效，並不自動推出載體不安全。容量失配與安全越界必須分開。

本文得到四個核心數學結果。第一，若任務可辨識 quotient 含有一個 $d$ 維開集，而目標同步表示只能連續映射到 $\mathbb R^m$，則當 $m<d$ 時，不存在保持所有任務區分的連續單射轉導。此結果由 Brouwer 的 invariance of domain 導出，形式化了「同步維度不足」何時必然導致 Paper 02 所定義的別名化。第二，若接收端只有 $M$ bits 可用記憶，卻需要區分超過 $2^M$ 個對重建有實質差異的上下文類，則由鴿籠原理，至少兩個必要上下文必被壓到同一記憶狀態，精確 context-sensitive reconstruction 因而不可能。第三，對理想化的 $B$ bits/time 通道與 $M$ bits side memory，若在時間窗 $T$ 內存在 $N_{\mathscr Q}(\varepsilon,T)$ 個彼此必須以誤差 $\varepsilon$ 區分的來源歷史，則任意精確區分架構必須滿足：

$$
\boxed{
\log_2
N_{\mathscr Q}(\varepsilon,T)
\le
BT+M.
}
$$

此式給出吞吐與記憶的聯合辨識下界。第四，對 backlog：

$$
Q_{t+1}
=
\max
\{
0,
Q_t+a_t-s_t
\},
$$

若長期平均輸入工作量嚴格大於長期平均服務量，則 backlog 至少線性發散；這把「更新速率過快」從模糊過載直覺轉化為一個可證明的持續超載條件。

本文最後把 Paper 01 的安全域與 Paper 02 的保真誤差結合，定義 capacity-compatible safety set：

$$
\boxed{
\mathcal S_j^{\mathrm{cap}}
=
\left\{
(x,q):
x\in\mathcal S_j,
\;
q\in\mathfrak C_j(x)
\right\},
}
$$

並引入容量條件化失真包絡 $\varepsilon_j(q,x)$。在 Paper 02 的 Lipschitz 誤差傳播條件下，可得到容量—安全橋接充分條件：

$$
\boxed{
\eta d_t
+
\beta\varepsilon_j(q_t,x_t)
<
\mu_{\mathcal S_j}
(
x_{t+1}^{\star}
)
}
$$

即可保證該一步實際狀態仍留在安全域內。

本文不提出任何攻擊、載荷、神經刺激參數或實際部署方案。其目的只是建立一個條件式理論：若未來的跨載體交流真的逐步走向高頻寬、多維、低延遲與狀態級耦合，那麼「容量不足」不能再只被理解為卡頓或封包丟失，而必須被拆解成可辨識性、記憶、時間解析、服務穩定性與載體狀態安全之間的聯合問題。

**關鍵詞：** 容量剖面、維度錯配、更新速率、吞吐量、記憶容量、時間解析、backlog、invariance of domain、rate–distortion、載體安全

---

# 0. 文獻定位與非目標

本篇使用的數學鄰近領域並非新發明。

Shannon 的經典資訊論建立了熵、通道容量與有損通信的基本框架；其後的 rate–distortion theory 更明確指出，任何「容量是否足夠」的判斷都必須相對於某個 fidelity / distortion criterion。網路控制文獻則進一步顯示，通信率、延遲與可靠性可以直接限制一個動態系統能否被穩定控制；Tatikonda–Mitter 與 Nair–Evans 等工作是這條 data-rate constrained control 路線的重要早期結果。佇列理論則提供另一組必要語言：平均輸入率持續超過服務能力時，問題不是單次封包失真，而是 backlog 積累與延遲發散。Little 與 Loynes 的經典結果分別奠定了平均佇列關係與更一般穩定性分析的基礎。

本文不宣稱這些結果由 GPC-CS 首創。

本文的新增工作是把它們嵌入以下跨載體問題：

$$
\text{representation}
\rightarrow
\text{transduction}
\rightarrow
\text{reconstruction}
\rightarrow
\text{state update},
$$

並將容量拆成五個不同資源軸，再研究它們與 Paper 01 的安全域、Paper 02 的語義 quotient 與錯配包絡之間的關係。

本文不討論：

- 如何故意製造過載；
- 如何利用容量錯配誘發特定行為；
- 任何實際神經或模型刺激參數；
- 權限、治理與部署方案。

---

# 1. 從單一「容量」到容量剖面

一般通信系統常用單一 rate 或 channel capacity 表示「能傳多少」。

但對廣義相位交流而言，至少五種資源不能先驗地混成同一個數。

本文定義載體 $L_j$ 在狀態 $x$ 下的容量剖面：

$$
\boxed{
\kappa_j(x)
=
(
C_j(x),
D_j(x),
M_j(x),
\tau_j^{\min}(x),
R_j(x)
).
}
$$

