---
title: "多中心知識拓撲：生成核心、任務中心、視點中心、計算中心、橋接中心、吸引子與周邊"
title_en: "Multi-Center Epistemic Topology: Generative Cores, Task Centers, View Centers, Computational Centers, Bridges, Attractors, and Peripheries"
series: "動態知識空間論（Dynamic Epistemic Space Theory, DEST）"
series_id: "EML-DEST-2026-05"
version: "v0.1"
date: "2026-08-12"
language: "zh-Hant"
document_type: "系列第五篇／多中心拓撲／動態中心性／AI-readable center-periphery specification"
status: "Canonical Draft"
depends_on:
  - "EML-DEST-2026-00 動態知識空間總論 v0.1"
  - "EML-DEST-2026-01 多域知識判定論 v0.1"
  - "EML-DEST-2026-02 多維知識覆蓋論 v0.1"
  - "EML-DEST-2026-03 Gap 場論 v0.1"
  - "EML-DEST-2026-04 關聯拓撲與全域黏合 v0.1"
canonical_keywords:
  - "多中心"
  - "中心性"
  - "生成核心"
  - "任務中心"
  - "視點中心"
  - "計算中心"
  - "橋接中心"
  - "吸引子"
  - "社群中心"
  - "反事實中心性"
  - "周邊"
  - "前沿"
  - "中心遷移"
---

# 多中心知識拓撲
## 生成核心、任務中心、視點中心、計算中心、橋接中心、吸引子與周邊

## 摘要

本文是《動態知識空間論》（DEST）的第五篇子理論，專門細化總狀態中的：

\[
\mathbf C_t
\]

以及「中心—周邊」與「前景—背景」之間的關係。

前期理論曾以「中心不動點」「源點」「核心」描述知識組織，但後續研究已顯示，單一中心並不足以描述多源並發、跨模組橋接、任務切換、視點切換、多 Agent 分工與動態知識演化。某個節點可以在一種意義下非常中央，卻在另一種意義下完全不中央；一個低 degree 的 bridge 可能比高 degree hub 更不可替代；一個當前 attention center 可能既不是真理中心，也不是生成核心；一個穩定 generative core 也可能在特定任務中位於背景。

本文因此拒絕：

\[
\boxed{
\text{Center}
=
\text{single node}.
}
\]

改為：

\[
\boxed{
\text{Center}
=
\text{role under a specified topology, condition, task, representation, and time}.
}
\]

對節點或局部區域 \(x\)，定義中心角色向量：

\[
\boxed{
\mathbf c_t(x\mid q,\theta,\pi)
=
(
c_{\mathrm{deg}},
c_{\mathrm{close}},
c_{\mathrm{between}},
c_{\mathrm{eig}},
c_{\mathrm{core}},
c_{\mathrm{bridge}},
c_{\mathrm{art}},
c_{\mathrm{gen}},
c_{\mathrm{task}},
c_{\mathrm{view}},
c_{\mathrm{comp}},
c_{\mathrm{attr}},
c_{\mathrm{causal}}
).
}
\]

其中前七項偏向結構／網路角色，後六項偏向 DEST 的功能與知識角色。

本文進一步定義多中心集合：

\[
\boxed{
\mathbf C_t
=
\left\{
C_t^{\mathrm{gen}},
C_t^{\mathrm{task}},
C_t^{\mathrm{view}},
C_t^{\mathrm{comp}},
C_t^{\mathrm{bridge}},
C_t^{\mathrm{attr}},
C_t^{\mathrm{community}},
C_t^{\mathrm{causal}}
\right\}.
}
\]

這些中心可以：

- 重疊；
- 分離；
- 競爭；
- 合流；
- 分裂；
- 遷移；
- 暫時消失；
- 因任務或表示改變而重排。

本文特別區分：

\[
\boxed{
\text{Centrality}
\neq
\text{Truth}
\neq
\text{Importance}
\neq
\text{Irreplaceability}
\neq
\text{Attention}
\neq
\text{Generativity}.
}
\]

並提出「反事實中心性」：

\[
\Delta_x\mathcal J
=
\mathcal J(\mathbb K_t)
-
\mathcal J(\mathbb K_t\setminus x),
\]

用以估計移除某節點、關係、核心或模組後，整個任務／知識系統的可達性、生成能力、驗證能力、全域黏合或成本會改變多少。

本文亦正式區分：

- **Periphery**：目前拓撲中低中心角色的已知區域；
- **Background**：目前視域中未被前景化的內容；
- **Frontier**：靠近未完成域轉換或 Gap 的活動區；
- **Boundary**：特定 domain 的邊界；
- **Unknown**：尚未形成充分表示的內容。

因此：

\[
\boxed{
\text{peripheral}
\not\Rightarrow
\text{unimportant}
\not\Rightarrow
\text{unknown}.
}
\]

本文最終把多中心系統描述為一個動態角色場：

\[
\boxed{
\mathcal C_t:
X_t\times Q_t\times\Theta_t\times\Pi_t
\to
\mathbb R^m,
}
\]

並把中心的 birth、growth、migration、split、merge、decay 與 replacement 納入知識演化。

---

# 0. 研究定位與非主張聲明

本文不主張：

1. 網路中心性等於知識重要性；
2. degree、closeness、betweenness、eigenvector、PageRank、k-core 等存在一個普遍最佳指標；
3. k-core 等於 core-periphery；
4. 社群中心等於整體中心；
5. 高 citation 節點等於高因果必要性；
6. 高 attention 節點等於高真值；
7. 低中心節點可以安全刪除；
8. 所有知識系統都有固定 core-periphery 結構；
9. 所有中心都應持久；
10. 多中心必然優於單中心；
11. 「中心」是任何節點的內在固有屬性；
12. 一個拓撲指標可直接替代反事實 intervention；
13. 以單一中心排序所有研究對象是合理終局。

本文主張的是：

> 中心性是一組任務、表示、時間與拓撲相對的角色，不是存在論特權。

認識論標籤：

- **[DEF]**：本文定義；
- **[PROP]**：由定義或明示假設得到；
- **[CONJ]**：待證／待實驗；
- **[PROG]**：AI / Runtime 規格；
- **[ALIGN]**：外部成熟網路科學的結構對照；
- **[OPEN]**：未完成義務。

---

# 1. 從單中心到多中心

## 1.1 單中心模型

最簡單模型：

\[
\mathbf C_t=\{c^\star\}.
\]

所有關係都相對於：

\[
c^\star
\]

組織。

這對：

- rooted tree；
- 單一控制器；
- 單問題 proof search；
- 單任務 attention；

有時有效。

---

## 1.2 單中心模型的限制

若系統同時包含：

- 多學科；
- 多 Agent；
- 多工具；
- 多版本；
- 多 objective；
- 多語義 branch；
- 多個 strongly connected module；