其中：

### 1.1 資訊吞吐能力

$$
C_j(x)
$$

表示在指定通道、編碼、容許失真與可靠度規格下，可持續輸入的有效資訊率。

單位可以是 bits/time，也可以是某個已明確定義的 task-relative code rate。

本文不把「semantic information」當成一個已經具有宇宙唯一單位的量。

---

### 1.2 同步任務維度容量

$$
D_j(x)
$$

表示在當前時間解析與保真要求下，載體可**同時區分**的任務相關自由度。

這不是物理空間維度，也不是模型 hidden size 的同義詞。

它是相對於 Paper 02 的可觀察量族：

$$
\mathscr Q
$$

而定義的有效維度能力。

---

### 1.3 有效活動記憶容量

$$
M_j(x)
$$

表示目前可被後續重建與狀態更新實際使用的 side information / working state 容量。

若以有限離散模型處理，可以用 bits 表示。

在連續系統中則可以改用 covering number、metric entropy 或其他任務相對量。

---

### 1.4 最短可解析時間尺度

$$
\tau_j^{\min}(x)
$$

表示載體能穩定分辨的最短任務相關時間尺度。

這個維度與其他四軸方向相反：

- $C,D,M,R$ 越大通常表示能力不下降；
- $\tau^{\min}$ 越小通常表示時間解析能力越高。

因此總篇中簡化的 componentwise：

$$
\kappa_{\mathrm{in}}
\preceq
\kappa_j
$$

在嚴格版本中必須修正。

---

### 1.5 可持續更新／服務速率

$$
R_j(x)
$$

表示載體能持續完成多少次有效狀態更新或多少單位工作量，而不讓 backlog 無界增長。

這與 $C_j$ 不相同。

一個系統可能：

- 能快速接收大量資訊；
- 但不能以相同速度完成狀態整合。

因此：

$$
\boxed{
\text{receive rate}
\neq
\text{update service rate}.
}
$$

---

# 2. 輸入需求剖面

對某段跨載體輸入，定義需求：

$$
q
=
(
b,
d,
m,
\tau^{\mathrm{req}},
r
).
$$

其中：

- $b$：要求的有效資訊率；
- $d$：要求同時保持的任務相關維度；
- $m$：所需 side information / active memory；
- $\tau^{\mathrm{req}}$：必須被區分的最短時間尺度；
- $r$：要求的更新／服務速率。

若先採用可分離的一階模型，定義標準化負載：

$$
\rho_C
=
\frac{b}{C_j},
$$

$$
\rho_D
=
\frac{d}{D_j},
$$

$$
\rho_M
=
\frac{m}{M_j},
$$

$$
\rho_\tau
=
\frac{\tau_j^{\min}}
{\tau^{\mathrm{req}}},
$$

$$
\rho_R
=
\frac{r}{R_j}.
$$

並定義：

$$
\boxed{
\rho
=
(
\rho_C,
\rho_D,
\rho_M,
\rho_\tau,
\rho_R
).
}
$$

若所有分量：

$$
\rho_k
\le
1,
$$

則在這個**可分離 box model** 下，需求不超過每一條單軸能力。

但這不是最終模型。

---

# 3. 真正的容量對象是可行域

不同容量軸通常可以交換。

例如：

- 更低 bitrate 可能以更高 distortion 為代價；
- 更低同步維度可能透過更多時間序列化；
- 更小活動記憶可能透過更頻繁外部讀取補償；
- 更低更新服務率可能透過 buffer 換取延遲；
- 更低延遲可能需要更高 rate 或更低 reliability。

因此本文定義載體狀態 $x$ 下的容量可行域：

$$
\boxed{
\mathfrak C_j(x)
\subseteq
\mathbb R_+^5.
}
$$

一個需求 $q$ 若滿足：

$$
q
\in
\mathfrak C_j(x),
$$

表示在當前模型、保真與可靠性規格下，它屬於可實現區域。

若：

$$
q
\notin
\mathfrak C_j(x),
$$

只表示：

> 目前指定的保真／延遲／更新條件不能被同時保證。

它**不自動表示載體已不安全**。

因此：

$$
\boxed{
\text{capacity infeasible}
\not\Rightarrow
\text{unsafe state}.
}
$$

這是本文對總篇「容量錯配」概念的第一個正式修正。

---

# 4. 五種不同的容量錯配

## 4.1 吞吐錯配

$$
b>C_j.
$$

若沒有額外緩衝、壓縮、丟棄或延遲，要求率超過可持續傳輸率。

---

## 4.2 同步維度錯配

$$
d>D_j.
$$

載體無法在同一分析時間尺度內保留所有任務相關可辨識自由度。

但這不表示所有資訊必然消失。

部分維度可能：

- 被壓縮；
- 被序列化；
- 被外部記憶保存；
- 被允許失真；
- 對目前 $\mathscr Q$ 根本不重要。

---

## 4.3 記憶錯配

$$
m>M_j.
$$

後續重建所需的 side information 超過可用活動記憶。

這可能造成：

- context eviction；
- 別名化；
- 重新補全；
- 更強的先驗依賴。

---

## 4.4 時間解析錯配

$$
\tau_j^{\min}
>
\tau^{\mathrm{req}}.
$$

來源中有些時間差異比載體能穩定解析的尺度更短。

若任務 $\mathscr Q$ 依賴這些差異，便可能發生 temporal aliasing。

---

## 4.5 更新速率錯配

$$
r>R_j.
$$

輸入事件或待整合工作持續到達的速度，超過載體能持續處理的速度。

此時真正重要的變量不是「瞬間能否處理一次」，而是 backlog 是否穩定。

---

# 5. 任務相關維度的定義

直接把 hidden dimension 或物理維度當作 $D_j$ 太粗糙。

Paper 02 已定義任務等價關係：

$$
z
\sim_{\mathscr Q}
z'
$$

當且僅當所有指定可觀察量都無法區分它們。

因此真正需要被保留的是 quotient：

$$
\mathcal Z
/
\sim_{\mathscr Q}.
$$

本文定義：

> **精確任務維度 $d_{\mathscr Q}$**：使任務可辨識 quotient 能以連續且保持所有 $\mathscr Q$ 區分的方式嵌入歐幾里得空間所需的最小局部維度。