強迫：

\[
|\mathbf C_t|=1
\]

可能產生：

- bottleneck；
- attention collapse；
- representation bias；
- bridge 隱形；
- module 失真；
- 假統一；
- 過度集中。

---

## 1.3 多中心最低定義 [DEF]

\[
\boxed{
\mathbf C_t
=
\{C_{t,1},\ldots,C_{t,m_t}\}.
}
\]

每個 \(C_{t,i}\) 必須攜帶：

\[
\langle
role,
support,
scope,
condition,
representation,
time,
score,
certificate
\rangle.
\]

---

# 2. 中心不是節點，而是角色

對 \(x\in X_t\)，定義：

\[
\operatorname{RoleCenter}
(x;r,q,\theta,\pi,t).
\]

同一 \(x\) 可：

\[
c_{\mathrm{bridge}}(x)\gg0
\]

但：

\[
c_{\mathrm{degree}}(x)\ll1.
\]

也可：

\[
c_{\mathrm{task}}(x)\gg0
\]

但：

\[
c_{\mathrm{gen}}(x)\ll1.
\]

所以：

\[
\boxed{
\text{center membership is multi-label}.
}
\]

---

# 3. 結構中心性基底

本文把成熟 network centrality 視為可選結構後端，不重新發明其標準定義。

## 3.1 Degree center

\[
c_{\deg}(v)
=
\deg(v)
\]

或 weighted/directed 版本。

回答：

> 誰直接連得多？

---

## 3.2 Closeness center

對可達節點的距離聚合：

\[
c_{\mathrm{close}}(v)
\propto
\left(
\sum_{u}d(v,u)
\right)^{-1}.
\]

回答：

> 誰平均離其他節點近？

對不連通／有向圖需使用適合的變體，不能生搬公式。

---

## 3.3 Betweenness center

概念上：

\[
c_{\mathrm{between}}(v)
=
\sum_{s\neq v\neq t}
\frac{
\sigma_{st}(v)
}{
\sigma_{st}
}.
\]

回答：

> 有多少 shortest paths 經過它？

但 shortest-path assumption 並非所有知識流都合理。

---

## 3.4 Eigenvector-like center

高分節點和其他高分節點相連。

這類中心更偏：

> embedded prestige / recursive connectedness.

它不是「真理分數」。

---

# 4. Core center

## 4.1 k-core / k-shell role

對圖：

\[
G=(V,E),
\]

k-core 是每個節點在該子圖中至少有 degree \(k\) 的最大子圖。

定義：

\[
c_{\mathrm{core}}(v)
=
k_s(v)
\]

作為 structural coreness 候選。

---

## 4.2 Core 不等於最高 degree

高 degree hub 可以位於較外層；深 k-core 節點則位於高互聯核心。

因此：

\[
\boxed{
\deg(v)
\neq
k_s(v).
}
\]

---

## 4.3 Core 不等於必然最重要

某些擴散模型中 k-shell 可有效識別 influential spreaders，但這是動力學相對結果，不是普遍知識定律。

因此 DEST 只使用：

\[
c_{\mathrm{core}}
\]

作一種 role channel。

---

# 5. Community Center

若知識圖具有社群：

\[
\mathcal M
=
\{M_1,\ldots,M_k\},
\]

每個 module 可有自己的：

\[
C_i^{\mathrm{community}}.
\]

因此：

\[
\boxed{
\text{local center}
\neq
\text{global center}.
}
\]

一個節點可以在自己的學科模組極中央，但對全局跨域推導貢獻很低。

---

# 6. Bridge Center

## 6.1 定義直覺

Bridge center 的角色不是「很多連結」，而是：

> 連接原本弱連接或不可達的模組。

可定義候選：

\[
c_{\mathrm{bridge}}(v)
=
\operatorname{BridgeGain}(v).
\]

---

## 6.2 BridgeGain [DEF]

令任務可達函數：

\[
\mathcal R_q(G).
\]

定義：

\[
\boxed{
\operatorname{BridgeGain}(v)
=
\mathcal R_q(G)
-
\mathcal R_q(G\setminus v).
}
\]

也可使用 edge 版本。

---

## 6.3 低 degree 高 bridge

可能：

\[
\deg(v)=2
\]

但移除後：

\[
G\setminus v
\]

裂成兩個大型模組。

所以：

\[
\boxed{
c_{\mathrm{bridge}}\gg0
\quad\text{while}\quad
c_{\deg}\ll1.
}
\]

---

# 7. Articulation Center

若移除：

\[
v
\]

使 connected component 數增加，則 \(v\) 是 articulation point。

DEST 定義：

\[
c_{\mathrm{art}}(v)
=
\Delta \#\operatorname{Comp}(G\setminus v).
\]

它是一種：

\[
\boxed{
\text{connectivity fragility center}.
}
\]

但若 graph backend 不是 undirected connectivity graph，需另定義相應 cut role。

---

# 8. 生成核心 \(C^{\mathrm{gen}}\)

## 8.1 定義 [DEF]

生成中心不看 degree，而看一個知識子集能否以低描述成本重建、生成或約束大量有效內容。

對子集 \(S\subseteq K\)，定義：

\[
\operatorname{GenPower}(S)
=
\mu
\left(
\operatorname{Generate}(S,\Theta)
\cap
K^{\mathrm{valid}}
\right).
\]

---

## 8.2 壓縮成本

\[
L(S)
=
\operatorname{DescriptionLength}(S).
\]

---

## 8.3 生成核心分數

\[
\boxed{
c_{\mathrm{gen}}(S)
=
\frac{
\operatorname{GenPower}(S)
\cdot
\operatorname{Reconstructability}(S)
\cdot
\operatorname{Stability}(S)
}{
L(S)+\epsilon
}.
}
\]

這是一個研究框架，不宣稱存在普遍唯一公式。

---

# 9. 任務中心 \(C^{\mathrm{task}}\)

對當前任務 \(q\)，定義：

\[
c_{\mathrm{task}}(x\mid q)
=
\operatorname{ExpectedUtilityContribution}(x,q).
\]

它可以依：

- prerequisite；
- proof obligation；
- expected information gain；
- bottleneck；
- verification value；
- deadline；

改變。

因此：

\[
C^{\mathrm{task}}(q_1)
\neq
C^{\mathrm{task}}(q_2).
\]

---

# 10. 視點中心 \(C^{\mathrm{view}}\)

延續視域框架，對 observer / Agent / task：

\[
o,q,
\]

定義顯著性：

\[
A_{o,q}(x)\in[0,1].
\]