更一般地，允許誤差 $\varepsilon$ 時，可以定義：

$$
d_{\mathscr Q}^{(\varepsilon)}
$$

為在指定 distortion criterion 下的近似任務維度。

本文不主張所有實際載體都必須使用歐幾里得座標。

這只是為了建立一個可證明的下界。

---

# 6. 連續同步降維的不可能性

設任務可辨識 quotient 的某個局部區域包含：

$$
U
\subseteq
\mathbb R^d,
$$

其中 $U$ 為非空開集。

若目標同步表示空間為：

$$
\mathbb R^m,
$$

而 exact task distinguishability 要求轉導在 $U$ 上連續且單射：

$$
T:
U
\rightarrow
\mathbb R^m,
$$

則有：

## 定理 6.1：連續同步任務降維下界

若：

$$
m<d,
$$

則不存在上述連續單射 $T$。

### 證明

假設存在：

$$
T:
U
\rightarrow
\mathbb R^m
$$

連續且單射。

令：

$$
\iota:
\mathbb R^m
\rightarrow
\mathbb R^d
$$

為標準嵌入：

$$
\iota(y_1,\ldots,y_m)
=
(y_1,\ldots,y_m,0,\ldots,0).
$$

則：

$$
\iota\circ T:
U
\rightarrow
\mathbb R^d
$$

為連續單射。

由 Brouwer invariance of domain，

$$
(\iota\circ T)(U)
$$

應為 $\mathbb R^d$ 中的開集。

但：

$$
(\iota\circ T)(U)
\subseteq
\iota(\mathbb R^m),
$$

而當 $m<d$ 時， $\iota(\mathbb R^m)$ 位於一個低維超平面中，在 $\mathbb R^d$ 中具有空內部。

矛盾。

故不存在此 $T$。

證畢。

---

# 7. 定理 6.1 與 Paper 02 Fiber 理論的關係

Paper 02 已證明：

$$
\text{non-injective}
\not\Rightarrow
\text{semantic loss}.
$$

因此定理 6.1 不能被誤讀為：

> 只要來源維度大於目標維度，交流就一定失敗。

真正結論是：

若：

1. 任務 quotient 在局部真的具有 $d$ 維連續可辨識結構；
2. 所有這些任務區分都必須同步精確保留；
3. 轉導要求連續；
4. 目標同步表示只有 $m<d$ 維；

則 exact distinction 不可能。

也就是至少會出現：

$$
T(z_1)=T(z_2)
$$

對某些原本必須區分的：

$$
z_1
\not\sim_{\mathscr Q}
z_2.
$$

這正是 Paper 02 的 cross-class aliasing。

因此：

$$
\boxed{
\text{dimension mismatch}
\rightarrow
\text{aliasing}
}
$$

只有在上述條件成立時才是必然命題。

---

# 8. 維度可以交換成時間，但不是免費的

假設一個載體一次最多可同時處理：

$$
D
$$

個彼此獨立的任務自由度。

來源一次有：

$$
d>D.
$$

若任務允許序列化，可以把來源拆成：

$$
k
=
\left\lceil
\frac dD
\right\rceil
$$

個時間片。

形式上：

$$
z
=
(
z^{(1)},
\ldots,
z^{(k)}
).
$$

若各時間片可以獨立重建，且接收端記憶足以保存前面片段，則同步維度錯配可部分轉化為：

- 更長延遲；
- 更高記憶需求；
- 更多更新步數。

因此：

$$
\boxed{
\text{dimension}
\leftrightarrow
\text{time}
\leftrightarrow
\text{memory}
}
$$