視點中心：

\[
\boxed{
C^{\mathrm{view}}_{o,q}(\tau)
=
\{x:A_{o,q}(x)\ge\tau\}.
}
\]

但：

\[
\boxed{
C^{\mathrm{view}}
\neq
C^{\mathrm{truth}}
}
\]

且 DEST 不定義任何普遍「真理中心」。

顯著性只表示：

> 現在被前景化。

---

# 11. 計算中心 \(C^{\mathrm{comp}}\)

計算中心是：

> 當前 runtime 中運算、查詢、路由、cache、工具或共享狀態高度集中的位置。

可用：

\[
c_{\mathrm{comp}}(x)
=
f(
\text{compute load},
\text{message flow},
\text{cache reuse},
\text{tool fanout},
\text{latency leverage}
).
\]

一個計算中心可能只是系統工程 bottleneck，而不是知識核心。

---

# 12. 吸引子中心 \(C^{\mathrm{attr}}\)

若不同初始研究狀態：

\[
K_0^{(1)},\ldots,K_0^{(n)}
\]

在演化算子：

\[
\Phi
\]

下反覆接近某一集合：

\[
A,
\]

則：

\[
A
\]

可作 attractor-like center candidate。

形式上：

\[
d(
\Phi^t(K_0^{(i)}),
A
)
\to0
\]

在指定度量與 basin 內成立。

---

# 13. 吸引子中心不等於真理中心

模型、語料、制度或 optimization bias 也可能讓系統反覆收斂到錯誤但穩定的 attractor。

因此：

\[
\boxed{
\text{stable}
\not\Rightarrow
\text{true}.
}
\]

吸引子中心必須與：

\[
D^{\mathrm{verify}}
\]

及證書狀態分開。

---

# 14. 反事實／因果中心 \(C^{\mathrm{causal}}\)

## 14.1 定義 [DEF]

選任務性能：

\[
\mathcal J_q(\mathbb K).
\]

移除／替代 \(x\)：

\[
\mathbb K_{-x}.
\]

定義：

\[
\boxed{
c_{\mathrm{causal}}(x\mid q)
=
\mathcal J_q(\mathbb K)
-
\mathcal J_q(\mathbb K_{-x}).
}
\]

---

## 14.2 介入需要合法模型

這不是把 graph deletion 自動當成真實世界因果。

若要使用真正：

\[
do(x)
\]

語義，必須有因果模型與 intervention semantics。

一般 DEST 先稱：

\[
\boxed{
\text{counterfactual structural importance}.
}
\]

---

# 15. 中心角色向量

對節點／模組 \(x\)：

\[
\boxed{
\mathbf c_t(x)
=
(
c_{\deg},
c_{\mathrm{close}},
c_{\mathrm{between}},
c_{\mathrm{eig}},
c_{\mathrm{core}},
c_{\mathrm{bridge}},
c_{\mathrm{art}},
c_{\mathrm{gen}},
c_{\mathrm{task}},
c_{\mathrm{view}},
c_{\mathrm{comp}},
c_{\mathrm{attr}},
c_{\mathrm{causal}}
)_t.
}
\]

不同 channel 不應隨意相加。

---

# 16. Center Profile 而不是 Center Score

錯誤：

```text
centrality = 0.83
```

較好：

```yaml
center_profile:
  degree: 0.71
  betweenness: 0.12
  core: 0.85
  bridge: 0.04
  generative: 0.92
  task: 0.77
  view: 0.31
  compute: 0.09
  causal: 0.68
```

這能告訴 Agent：

> 它到底為什麼是中心？

---

# 17. Center Eligibility

不同中心指標需要不同 backend。

例如：

- closeness 需要距離；
- articulation 需要 connectivity semantics；
- eigenvector 需要適合矩陣；
- attractor 需要 dynamics；
- causal 需要 intervention/counterfactual model。

因此先定義：

\[
E_r(x)\in\{0,1,?\}.
\]

只有：

\[
E_r(x)=1
\]

才計算 \(c_r(x)\)。

---

# 18. 中心多重歸屬

一個節點可同時是：

\[
x
\in
C^{\mathrm{gen}}
\cap
C^{\mathrm{task}}
\cap
C^{\mathrm{community}}
\]

但不在：

\[
C^{\mathrm{bridge}}.
\]

所以中心族是 overlapping cover，不必 partition。

---

# 19. 中心間關係圖

把中心本身視為高階節點：

\[
\mathcal G_C
=
(V_C,E_C,W_C).
\]

中心關係可為：

- supports；
- competes；
- translates；
- depends_on；
- bridges；
- shadows；
- substitutes；
- conflicts；
- absorbs。

---

# 20. Center Competition

若多個中心競爭同一有限資源：

\[
B_t
\]

例如 attention / compute / verification budget，可定義：

\[
\sum_i b_i\le B_t.
\]

中心權重調整：

\[
w_i(t+1)
=
\operatorname{Policy}
(
w_i(t),
\Delta U_i,
\Delta G_i,
C_i,
R_i
).
\]

---

# 21. Center Cooperation

多中心也可互補：

\[
C^{\mathrm{gen}}
\to
C^{\mathrm{bridge}}
\to
C^{\mathrm{verify}}
\]

形成流水線。

因此：

\[
\boxed{
\text{multi-center}
\neq
\text{competition only}.
}
\]

---

# 22. 中心形成

定義中心 birth 事件：

\[
\operatorname{Birth}(C_i,t).
\]

可能由：

- 新社群形成；
- 新 theorem 成為依賴樞紐；
- 新工具大量被路由；
- 新 bridge 出現；
- 新 representation 降低大量成本；
- 新任務切換；
- 新 attractor 形成。

---

# 23. 中心成長

中心 role mass：

\[
M_r(C,t)
=
\int_{x\in C}
c_r(x,t)\,d\mu(x).
\]

若：

\[
\partial_tM_r>0,
\]

稱該 role 中心增強。

---

# 24. 中心衰退

如果：

- 被替代；
- relation rewired；
- proof dependency 移除；
- version invalidated；
- task 改變；
- better bridge 出現；

則：

\[
M_r(C,t+1)<M_r(C,t).
\]

中心衰退不等於知識被刪除。

---

# 25. 中心遷移

定義 center support：

\[
S(C_t)\subseteq X_t.
\]

可用：

\[
d_C(
S(C_t),
S(C_{t+1})
)
\]

量化遷移。

對離散圖可使用 Jaccard：

\[
d_J
=
1-
\frac{
|S_t\cap S_{t+1}|
}{
|S_t\cup S_{t+1}|
}.
\]

---

# 26. 中心分裂

若：

\[
C_t
\to
C_{t+1}^{(1)}
\cup
C_{t+1}^{(2)}
\]

且兩者逐漸形成不同 relation / task / condition support，標：

\[
\operatorname{Split}.
\]

---

# 27. 中心合流

\[
C_t^{(1)}
\cup
C_t^{(2)}
\to
C_{t+1}.
\]

需要檢查 non-collapse：

> 合流後是否丟失必要 branch / condition / provenance？

---

# 28. 中心替代

若：

\[
C_A
\]

失效後：

\[
C_B
\]

可承擔同一功能，則中心具替代性。

定義：

\[
\operatorname{Substitutability}
(C_A,C_B\mid q).
\]

---

# 29. 中心脆弱性

對中心集合 \(C\)：

\[
F(C)
=
\mathcal J(G)
-
\mathcal J(G\setminus C).
\]

若很高且沒有替代中心：

\[
\operatorname{Redundancy}(C)\approx0,
\]

則是 single-center fragility。

---

# 30. 多中心韌性

若存在：

\[
C_1,C_2,\ldots,C_k
\]

可在局部失效後重新路由：

\[
\operatorname{Reroute}
(G\setminus C_i)
\]

仍維持核心功能，則 multi-center topology 提高韌性。

但多中心也增加：

- coordination cost；
- gluing cost；
- version conflict；
- duplicated compute；
- branch management。

所以多中心不是免費優勢。



---

# 31. Core–Periphery 不是唯一中心模型

某些網路可呈現 dense core + sparse periphery，但一般 DEST 不預設：

\[
X=C\cup P
\]

且只有一組 core/periphery。

可能同時存在：

\[
(C_1,P_1),
(C_2,P_2),
\ldots
\]

或 community + bridge + unclassified nodes。

---

# 32. Core-like Group 警告

高 k-shell / dense subgraph 可能只在內部高度互聯，對其他 module 的全局影響有限。

因此：

\[
c_{\mathrm{core}}\gg0
\]

不推出：

\[
c_{\mathrm{causal}}\gg0
\]

或：

\[
c_{\mathrm{bridge}}\gg0.
\]

這防止把「很核心」當萬用答案。

---

# 33. 周邊 Periphery

## 33.1 定義 [DEF]

對指定 center role \(r\) 與閾值 \(\tau\)：

\[
P_r(\tau)
=
\{x:c_r(x)<\tau\}.
\]

它只是：

> 在該角色量測下低中心性。

---

## 33.2 周邊不是未知

可以：

\[
x\in P_r
\]

同時：

\[
x\in D^{\mathrm{verify}}.
\]

它只是成熟但目前不中央的背景知識。

---

## 33.3 周邊不是不重要

長尾節點可能：

- 提供反例；
- 包含稀有條件；
- 成為未來 bridge；
- 在新任務中升為中心；
- 保存重要 provenance。

所以不得把：

\[
P_r
\]

當自動刪除集合。

---

# 34. 周邊到中心的升格

若任務切換：

\[
q_t\to q_{t+1},
\]

可能：

\[
c_{\mathrm{task}}(x\mid q_t)\ll1
\]

但：

\[
c_{\mathrm{task}}(x\mid q_{t+1})\gg1.
\]

這是：

\[
\boxed{
\text{Peripheral-to-Center Promotion}.
}
\]

---

# 35. 中心到周邊的降格

舊 paradigm、舊工具或舊 theorem 可能：

\[
C_t\to P_{t+1}.
\]

但其歷史與 provenance 仍應保存。

---

# 36. Background 與 Periphery 分離

視域背景：

\[
B_{\mathrm{view}}
\]

指目前沒有被前景化。

拓撲周邊：

\[
P_r
\]

指在某 role centrality 下低中心。

兩者不等價：

\[
\boxed{
B_{\mathrm{view}}
\neq
P_r.
}
\]

一個高結構中心可能暫時在背景。

---

# 37. Frontier 與 Periphery 分離

Frontier 是：

> 靠近 Gap、域邊界、未完成 transition 或新問題生成處的活動區。

可有：

\[
F_t
\subseteq
P_r
\]

也可：

\[
F_t
\cap
C_r
\neq\varnothing.
\]

例如最重要的核心猜想本身也可能是 frontier。

所以：

\[
\boxed{
\text{frontier}
\neq
\text{periphery}.
}
\]

---

# 38. Edge / Boundary / Frontier / Periphery

本文固定四分：

## Periphery

低中心角色但仍在已形成空間內。

## Edge

目前表示或圖結構中的外圍位置。

## Boundary

某 domain：

\[
D^\alpha
\]

的條件化邊界：

\[
\partial D^\alpha.
\]

## Frontier

系統正在主動探索／可望跨越的活動界面。

這四者不可混寫。

---

# 39. Center–Frontier Coupling

中心可能向 frontier 投射資源：

\[
C_t
\to
F_t.
\]

也可能 frontier 的新發現回寫：

\[
F_t
\to
C_{t+1}.
\]

形成：

\[
\boxed{
C_t
\to
F_t
\to
C_{t+1}.
}
\]

因此中心和邊界形成演化回路。

---

# 40. Frontier-to-Core Consolidation

若一個 frontier candidate：

\[
x_t
\]

經：

\[
\text{Define}
\to
\text{Judge}
\to
\text{Verify}
\to
\text{Glue}
\]

後成為高生成性／高依賴性節點，可能：

\[
x_t\in F_t
\]

轉為：

\[
x_{t+k}\in C^{\mathrm{gen}}.
\]

---

# 41. Core-to-Frontier Reopening

新反例或新 representation 可讓成熟核心重新暴露 Gap：

\[
C_t^{\mathrm{gen}}
\to
F_{t+1}.
\]

所以核心不代表永久完成。

---

# 42. 多中心與社群結構

若：

\[
X
=
M_1\cup\cdots\cup M_k
\]

具有 modular structure，可分：

- intra-module center；
- inter-module bridge；
- global router；
- peripheral specialist。

這比把所有 node 排一個全局 leaderboard 更適合大型知識圖。

---

# 43. Modular Centrality Profile

對 \(v\in M_i\)：

\[
\mathbf c^{\mathrm{mod}}(v)
=
(
c_{\mathrm{intra}},
c_{\mathrm{inter}},
c_{\mathrm{global}}
).
\]

其中：

- intra：模組內中心；
- inter：跨模組連接；
- global：對整體任務影響。

---

# 44. Local Celebrity Problem

可能：

\[
c_{\mathrm{intra}}(v)\gg1,
\]

但：

\[
c_{\mathrm{inter}}(v)\approx0.
\]