之間可以存在交換。

但是這個交換不是普遍成立。

---

# 9. 同時性敏感任務不能任意序列化

設可觀察量：

$$
q_{\mathrm{sim}}
$$

依賴多個分量的同時關係，例如：

$$
q_{\mathrm{sim}}
=
q
(
z_1(t),
z_2(t),
\Delta t=0
).
$$

若序列化過程：

$$
S
$$

消除了原本的 simultaneity relation，使兩個不同同步狀態：

$$
z,
z'
$$

得到：

$$
S(z)=S(z'),
$$

但：

$$
q_{\mathrm{sim}}(z)
\neq
q_{\mathrm{sim}}(z'),
$$

則由 Paper 02 的別名化定理，任何只看 $S(z)$ 的解碼器都無法精確恢復 $q_{\mathrm{sim}}$。

因此：

> 高同步維度可以被序列化，只有在時間編碼本身仍保留任務所需關係時才成立。

這對「相位交流」特別重要。

因為相對時間／同步關係本身可能就是語義的一部分。

---

# 10. 記憶容量的有限狀態下界

若活動記憶只有：

$$
M
$$

bits，則它最多具有：

$$
2^M
$$

個離散可區分狀態。

假設存在：

$$
K
$$

個 context classes：

$$
\mathcal H_1,
\ldots,
\mathcal H_K,
$$

且某個相同當前輸入 $u$ 在不同 context class 下必須得到不同任務結果：

$$
q
(
D(u,\mathcal H_a)
)
\neq
q
(
D(u,\mathcal H_b)
)
$$

對某些 $a\neq b$。

---

## 定理 10.1：有限記憶上下文別名化定理

若：

$$
K>2^M,
$$

則任何只用 $M$ bits 表示 context 的記憶映射：

$$
H:
\{
\mathcal H_1,\ldots,\mathcal H_K
\}
\rightarrow
\{0,1\}^M
$$

都必然把至少兩個不同 context classes 映射到同一記憶狀態。

若這兩個 classes 對相同輸入 $u$ 需要不同任務結果，則 exact context-sensitive reconstruction 不可能。

### 證明

由鴿籠原理。

 $K$ 個 context classes 映射到最多 $2^M$ 個 memory states。

若：

$$
K>2^M,
$$

至少有：

$$
\mathcal H_a
\neq
\mathcal H_b
$$

滿足：

$$
H(\mathcal H_a)
=
H(\mathcal H_b).
$$

若兩者對相同 $u$ 要求不同任務結果，則解碼器只看到相同：

$$
(u,H(\mathcal H_a))
=
(u,H(\mathcal H_b)),
$$

不能同時輸出兩個不同正確結果。

證畢。

---

# 11. 記憶不是「儲存空間大小」的同義詞

定理 10.1 的 $M$ 是：

> 對當前重建仍然可用的有效 side-information state。

它不等於：

- 磁碟容量；
- 參數總數；
- 長期資料庫總大小；
- 大腦神經元數量；
- context window 標稱 token 數。

若某些資料無法在需要的時間尺度被檢索、重新帶入或參與 $D_j$，它就不屬於當前的有效：

$$
M_j(x).
$$

因此：

$$
\boxed{
\text{stored}
\neq
\text{available for reconstruction}.
}
$$

---

# 12. 吞吐與記憶的聯合辨識下界

單獨看 throughput 或 memory 都可能錯過交換關係。

現在建立一個簡單但重要的聯合必要條件。

考慮長度：

$$
T
$$

的來源歷史集合。

令：

$$
N_{\mathscr Q}(\varepsilon,T)
$$

表示在指定任務與 distortion $\varepsilon$ 下，必須被彼此區分的來源歷史數量。

更精確地，可以把它理解為某個 $\mathscr Q$ -distortion 度量下的 packing number。

假設：

1. 通道在時間 $T$ 內最多傳送：

$$
BT
$$

bits；

2. 接收端可用 side memory 為：

$$
M
$$

bits。

因此，接收端可接觸到的「當期碼字 + side memory」組合數最多是：

$$
2^{BT}
\cdot
2^M
=
2^{BT+M}.
$$

---

## 定理 12.1：吞吐—記憶聯合辨識界

若所有：

$$
N_{\mathscr Q}(\varepsilon,T)
$$

個任務可區分來源歷史都必須在誤差 $\varepsilon$ 內被分辨，則必要條件為：

$$
\boxed{
N_{\mathscr Q}(\varepsilon,T)
\le
2^{BT+M}.
}
$$

等價地：

$$
\boxed{
\log_2
N_{\mathscr Q}(\varepsilon,T)
\le
BT+M.
}
$$

### 證明

若：

$$
N_{\mathscr Q}(\varepsilon,T)
>
2^{BT+M},
$$

則任意編碼與 memory-state 配對最多只能提供 $2^{BT+M}$ 個可區分接收狀態。

由鴿籠原理，至少兩個本來必須以誤差 $\varepsilon$ 區分的來源歷史會落到同一接收狀態。

因此無法同時對兩者達到所要求的辨識保真。

矛盾。

證畢。

---

# 13. 任務辨識率

定義：

$$
h_{\mathscr Q}^{(\varepsilon)}
=
\limsup_{T\rightarrow\infty}
\frac1T
\log_2
N_{\mathscr Q}(\varepsilon,T).
$$

若：

$$
M
$$

為固定常數，不隨 $T$ 線性增加，則由定理 12.1：

$$
\frac1T
\log_2
N_{\mathscr Q}(\varepsilon,T)
\le
B
+
\frac MT.
$$

令：

$$
T\rightarrow\infty,
$$

得到必要條件：

$$
\boxed{
h_{\mathscr Q}^{(\varepsilon)}
\le
B.
}
$$

這個式子不是要取代 Shannon channel capacity theorem。

它只是 GPC-CS 中一個最簡單的 combinatorial distinguishability bound。

它的意義是：

> 若任務本身要求長期以某個速度產生新的可區分歷史，而可用輸入碼率低於該辨識率，固定大小 side memory 無法永遠補足缺口。

---

# 14. 與 Rate–Distortion 的接合

Paper 02 已建立多層 distortion：

$$
\Delta
=
(
\delta_{\mathrm{geom}},
\delta_{\mathrm{dec}},
\delta_{\mathrm{func}},
\delta_{\mathrm{info}},
\delta_{\mathrm{safe}}
).
$$

在某一指定任務 $\mathscr Q$ 下，可以選擇一個明確 distortion：

$$
d_{\mathscr Q}(z,\hat z).
$$

若來源是隨機過程，則經典 rate–distortion theory 告訴我們：

> 容許失真越小，一般需要越高的最低描述率。

因此本文定義一個任務相對的最低需求率：

$$
R_{\mathscr Q}(\varepsilon),
$$

表示在明確模型假設與 distortion criterion 下，達到：

$$
\mathbb E
[
d_{\mathscr Q}
]
\le
\varepsilon
$$

所需的最低通信率。

於是吞吐可行的必要條件具有一般形式：

$$
\boxed{
C_j
\ge
R_{\mathscr Q}(\varepsilon).
}
$$

本文不宣稱所有跨載體問題都服從經典 memoryless source/channel separation。

此式的角色是提醒：

> 「容量夠不夠」必須相對於允許失真談。

---

# 15. 時間解析錯配

令載體的最短可解析時間尺度為：

$$
\tau_j^{\min}.
$$

若任務需要區分：

$$
\tau^{\mathrm{req}}
<
\tau_j^{\min},
$$

則某些時間差異會落在同一觀測窗內。

但這仍不必然造成任務損失。

只有當：

$$
\mathscr Q
$$

真的依賴這些時間差異時，才形成 temporal aliasing。

---

# 16. 一個抽象時間別名化命題

設時間聚合器：

$$
A_\tau
$$

把長度 $\tau$ 內的輸入事件映射成同一摘要。

若存在兩個事件序列：

$$
s_1,
s_2
$$

滿足：

$$
A_\tau(s_1)
=
A_\tau(s_2),
$$

但任務可觀察量：

$$
q_{\mathrm{time}}(s_1)
\neq
q_{\mathrm{time}}(s_2),
$$

則：

$$
(s_1,s_2)
$$

即構成 Paper 02 的 cross-class aliasing pair。

因此：

$$
\boxed{
\text{temporal resolution mismatch}
}
$$

本質上仍然可以被歸約成：

$$
\boxed{
\text{task-relevant aliasing}.
}
$$

這讓「頻寬、維度、記憶、時間」四種問題第一次被同一 Fiber 理論統一。

---

# 17. 更新速率與 backlog

現在處理最後一個容量軸：

$$
R_j.
$$

設：

$$
a_t
$$

為第 $t$ 步到達的工作量，

$$
s_t
$$

為第 $t$ 步實際完成的服務量。

定義 backlog：

$$
Q_t
\ge
0.
$$

最簡單的更新式：

$$
\boxed{
Q_{t+1}
=
\max
\{
0,
Q_t+a_t-s_t
\}.
}
$$

這不是特定電腦或神經模型。

它只是「未完成工作」的抽象守恆式。

---

# 18. 持續超載發散定理

## 定理 18.1

若存在：

$$
\delta>0
$$

使：

$$
\liminf_{T\rightarrow\infty}
\frac1T
\sum_{t=0}^{T-1}
(a_t-s_t)
\ge
\delta,
$$

則：

$$
\boxed{
\liminf_{T\rightarrow\infty}
\frac{Q_T}{T}
\ge
\delta.
}
$$

因此 backlog 至少線性無界增長。

### 證明

由：

$$
\max\{0,z\}\ge z,
$$

可得：

$$
Q_{t+1}
\ge
Q_t+a_t-s_t.
$$

反覆遞推：

$$
Q_T
\ge
Q_0
+
\sum_{t=0}^{T-1}
(a_t-s_t).
$$

兩邊除以 $T$：

$$
\frac{Q_T}{T}
\ge
\frac{Q_0}{T}
+
\frac1T
\sum_{t=0}^{T-1}
(a_t-s_t).
$$

取 $\liminf$：

$$
\liminf_{T\rightarrow\infty}
\frac{Q_T}{T}
\ge
\delta.
$$

證畢。

---

# 19. 瞬間超載與持續超載必須分開

若某一時刻：

$$
a_t>s_t,
$$

只表示 backlog 可能增加一次。

只要後續：

$$
s_t>a_t
$$

足夠久，系統可能完全恢復。

因此：

$$
\boxed{
\text{instantaneous overload}
\neq
\text{sustained overload}.
}
$$

真正導致定理 18.1 中發散的是長期平均淨輸入為正。

這與經典 queue stability 直覺一致。

---

# 20. Backlog 與延遲

在穩態佇列條件下，Little's law 給出：

$$
L
=
\lambda W,
$$

其中：

- $L$：平均系統內工作量；
- $\lambda$：平均到達率；
- $W$：平均停留時間。

在 GPC-CS 中，這個關係提醒我們：

> 即使資料沒有被丟棄，只要 backlog 增加，等待與整合延遲本身也可能變成安全變量。

因此容量錯配可能先表現成：

$$
\text{latency increase},
$$

而不是：

$$
\text{semantic corruption}.
$$

如果 Paper 01 的關係安全約束包含：

$$
W
\le
W_{\max},
$$

那麼純延遲就可能讓系統離開：

$$
\mathcal C_G.
$$

---

# 21. Rate、Latency、Reliability 不是彼此獨立

網路控制研究已表明，在實際控制系統中：

$$
\text{rate},
\quad
\text{latency},
\quad
\text{reliability}
$$

通常共同決定穩定區域。

GPC-CS 對此採取相同的形式態度：

容量不應只表示一個單一：

$$
C.
$$

而應研究某種多參數 feasible region：

$$
\mathfrak C_j.
$$

因此本文不把：

$$
\rho_C\le1,
\ldots,
\rho_R\le1
$$

視為普遍充分條件。

它只是第一階 box approximation。

---

# 22. 狀態依賴容量

載體容量本身也可能依賴狀態：

$$
\mathfrak C_j
=
\mathfrak C_j(x_t).
$$

例如抽象地：

- 記憶已被其他任務占用；
- 服務速率因佇列或調度改變；
- 某些表示維度暫時被其他同步任務占用；
- 可容許延遲因全域關係狀態改變。

因此同一個需求：

$$
q
$$

可能在：

$$
x_1
$$

下可行：

$$
q\in\mathfrak C_j(x_1),
$$

而在：

$$
x_2
$$

下不可行：

$$
q\notin\mathfrak C_j(x_2).
$$

因此：

$$
\boxed{
\text{capacity}
\text{ 也是 carrier-state dependent}.
}
$$

---

# 23. Capacity-Compatible Safety Set

Paper 01 定義載體安全域：

$$
\mathcal S_j.
$$

本文加入容量條件後，定義：

$$
\boxed{
\mathcal S_j^{\mathrm{cap}}
=
\left\{
(x,q):
x\in\mathcal S_j,
\;
q\in\mathfrak C_j(x)
\right\}.
}
$$