它是局部「名人」，但不是跨域橋樑。

對文獻圖而言，某篇 paper 在 niche 內引用極高，不代表它是跨學科全局中心。

---

# 45. Hidden Bridge Problem

可能：

\[
c_{\mathrm{intra}}(v)\ll1
\]

但：

\[
c_{\mathrm{inter}}(v)\gg1.
\]

這類低知名度節點可能是：

- terminology translator；
- shared lemma；
- data format；
- theorem applicability condition；
- cross-domain method。

它是 DEST 特別需要保護的長尾中心。

---

# 46. Citation Center 與 Knowledge Center

定義：

\[
c_{\mathrm{cite}}(x)
\]

只表示引用網中的結構角色。

不能推出：

\[
c_{\mathrm{cite}}
=
c_{\mathrm{gen}}
=
c_{\mathrm{causal}}
=
c_{\mathrm{task}}.
\]

這對學術檢索尤其重要。

---

# 47. Symbolic Fame 與 Counterfactual Necessity

一個節點可以：

\[
c_{\mathrm{symbolic}}\gg0
\]

但移除後：

\[
\Delta_x\mathcal J\approx0.
\]

表示高可見度但高替代性。

另一個節點可能低可見，但：

\[
\Delta_x\mathcal J\gg0.
\]

因此：

\[
\boxed{
\text{fame}
\neq
\text{necessity}.
}
\]

---

# 48. Multi-Center Field

對空間：

\[
X_t
\]

定義 role field：

\[
\boxed{
\mathcal C_t(x,q,\theta,\pi)
=
\mathbf c_t(x\mid q,\theta,\pi).
}
\]

這是一個 vector-valued field，而不是 scalar ranking。

---

# 49. Center Fibers

對固定中心 role \(r\)，定義：

\[
C_{t,\theta,\pi,q}^r(\tau)
=
\{
x:c_r(x\mid t,\theta,\pi,q)\ge\tau
\}.
\]

所以中心本身也是條件纖維。

---

# 50. Center Rank 不應固定

即使 node identity 不變：

\[
x_t=x_{t+1},
\]

仍可：

\[
c_r(x,t)
\neq
c_r(x,t+1).
\]

原因：

- 新 edge；
- edge deletion；
- module merge；
- new tool；
- task shift；
- version migration；
- coverage expansion；
- global defect repair。

---

# 51. Dynamic Centrality

對 temporal graph：

\[
G_1,G_2,\ldots,G_T,
\]

不能只把各 snapshot 的 centrality 簡單平均。

若 interaction 有時間順序，應考慮 time-respecting walks / dynamic communicability 等後端。

DEST 因此允許：

\[
c_r(x,t_1:t_2).
\]

---

# 52. Broadcast 與 Receive Center

對有向／時間網路可區分：

\[
c_{\mathrm{broadcast}}
\]

與：

\[
c_{\mathrm{receive}}.
\]

在研究系統中可對應：

- 誰把知識推向很多模組；
- 誰聚合大量輸入後形成決策。

---

# 53. Center Velocity

定義：

\[
v_C
=
d_C(C_t,C_{t+1}).
\]

高：

\[
v_C
\]

表示中心快速移動。

可能代表：

- frontier 活躍；
- paradigm shift；
- unstable routing；
- task churn；
- dataset drift。

---

# 54. Center Acceleration

\[
a_C
=
v_C(t+1)-v_C(t).
\]

可作 anomaly signal。

但高 acceleration 不自動等於革命性進展。

---

# 55. Center Persistence

對中心 \(C\)：

\[
P_C
=
\operatorname{Persistence}(C,t_0:t_1).
\]

可結合：

- support overlap；
- role score stability；
- certificate continuity；
- generative continuity。

---

# 56. Stable Core 與 Rigid Core

穩定核心：

> 能吸收新資料並有限修正。

Rigid core：

> 因結構僵化而拒絕吸收反例。

兩者不可混。

可以：

\[
P_C\gg0
\]

但 verification quality 持續下降。

所以：

\[
\boxed{
\text{persistence}
\neq
\text{health}.
}
\]

---

# 57. Core Health

定義候選：

\[
H(C)
=
f(
\text{verification},
\text{generativity},
\text{repairability},
\text{boundary honesty},
\text{provenance},
\text{counterexample absorption}
).
\]

這是多維 profile，不預設普遍固定權重。

---

# 58. Center Load

對計算／任務中心：

\[
L(C)
=
\sum_{q\to C}
\operatorname{Cost}(q).
\]

若：

\[
L(C)>B_C,
\]

可造成：

- latency；
- context overflow；
- verification backlog；
- single-point failure。

---

# 59. Center Offloading

可將任務：

\[
q
\]

從：

\[
C_1
\]

轉到：

\[
C_2
\]

若：

\[
\operatorname{Substitutability}(C_1,C_2\mid q)
\]

足夠高。

---

# 60. Center Replication

對高脆弱中心，可建立：

\[
C
\to
\{C^{(1)},C^{(2)},\ldots\}.
\]

但 replication 必須區分：

- 真獨立冗餘；
- 同源複製；
- stale mirror。

---

# 61. Center Redundancy

定義：

\[
R_C
=
\operatorname{IndependentSubstitutes}(C).
\]

若所有替代中心共享同一上游依賴，不能算真正 redundancy。

---

# 62. Center Diversity

多中心若全部同表示、同資料、同模型，表面多中心可能只是複製。

定義：

\[
D_C
=
\operatorname{Diversity}
(
\text{sources},
\text{representations},
\text{methods},
\text{models},
\text{conditions}
).
\]

---

# 63. Center Collapse

若多中心因更新逐漸：

\[
C_1,\ldots,C_k
\to
C^\star
\]

可能是：

- 真收斂；
- 資源集中；
- representation collapse；
- ranking bias；
- censorship / permission collapse；
- over-distillation。

所以必須做：

\[
\operatorname{NonCollapseAudit}.
\]

---

# 64. Center Proliferation

反之：

\[
|\mathbf C_t|\uparrow
\]

可能是：

- 新學科分化；
- branch clarification；
- excessive fragmentation；
- duplicate aliases。

中心數增加本身不等於進步。

---

# 65. Optimal Center Count [OPEN]

對 task family \(\mathcal Q\)，可研究：

\[
m^\star
=
\arg\min_m
[
C_{\mathrm{coord}}(m)
+
C_{\mathrm{bottleneck}}(m)
+
C_{\mathrm{glue}}(m)
+
C_{\mathrm{failure}}(m)
].
\]

不存在普遍理由令：

\[
m^\star=1
\]

或：

\[
m^\star\to\infty.
\]