這個集合回答：

> 載體現在不只狀態安全，而且當前需求也位於它的容量可行域內嗎？

注意：

$$
(x,q)
\notin
\mathcal S_j^{\mathrm{cap}}
$$

仍不必然表示：

$$
x\notin\mathcal S_j.
$$

它可能只是：

> 當前保真／延遲保證無法維持。

因此需要把：

$$
\text{capacity compatibility}
$$

與：

$$
\text{carrier safety}
$$

分層。

---

# 24. 容量超載的五級語義

本文建議後續研究至少區分：

## Level 0：可行

$$
q\in\operatorname{Int}
\mathfrak C_j(x).
$$

---

## Level 1：邊界運行

$$
q\in
\partial
\mathfrak C_j(x).
$$

小擾動即可改變可行性。

---

## Level 2：保真降級但可安全處理

$$
q\notin
\mathfrak C_j^{(\varepsilon_0)}(x)
$$

但存在較大容許失真：

$$
\varepsilon_1>\varepsilon_0
$$

使：

$$
q\in
\mathfrak C_j^{(\varepsilon_1)}(x).
$$

---

## Level 3：需要 buffer / serialization / drop / defer

當前即時要求不可滿足，但載體仍可透過延遲或其他非破壞性策略維持：

$$
x\in\mathcal S_j.
$$

---

## Level 4：載體安全越界

真正發生：

$$
x^+
\notin
\mathcal S_j.
$$

因此：

$$
\boxed{
\text{overload}
\text{ 與 }
\text{unsafe}
\text{ 不是同義詞}.
}
$$

---

# 25. 容量條件化失真包絡

Paper 02 定義轉導—重建錯配。

本文現在令：

$$
\varepsilon_j(q,x)
$$

表示在載體狀態 $x$ 、需求 $q$ 下，所能保證的某個 $\mathscr Q$ -distortion 上界。

理想情況：

$$
q
\in
\operatorname{Int}
\mathfrak C_j(x)
$$

時：

$$
\varepsilon_j(q,x)
$$

較小。

當 $q$ 接近容量邊界時，它可能上升。

若 $q$ 遠超出可行域，則可能沒有有限的保真保證。

本文不預設：

$$
\varepsilon_j
$$

一定連續或單調。

它只是把 capacity 與 fidelity 連接的抽象接口。

---

# 26. 與 Paper 02 誤差傳播的橋接

Paper 02 證明：

$$
d_{t+1}
\le
\eta d_t
+
\beta e_t.
$$

若 capacity-conditioned transduction error 滿足：

$$
e_t
\le
\varepsilon_j(q_t,x_t),
$$

則：

$$
d_{t+1}
\le
\eta d_t
+
\beta
\varepsilon_j(q_t,x_t).
$$

Paper 01 定義安全裕度：

$$
\mu_{\mathcal S_j}
(
x_{t+1}^{\star}
).
$$

因此得到：

## 推論 26.1：容量—保真—安全單步充分條件

若：

$$
\boxed{
\eta d_t
+
\beta
\varepsilon_j(q_t,x_t)
<
\mu_{\mathcal S_j}
(
x_{t+1}^{\star}
)
}
$$

則實際更新後狀態仍位於：

$$
\mathcal S_j.
$$

這是前三篇第一次把：

$$
\text{capacity},
\quad
\text{transduction fidelity},
\quad
\text{carrier safety}
$$

放進同一個不等式。

---

# 27. 容量安全裕度

類似 Paper 01 的 state safety margin，本文可定義容量裕度：

$$
\mu_{\mathfrak C}
(q;x)
=
\operatorname{dist}
\left(
q,
\mathbb R_+^5
\setminus
\mathfrak C_j(x)
\right)
$$

對：

$$
q\in\mathfrak C_j(x).
$$

若：

$$
\mu_{\mathfrak C}(q;x)>0,
$$

表示需求位於容量可行域內部。

若：

$$
\mu_{\mathfrak C}(q;x)=0,
$$

表示它位於容量邊界。

因此一個完整系統至少有兩種不同 margin：

$$
\boxed{
\mu_{\mathcal S}
}
$$

與：

$$
\boxed{
\mu_{\mathfrak C}.
}
$$

前者回答：

> 狀態離不安全域多遠？

後者回答：

> 工作負載離不可保證區多遠？

兩者不能混成一個數。

---

# 28. 全域網路中的容量約束

若有多載體網路：

$$
G=(V,E),
$$

每條邊：

$$
(i,j)
$$

都有需求：

$$
q_{ij},
$$

每個節點都有：

$$
\mathfrak C_j(x_j).
$$

則節點 $j$ 的總需求不一定是簡單相加。

可能存在：

- 共享 bandwidth；
- 共享 memory；
- 共同 update scheduler；
- 不同任務間資源競爭；
- 批次化；
- multicast；
- shared representation reuse。

因此更一般地，令：

$$
\mathbf q_j
=
\{
q_{ij}
:
(i,j)\in E
\}.
$$

定義節點多流容量域：

$$
\mathfrak C_j^{\mathrm{multi}}
(x_j).
$$

全域 capacity-compatible safe set 為：

$$
\boxed{
\mathcal S_G^{\mathrm{cap}}
=
\left\{
(\mathbf X,\mathbf q):
\mathbf X
\in
\mathcal S_G^\star,
\;
\forall j,
\;
\mathbf q_j
\in
\mathfrak C_j^{\mathrm{multi}}(x_j)
\right\}.
}
$$