---

# 66. Center Allocation Policy

Agent 不應永遠把資源給最高 centrality。

定義：

\[
a^\star
=
\arg\max_a
\frac{
\mathbb E[
\Delta\operatorname{TaskValue}
+
\Delta\operatorname{GapReduction}
+
\Delta\operatorname{Globality}
]
}{
C(a)+R(a)
}.
\]

資源可以分配給：

- 核心維護；
- bridge；
- frontier；
- verification center；
- peripheral probe。

---

# 67. Peripheral Probe

為避免中心偏見，定期抽樣低 centrality 區：

\[
x\sim P_r.
\]

測試：

- hidden bridge；
- unknown relation；
- counterexample；
- stale assumption；
- novel primitive。

這是反中心偏誤機制。

---

# 68. Frontier Probe

對高 Gap gradient 區域：

\[
x\sim F_t
\]

優先做：

- retrieval；
- generation；
- verification；
- representation escape。

---

# 69. Core Audit

對生成核心定期做：

- counterexample search；
- provenance audit；
- version audit；
- dependency removal；
- representation diversity；
- downstream reconstruction test。

避免 stable core 變 rigid core。

---

# 70. Center Removal Test

對中心候選 \(x\)：

\[
G_{-x}
=
G\setminus x.
\]

測：

- reachability；
- coverage；
- global gluing；
- task success；
- cost；
- verification throughput。

這提供 empirical counterfactual center profile。

---

# 71. Center Substitution Test

把 \(x\) 替成 \(y\)：

\[
G_{x\mapsto y}.
\]

定義：

\[
S(x\to y)
=
1-
\frac{
|\mathcal J(G)-\mathcal J(G_{x\mapsto y})|
}{
Z
}.
\]

具體 normalization \(Z\) 依任務指定。

---

# 72. Center–Gap Coupling

對 center \(C_i\) 與 Gap \(g_j\)：

\[
W_{ij}^{CG}
=
\operatorname{Influence}(C_i,g_j).
\]

可得到 bipartite graph：

\[
G_{CG}.
\]

某中心可能：

- 產生 Gap；
- 修復 Gap；
- 遮蔽 Gap；
- 放大 Gap；
- 成為 Gap bottleneck。

---

# 73. Gap-generating Center

高中心節點如果定義錯、版本過期或權限失配，可能把大量下游污染。

因此：

\[
c_r(x)\gg0
\]

同時：

\[
A_{\mathrm{gap}}(x)\gg0
\]

是高風險狀態。

---

# 74. Gap-repair Center

某些 bridge / verifier / translator 可一次降低大量下游 Gap。

定義：

\[
c_{\mathrm{repair}}(x)
=
\mathbb E[
\Delta G_{\mathrm{downstream}}
\mid x
].
\]

---

# 75. Center–Globality Coupling

DEST-04 的 globality 可能高度依賴：

- transition center；
- bridge center；
- version center；
- provenance center。

所以高 local centrality 不等於高 gluing leverage。

---

# 76. Articulation Center 與 Global Glue

若某 translation node 是 articulation point，失效後：

\[
D^{\mathrm{global}}
\]

可能瞬間收縮。

因此 articulation audit 可接到：

\[
\Delta^{L\to G}.
\]

---

# 77. Community Merge

兩個 module：

\[
M_1,M_2
\]

因新 bridge / shared core 合流。

需要重新計算：

- local centers；
- bridge；
- globality；
- center redundancy；
- center profiles。

---

# 78. Community Split

若 module 內部 relation 弱化或 branch 分裂：

\[
M\to M_1\cup M_2,
\]

原中心可能：

- 留在其中一邊；
- 分裂；
- 失去中心性；
- 轉為 bridge。

---

# 79. Center Lineage

每個 center 保存：

```yaml
center_lineage:
  center_id: C-17
  born_at: t12
  role: generative
  predecessors: [C-4, C-9]
  events:
    - merge
    - scope_expand
    - verification_upgrade
  successors: []
```

---

# 80. Center Certificate

```yaml
center_certificate:
  center_id: "..."
  time: "..."
  role: "bridge|generative|task|view|compute|attractor|community|causal"
  support: []
  condition_id: "..."
  representation_id: "..."
  metric_backend: "..."
  score: null
  threshold: null
  eligibility: pass
  evidence:
    structural: []
    functional: []
    counterfactual: []
  fragility:
    removal_loss: null
    substitute_count: null
  provenance: []
  valid_until: null
```

---

# 81. Multi-Center Runtime State

```yaml
multi_center_state:
  time: "..."
  task_id: "..."
  centers:
    generative: []
    task: []
    view: []
    compute: []
    bridge: []
    attractor: []
    community: []
    causal: []

  dynamics:
    born: []
    migrated: []
    split: []
    merged: []
    decayed: []
    reopened: []

  peripheral_probe_budget: 0.10
  frontier_probe_budget: 0.25
  core_audit_budget: 0.15
```

---

# 82. Center Error Taxonomy

| Code | 名稱 | 意義 |
|---|---|---|
| CTR-00 | Scalar collapse | 多中心角色壓成單一分數 |
| CTR-01 | Centrality-truth confusion | 中心性冒充真值 |
| CTR-02 | Hub-bridge confusion | 高 degree 冒充橋樑 |
| CTR-03 | Core-universality | k-core 冒充普遍重要性 |
| CTR-04 | Attention-truth confusion | 前景化冒充重要／真實 |
| CTR-05 | Local-global confusion | 社群內中心冒充全局中心 |
| CTR-06 | Citation-causal confusion | 引用高冒充不可替代 |
| CTR-07 | Peripheral deletion | 低中心直接刪除 |
| CTR-08 | Stale center | 舊 topology 的中心未更新 |
| CTR-09 | Representation-bound center | 中心只存在單表示 |
| CTR-10 | Duplicate multi-center | 多中心其實同源複製 |
| CTR-11 | Center monopoly | 單點負載／權力過度集中 |
| CTR-12 | Center proliferation | 假多中心／別名膨脹 |
| CTR-13 | Rigid core | 穩定變僵化 |
| CTR-14 | Hidden bridge neglect | 長尾橋接被忽略 |
| CTR-15 | Counterfactual overclaim | graph deletion 冒充真因果 |

---

# 83. 與 DEST-01 的接口

中心角色不能超越 Domain Qualification。

一個中心 claim：

\[
x\in C^r
\]

必須保存：

\[
D^{\mathrm{def}},
D^{\mathrm{judge}},
D^{\mathrm{verify}},
D^{\mathrm{global}}.
\]

未驗證中心只能標 candidate center。

---

# 84. 與 DEST-02 的接口

Coverage profile 可按中心／周邊分層：

\[
\rho^\alpha
=
(
\rho^\alpha_{\mathrm{center}},
\rho^\alpha_{\mathrm{bridge}},
\rho^\alpha_{\mathrm{frontier}},
\rho^\alpha_{\mathrm{periphery}}
).
\]