這為 Paper 09 的全域級聯提供容量層接口。

---

# 29. Capacity Common-Mode Risk

若多個載體共享同一資源：

$$
R_{\mathrm{shared}},
$$

則即使每一個載體單獨看都有足夠容量：

$$
q_i
\in
\mathfrak C_i,
$$

共同需求仍可能超過共享限制。

例如：

$$
\sum_i b_i
>
C_{\mathrm{shared}}.
$$

因此：

$$
\boxed{
\text{local capacity}
\not\Rightarrow
\text{global capacity}.
}
$$

這是 Paper 00 所稱 common-mode risk 的容量版本。

---

# 30. 與 Data-Rate Theorem 的關係

控制理論中一個重要教訓是：

> 對某些不穩定動態系統，若通信率低於與系統不穩定性相關的臨界值，任何編碼／控制策略都無法達成指定穩定目標。

Tatikonda–Mitter、Nair–Evans 及相關 data-rate constrained control 工作都以不同條件證明了這類結果。

GPC-CS 不把這些定理直接移植成：

> AI 或人類一定存在某個 universal critical bit rate。

本文只借用其結構：

$$
\boxed{
\text{required information rate}
\text{ 可以由 dynamics 本身決定}.
}
$$

這表示 $C_j$ 不應只與來源消息熵比較。

若接收載體是一個需要持續校正的動態系統，維持特定安全／穩定集合可能本身需要最低更新資訊率。

這將在 Paper 04 與 Paper 05 中進一步展開。

---

# 31. 容量不足不是「低等載體」

本文刻意避免把容量變成價值排序。

若：

$$
D_A>D_B
$$

不表示：

$$
A
$$

比：

$$
B
$$

「更高等」。

它只表示：

> 在指定任務、時間尺度與保真要求下，A 具有較高的某個同步可辨識容量。

同理：

$$
M_A>M_B
$$

或：

$$
R_A>R_B
$$

都只是局部能力關係。

不同載體可能具有完全不同的 tradeoff surface：

$$
\mathfrak C_A
\neq
\mathfrak C_B.
$$

某個載體在一個軸較弱，卻可能在其他軸更強。

因此本文拒絕建立單一：

$$
\operatorname{rank}(L).
$$

---

# 32. 本文的七個主命題

## 命題 A：容量不是單一純量

廣義相位交流至少需要區分：

$$
C,
D,
M,
\tau^{\min},
R.
$$

而真實可行性由：

$$
\mathfrak C(x)
$$

決定。

---

## 命題 B：同步維度不足在特定條件下必然造成任務別名化

若任務 quotient 局部含 $d$ 維開集，而目標連續同步表示只有 $m<d$ 維，則 exact continuous distinction 不可能。

---

## 命題 C：有限活動記憶具有可計數下界

若需要區分：

$$
K>2^M
$$

個 reconstruction-relevant contexts， $M$ bits memory 不足以精確保存全部上下文類。

---

## 命題 D：吞吐與記憶共同限制可區分歷史數量

$$
\log_2
N_{\mathscr Q}(\varepsilon,T)
\le
BT+M.
$$

---

## 命題 E：更新速率超載是一個動態問題

若長期平均：

$$
a_t-s_t
$$

為正，backlog 至少線性發散。

---

## 命題 F：超容量不等於不安全

$$
q\notin\mathfrak C_j(x)
$$

只表示指定服務保證不可同時維持。

真正的不安全仍須證明：

$$
x^+
\notin\mathcal S_j
$$

或關係狀態越界。

---

## 命題 G：容量、保真與安全可以由同一充分條件連接

$$
\eta d_t
+
\beta
\varepsilon_j(q_t,x_t)
<
\mu_{\mathcal S_j}
(
x_{t+1}^{\star}
)
$$

可作為一個單步安全充分條件。

---

# 33. 可證偽性

本文不是在宣稱所有未來跨載體系統都必然具有五維容量剖面。

以下結果會削弱本文。

## 33.1 單一資源足以預測所有保真與安全

若未來大量系統中，只用 bitrate 或單一 compute budget 就可以可靠預測：

- 維度保真；
- 記憶錯配；
- 時間解析；
- update stability；
- safety outcome；

則五軸模型可大幅簡化。

## 33.2 維度永遠可以無損序列化

若所有實際相關的 $\mathscr Q$ 都不依賴 simultaneity relations，且任意同步維度皆可透過時間與記憶完全無損交換，則 $D$ 作為獨立容量軸的重要性會下降。

## 33.3 Side memory 對長期辨識幾乎無作用

若未來系統中的重建結果幾乎不依賴歷史 side information，則 $M$ 軸與 Paper 02 的 state-dependent reconstruction 耦合會弱化。

## 33.4 Arrival/service mismatch 可被無限 buffer 無代價吸收

若某類系統允許無界 buffer、無延遲成本、無時效性、無安全後果，那麼 $R$ 軸雖仍是 queueing 問題，但不必成為載體安全核心。

## 33.5 Capacity infeasibility 與 fidelity/safety 沒有可測相關

若：

$$
q\notin\mathfrak C(x)
$$

從不系統性改變 distortion、latency 或 state update，則本文對容量—安全橋接的適用性需要收縮。

---

# 34. 與 Paper 00–02 的整合

Paper 00 提出：

$$
\text{Communication Safety}
\rightarrow
\text{Carrier-State Safety}.
$$

Paper 01 定義：

$$
\mathcal S_G^\star
=
\left(
\prod_i
\mathcal S_i
\right)
\cap
\mathcal C_G.
$$

Paper 02 展開：

$$
x_i
\xrightarrow{E_i}
z_i
\xrightarrow{T_{ij}}
u_j
\xrightarrow{D_j}
r_j
\xrightarrow{F_j}
x_j^+.
$$