防止高中心 coverage 掩蓋長尾空白。

---

# 85. 與 DEST-03 的接口

Gap field：

\[
\mathbf g(x)
\]

和 center field：

\[
\mathbf c(x)
\]

共同形成：

\[
\boxed{
\mathcal{SC}_t(x)
=
(
\mathbf c_t(x),
\mathbf g_t(x)
).
}
\]

例如：

- 高中心、低 Gap：成熟核心；
- 高中心、高 Gap：核心開放問題／高風險 bottleneck；
- 低中心、高 Gap：周邊未知／長尾；
- 低中心、低 Gap：成熟背景。

---

# 86. 與 DEST-04 的接口

關聯拓撲產生：

- community center；
- bridge；
- articulation；
- cycle router；
- global gluing bottleneck。

DEST-05 再將其轉成多角色中心。

---

# 87. 與動態知識不動點的接口

生成極限不再要求：

\[
\mathcal C^\star
\]

是單一核心。

改寫為：

\[
\boxed{
\mathfrak C^\star
=
\{
\mathcal C_1^\star,
\ldots,
\mathcal C_m^\star
\}.
}
\]

並配：

\[
\mathcal M^\star
\]

保存核心間映射。

---

# 88. 與視域的接口

視點中心：

\[
C^{\mathrm{view}}
\]

只是：

\[
\mathcal V_t
\]

內目前前景化的高顯著區域。

所以：

\[
\boxed{
\text{not in view center}
\not\Rightarrow
\text{not in knowledge core}.
}
\]

---

# 89. 與解空間幾何的接口

Reparam / Bridge / Tunnel / Fold 等操作可直接改變 center profile。

例如 Bridge：

\[
c_{\mathrm{bridge}}(x)
\]

可能突然上升，並使多 module 合流。

---

# 90. 外部形式對照 [ALIGN]

## 90.1 Freeman centrality

Freeman 對 degree、closeness、betweenness 等中心概念的經典澄清正好提醒：

> 「centrality」本身就不是唯一概念。

DEST 延伸這個原則，但不把其社會網絡指標當知識真值尺度。

## 90.2 Community structure / modularity

Newman 的 modularity / community structure 提供模組化網路的成熟後端。

DEST 借用：

\[
\text{community center}
\neq
\text{global center}.
\]

## 90.3 k-core / influential spreaders

Kitsak 等工作顯示，在特定 spreading dynamics 中，k-shell core 可以比 degree / betweenness 更好識別重要 spreader；後續研究也指出某些 core-like groups 會讓這個判定失效。

因此：

\[
c_{\mathrm{core}}
\]

必須保持 model-relative。

## 90.4 Articulation points

圖論與 complex-network 研究中，articulation point 是移除後會使連通分量增加的節點。

DEST 用它作：

\[
c_{\mathrm{art}}
\]

的嚴格 graph backend。

## 90.5 Dynamic network centrality

Grindrod–Higham 等 temporal-network 工作以 time-respecting walks / dynamic communicability 建立動態中心性。

DEST 因此不把 snapshot centrality 平均當成唯一 temporal center。

---

# 91. 第一組命題

## Proposition A [PROP]

存在：

\[
c_{\deg}(v)\gg0
\]

但：

\[
c_{\mathrm{bridge}}(v)\approx0.
\]

高 degree 不推出 bridge role。

## Proposition B [PROP]

存在：

\[
c_{\deg}(v)\ll1
\]

但移除 \(v\) 使 graph 斷裂，因此：

\[
c_{\mathrm{art}}(v)>0.
\]

## Proposition C [PROP]

對兩任務 \(q_1,q_2\)，可以：

\[
C^{\mathrm{task}}(q_1)
\neq
C^{\mathrm{task}}(q_2).
\]

所以任務中心不是 intrinsic label。

## Proposition D [PROP]

可以：

\[
C^{\mathrm{view}}
\cap
C^{\mathrm{gen}}
=
\varnothing
\]

在某時刻成立。

前景與生成核心不必重合。

## Proposition E [PROP]

周邊節點可以：

\[
x\in P_r
\cap
D^{\mathrm{verify}}.
\]

因此周邊不等於未知。

---

# 92. 研究猜想

## Conjecture 1：Multi-Role Center Profiles Improve Routing

相比單一 centrality score，多角色中心向量：

\[
\mathbf c(x)
\]

將提高 Agent 的 research routing accuracy。

## Conjecture 2：Hidden Bridge Discovery Has Superlinear Value

在 modular knowledge graphs 中，發現少量低 degree 高 bridge 節點可能使 global coverage / gluing 成非線性改善。

## Conjecture 3：Center Migration Predicts Research Regime Change

若生成中心、任務中心與 bridge center 在短時間同時大幅遷移，可能是 paradigm / representation transition 的先兆。

## Conjecture 4：Peripheral Probing Reduces Center Bias

固定比例的 peripheral probe 可以提高長尾反例、hidden bridge 與 novel primitive 的發現率。

## Conjecture 5：Balanced Multi-Center Systems Reduce Single-Point Epistemic Failure

在多 Agent 長時程研究中，具真正來源／表示多樣性的多中心 topology，將比單中心系統更具 resilience，但 coordination cost 存在最佳區間。

---

# 93. 實驗設計

建立 synthetic graphs：

1. star；
2. core-periphery；
3. modular bridge；
4. k-core with core-like group；
5. temporal network；
6. multi-agent routing graph；
7. knowledge dependency DAG + cross-links。

注入任務：

- spread；
- retrieval；
- proof dependency；
- global gluing；
- verification；
- compute routing；
- counterexample discovery。

比較：

### Baseline A
Degree。

### Baseline B
Degree + closeness + betweenness。

### Baseline C
增加 k-core / community。

### DEST-05
完整：

\[
\mathbf c
+
\text{counterfactual removal}
+
\text{task/view/compute/gen roles}
+
\text{dynamic lineage}.
\]

評估：

- task success；
- routing cost；
- failure resilience；
- hidden bridge recall；
- false-center rate；
- peripheral discovery；
- global glue success；
- center migration calibration。