Paper 03 現在加入：

$$
\boxed{
q_{ij}
\in
\mathfrak C_j(x_j)
\ ?
}
$$

因此前三篇形成：

$$
\boxed{
\text{State Safety}
+
\text{Transduction Fidelity}
+
\text{Capacity Feasibility}.
}
$$

三者仍不是同一件事。

完整判定至少要同時問：

$$
x_j
\in
\mathcal S_j
?
$$

$$
\delta_{\mathscr Q}
\le
\varepsilon
?
$$

$$
q_{ij}
\in
\mathfrak C_j(x_j)
?
$$

---

# 35. 結論

「載體承受不了」是一個太模糊的句子。

它至少可能表示五件完全不同的事：

$$
\text{rate too high},
$$

$$
\text{too many simultaneous distinctions},
$$

$$
\text{insufficient active memory},
$$

$$
\text{temporal structure too fine},
$$

$$
\text{updates arrive faster than they can be integrated}.
$$

因此本文把總篇的容量直覺精煉為：

$$
\boxed{
\kappa_j(x)
=
(
C_j,
D_j,
M_j,
\tau_j^{\min},
R_j
)
}
$$

並進一步指出真正的數學對象是：

$$
\boxed{
\mathfrak C_j(x),
}
$$

而不是五個彼此獨立的硬閾值。

本文的四個核心結果分別給出：

### 同步維度下界

$$
m<d
\Rightarrow
\text{no continuous exact injective encoding}
$$

在指定任務 quotient 條件下成立。

### 記憶下界

$$
K>2^M
\Rightarrow
\text{context aliasing unavoidable}.
$$

### 吞吐—記憶聯合下界

$$
\boxed{
\log_2
N_{\mathscr Q}(\varepsilon,T)
\le
BT+M.
}
$$

### 持續更新超載

$$
\boxed{
\liminf
\frac1T
\sum
(a_t-s_t)
>0
\Rightarrow
Q_T
\text{ 至少線性發散}.
}
$$

最後，本文再次強調：

$$
\boxed{
\text{capacity overload}
\neq
\text{carrier failure}.
}
$$

真正的 GPC-CS 問題不是看到：

$$
\rho>1
$$

就宣告危險。

而是繼續問：

> 系統如何降級？

> 哪種 task distinction 被丟失？

> backlog 是否累積？

> distortion 是否增加？

> 這些變化是否最終把狀態推出 $\mathcal S$？

這就是容量理論與載體安全之間真正需要被建立的橋樑。

下一篇 Paper 04 將把「輸入內容」進一步抽象成狀態算子：

$$
O:
\mathcal X
\rightarrow
\mathcal X,
$$

正式研究遞歸更新、固定點、吸引子、算子組合與安全閉包，而不涉及任何實際高風險載荷的構造方式。

---

# 參考文獻

1. Shannon, C. E. (1948). A Mathematical Theory of Communication. *Bell System Technical Journal*, 27(3), 379–423; 27(4), 623–656. DOI: 10.1002/j.1538-7305.1948.tb01338.x; 10.1002/j.1538-7305.1948.tb00917.x.
2. Shannon, C. E. (1959). Coding Theorems for a Discrete Source With a Fidelity Criterion. *IRE National Convention Record*, Part 4, 142–163.
3. Brouwer, L. E. J. (1912). Beweis der Invarianz des n-dimensionalen Gebiets. *Mathematische Annalen*, 71, 305–315.
4. Little, J. D. C. (1961). A Proof for the Queuing Formula: $L=\lambda W$. *Operations Research*, 9(3), 383–387. DOI: 10.1287/opre.9.3.383.
5. Loynes, R. M. (1962). The Stability of a Queue with Non-Independent Inter-Arrival and Service Times. *Proceedings of the Cambridge Philosophical Society*, 58(3), 497–520.
6. Nair, G. N., & Evans, R. J. (2000). Stabilization with Data-Rate-Limited Feedback: Tightest Attainable Bounds. *Systems & Control Letters*, 41(1), 49–56. DOI: 10.1016/S0167-6911(00)00037-2.
7. Tatikonda, S., & Mitter, S. K. (2004). Control Under Communication Constraints. *IEEE Transactions on Automatic Control*, 49(7), 1056–1068. DOI: 10.1109/TAC.2004.831187.
8. Xie, H., Qin, Z., Li, G. Y., & Juang, B.-H. (2021). Deep Learning Enabled Semantic Communication Systems. *IEEE Transactions on Signal Processing*, 69, 2663–2675. Preprint: arXiv:2006.10685.
9. Liu, W., Nair, G., Li, Y., Nesic, D., Vucetic, B., & Poor, H. V. (2020). On the Latency, Rate and Reliability Tradeoff in Wireless Networked Control Systems for IIoT. arXiv:2007.00256.
10. Uysal, E., Kaya, O., Ephremides, A., Gross, J., Codreanu, M., Popovski, P., Assaad, M., Liva, G., Munari, A., Soleymani, T., Soret, B., & Johansson, K. H. (2021). Semantic Communications in Networked Systems: A Data Significance Perspective. arXiv:2103.05391.

---

# 系列狀態

**Series:** Generalized Phase Communication and Carrier Safety  
**Paper:** 03  
**Version:** v1.0  
**Canonical source encoding:** UTF-8  
**Canonical mathematics delimiters:** ` $...$ ` and `$$...$$` only  
**Operational attack details:** Excluded  
**Governance/deployment prescriptions:** Out of scope  
**Depends on:** Paper 00, Paper 01, Paper 02  
**Next:** Paper 04 — 算子誘發風險與遞歸動力學