---

# 94. Runtime 最小算法

```text
INPUT:
  knowledge topology G_t
  task q
  condition theta
  representation pi
  budget B

1. QUALIFY center backends
2. BUILD structural centralities
3. DETECT communities / modules if applicable
4. COMPUTE core / bridge / articulation roles
5. COMPUTE task center
6. COMPUTE view center
7. COMPUTE compute center
8. ESTIMATE generative center
9. RUN bounded counterfactual removal/substitution
10. BUILD center profile vectors
11. BUILD multi-center set C_t
12. CLASSIFY periphery / background / frontier separately
13. COMPARE with C_{t-1}
14. RECORD birth/migration/split/merge/decay
15. AUDIT center monopoly / duplicate centers / hidden bridges
16. ALLOCATE:
      core-maintenance
      bridge
      frontier
      peripheral-probe
      verification
17. SAVE center certificates
```

---

# 95. 最小核心公式

## Multi-center set

\[
\boxed{
\mathbf C_t
=
\{
C_t^{\mathrm{gen}},
C_t^{\mathrm{task}},
C_t^{\mathrm{view}},
C_t^{\mathrm{comp}},
C_t^{\mathrm{bridge}},
C_t^{\mathrm{attr}},
C_t^{\mathrm{community}},
C_t^{\mathrm{causal}}
\}.
}
\]

## Center role vector

\[
\boxed{
\mathbf c_t(x)
=
(
c_{\deg},
c_{\mathrm{close}},
c_{\mathrm{between}},
c_{\mathrm{eig}},
c_{\mathrm{core}},
c_{\mathrm{bridge}},
c_{\mathrm{art}},
c_{\mathrm{gen}},
c_{\mathrm{task}},
c_{\mathrm{view}},
c_{\mathrm{comp}},
c_{\mathrm{attr}},
c_{\mathrm{causal}}
).
}
\]

## Counterfactual center

\[
\boxed{
c_{\mathrm{causal}}(x\mid q)
=
\mathcal J_q(\mathbb K)
-
\mathcal J_q(\mathbb K_{-x}).
}
\]

## Center field

\[
\boxed{
\mathcal C_t:
X_t\times Q_t\times\Theta_t\times\Pi_t
\to
\mathbb R^m.
}
\]

## Center migration

\[
\boxed{
v_C
=
d_C(C_t,C_{t+1}).
}
\]

---

# 96. 結論

本文將「中心—邊緣」從單一空間直覺拆成多種彼此正交的角色。

一個節點可以：

- 連得多，但不是 bridge；
- 位於深 core，但不是全局必要；
- citation 高，但高度可替代；
- attention 高，但尚未驗證；
- degree 低，卻是 articulation point；
- 現在在周邊，下一個任務卻成為核心；
- 是穩定 attractor，但可能是錯誤慣性；
- 是生成核心，但當前任務完全不需要；
- 是 compute hub，但知識價值很低。

因此：

\[
\boxed{
\text{Centrality}
\neq
\text{Truth}
\neq
\text{Necessity}
\neq
\text{Attention}
\neq
\text{Generativity}.
}
\]

多中心知識拓撲真正要描述的不是：

> 「誰是最中心的？」

而是：

\[
\boxed{
\text{誰在什麼條件、任務、時間與表示下，扮演哪一種中心角色？}
}
\]

以及：

\[
\boxed{
\text{如果這個中心消失、遷移、分裂或被替代，整個知識系統會發生什麼？}
}
\]

同時，周邊也不再是被遺忘的低價值區。

它可能是：

\[
\boxed{
\text{下一個 bridge、反例、原語、任務中心或 frontier 的來源。}
}
\]

因此成熟 AI 的知識管理不能只做：

\[
\text{Top-k centrality}.
\]

而應維持：

\[
\boxed{
\text{core maintenance}
+
\text{bridge protection}
+
\text{frontier exploration}
+
\text{peripheral probing}
+
\text{center migration tracking}.
}
\]

---

# 附錄 A：Center Role Dictionary

```yaml
CenterRole:
  STRUCT_DEGREE
  STRUCT_CLOSENESS
  STRUCT_BETWEENNESS
  STRUCT_EIGENVECTOR
  STRUCT_CORE
  STRUCT_BRIDGE
  STRUCT_ARTICULATION
  GENERATIVE
  TASK
  VIEW
  COMPUTE
  ATTRACTOR
  COMMUNITY
  COUNTERFACTUAL
```

---

# 附錄 B：Center Event

```yaml
CenterEvent:
  BIRTH
  GROWTH
  MIGRATION
  SPLIT
  MERGE
  DECAY
  REPLACEMENT
  REOPEN
  COLLAPSE
  PROLIFERATION
```

---

# 附錄 C：Region Role

```yaml
RegionRole:
  CENTER
  BRIDGE
  CORE
  COMMUNITY
  PERIPHERY
  BACKGROUND
  FRONTIER
  BOUNDARY
  UNKNOWN
```

這些角色允許重疊，不構成互斥 partition。

---

# 附錄 D：內部正典依賴

- 《動態知識空間總論》v0.1。
- 《多域知識判定論》v0.1。
- 《多維知識覆蓋論》v0.1。
- 《Gap 場論》v0.1。
- 《關聯拓撲與全域黏合》v0.1。
- 《萬有理論的生成極限：從單一方程到動態知識不動點》v0.1。
- 《星環式認知展開法》。
- 《從差異到顯現：視域、前景、背景與遮蔽的生成》v0.1。
- 《從覆蓋度定理到多尺度因果覆蓋：早期強命題的重新校正》。

---

# 附錄 E：外部形式對照

1. Linton C. Freeman (1978/79), *Centrality in Social Networks: Conceptual Clarification*.
2. M. E. J. Newman (2006), *Modularity and Community Structure in Networks*.
3. Maksim Kitsak et al. (2010), *Identification of Influential Spreaders in Complex Networks*.
4. Ying Liu et al. (2014), *Core-like Groups Result in Invalidation of Identifying Super-Spreader by k-Shell Decomposition*.
5. Liang Tian et al. (2016), *Articulation Points in Complex Networks*.
6. Peter Grindrod & Desmond J. Higham (2013), *A Matrix Iteration for Dynamic Network Summaries*.
7. Taylor et al. / related temporal-network literature on eigenvector-based centrality and supracentrality.

---

# 與下一篇 DEST-06 的接口

本文完成：

\[
\boxed{
\mathbf C_t.
}
\]

下一篇：

\[
\boxed{
\text{DEST-06｜移動邊界論}
}
\]

將專門處理：

\[
\mathbf B_t
=
(
\partial D^{\mathrm{def}},
\partial D^{\mathrm{reach}},
\partial D^{\mathrm{judge}},
\partial D^{\mathrm{verify}},
\partial D^{\mathrm{global}},
B^{\mathrm{know}},
\mathcal U^\star
).
\]

也就是：

> 中心知道在哪裡之後，下一個問題是：**它的邊界到底在哪裡，而且邊界為什麼會移動？**

---

**EML-DEST-2026-05 · v0.1 · 2026-08-12**