# OTB17：学習済み記憶と、推論を実行できる準備の接続

2026-11-05。数値シミュレーションによる探索。OTB15の保存済み学習記憶と、新しい合成作業状態を用いた。今回、読み出しの自己学習やE7-D判断回路の移植は行っていない。

**短い固定準備は、学習済みの関係記憶を使う推論を大きく安定させた。一方、最短期限では、pilotで全件成功した固定準備も評価用状態で失敗した。学習によって同じ答えの実行可能な範囲が広がるという追加証拠は、今回の有限条件では得られなかった。**

## 1. 何を接続し、何を分けたか

E系列の「今の状態から、どの準備なら次の計算が成功するか」という問いを、OTB15の経験によって書き換わった記憶へ適用した。T7、相方の双安定振幅、活動履歴e、誤差蓄積sはOTB15の式を保った。

各問い合わせは、同じ記憶と同じ作業状態から、9種類の準備候補を分岐して調べる。問い合わせ中には教師ラベルを渡さない。世界の正解、記憶が表す答え、全候補の成否は保存後の採点・診断に用いた。

区別した指標は次のとおり。

- **世界への正答：** 出力がその段階の環境の正しい二値結果に一致したか。正しい0も成功であり、保留とは区別する。
- **記憶への忠実度：** 高低の保持帯が表す答えを出し、問い合わせ中に記憶帯を保ったか。未知・不整合の記憶は既知回答の分母へ混ぜない。
- **記憶依存・順序条件を満たす成功：** 忠実な出力に加え、同じ状態・準備で記憶から作業系への結合を切ると正答が消え、正答出力の初回発火が始点の初回発火より後にあるか。
- **成功候補の存在：** 固定した9候補に、上の条件を満たすものが一つ以上あるか。実行中に使える無料の判断器ではなく、全候補分岐による診断上限である。

3番目は、自発発火が偶然に正解した場合を除くための操作的な判定であり、機構全体の因果性を証明する必要十分条件ではない。

## 2. 条件と分母

OTB15の `learned`（学習後）、`retained`（80,000 step保持後）、`reversed`（操作0の規則反転を再学習した後）を使用した。未学習から学習への比較ではない。

| 用途 | 記憶の元seed | 合成作業状態 | 1期限あたりの基本ケース | 全3期限の基本ケース |
|---|---|---:|---:|---:|
| pilot | 24001、24002 | 8 | 2×3段階×8状態×4文脈 = 192 | 576 |
| 評価 | 24003〜24008 | 32 | 6×3段階×32状態×4文脈 = 2,304 | 6,912 |

OTB15の8未見問い合わせは、与えた配線によって4つの `操作×選択特徴値` に縮約される。今回はこの4文脈を数え、重複した特徴組合せを独立した意味課題に数えない。規則の種類も既知の4種の二値対応の範囲である。

作業系の3個のT7について、mを−1.6〜−0.7、位相を0〜2π、不応期を0〜511から標本化した。前時刻発火は0とし、各集合の最初の状態だけm=−1.2・不応期0とした。これは**合成された初期状態への介入分布**で、実際の連続運用で遭遇する履歴分布とは限らない。同じ作業状態を全seed・段階・文脈で対応させた。

準備を含む総時間予算は1,536、2,048、4,096 step。準備に使った時間だけ、刺激後に残る時間は短くなる。候補は即時、128/512/1,024 stepの待ち、同じ時間の全作業T7への復元入力、出力のみ512、始点のみ512。復元入力は `.01*(-1.2-m)` であり、状態への直接代入や位相リセットではない。

e/sは継承し、問い合わせ中の誤差入力を0とした。sの残留は減衰し、相方の運動も継続する。今回の保存段階ではsは既にほぼ0だった。準備・切断は関係記憶への書込み経路を直接変更しない。

各基本ケースに9候補×正常/記憶結合切断の18枝を実行した。pilotは10,368枝、評価は124,416枝。枝数や文脈反復を独立な世界数と解釈しない。

## 3. Pilotで選んだ固定準備は、最短期限で完全には再現しなかった

Pilotでは全3期限とも `restore128` と `restore512` が各192/192で記憶依存・順序条件を満たした。短く、入力総量も小さい `restore128` を、評価取得前の[EVALUATION_CONFIG.json](../../experiments/otb17_learning_readiness/EVALUATION_CONFIG.json)で選んだ。評価結果を見て選び直していない。

以下は評価用状態での**記憶依存・順序条件を満たす成功数**。各列の分母は2,304。

| 総期限 | 即時 | 復元128（選定済み） | 復元512 | 従来の復元1,024 | 全候補の診断上限 |
|---:|---:|---:|---:|---:|---:|
| 1,536 | 972 | 2,124 | 2,052 | 612 | 2,304 |
| 2,048 | 1,008 | 2,304 | 2,304 | 2,006 | 2,304 |
| 4,096 | 1,188 | 2,304 | 2,304 | 2,304 | 2,304 |

最短期限の復元128は **92.1875%**で、180件は保留となった。復元512へ一律に延ばしても全件成功にはならない。従来の1,024 step準備は、短い総予算では刺激後の時間を使いすぎる。

単なる世界正答率で数えると、即時方式は1,536/2,048/4,096期限で1,188/1,296/1,548件正答する。しかし、その一部は記憶結合を切っても正答しており、上表から除いた。復元128では世界正答数と上表の成功数が一致し、誤答は0、最短期限の180保留が残った。

復元128/512/1,024の平均準備入力総量は約0.4671/0.6397/0.6433。これは `sum(abs(追加入力))` であり、装置の消費エネルギーではない。初回発火時刻も事後の軌跡指標で、オンラインの終了判定が成立したという意味ではない。

## 4. 学習段階による成功候補集合の変化

同じ作業状態・文脈・総予算を対応させ、候補集合の変化を数えた。

| 比較 | 対応ケース | 同じ答えのケース | 同じ答えで候補集合が変化 | 成功候補数の正味差 | 候補の存在が増えた/消えた |
|---|---:|---:|---:|---:|---:|
| 学習後→保持後 | 2,304 | 2,304 | 12 | +4 | 0 / 0 |
| 保持後→規則反転後 | 2,304 | 1,152 | 2 | −2 | 0 / 0 |

規則反転を含む全ケースでは524/2,304で候補集合が変わった。ただし、その大部分では要求される出力0/1自体が入れ替わっている。これを、同じ答えをより安定に実行する能力の拡大と数えない。

すべての段階・ケースで何らかの成功候補が存在したため、候補存在率には天井がある。今回の結果は「学習一般がreadinessを改善しない」という反証ではない。**この保存段階・候補集合・予算・作業状態分布では、同じ答えの実行可能範囲が広がる追加証拠を得ていない**という結論である。

双安定の記憶が同じ高低帯へ収束する現構成では、保持後に意味内容を保ったまま広いreadiness改善が起こるとは限らない。差が小さいこともモデルの予測と整合する。

## 5. 最短期限の上積みは、答えを知らずに選べる余地か（結果取得後の診断）

1,536 stepの全候補上限2,304は、各ケースの未来の成否を知って選ぶ値である。そこで、同じ作業状態の72ケース（6seed×3段階×4文脈）に**一つの共通候補**を使う制約を課して再集計した。

| 診断的な選択制約 | 支持成功数 / 2,304 |
|---|---:|
| 全ケースで共通の最良固定候補 | 2,124 |
| 各作業状態ごとに共通の最良候補 | 2,304 |
| 各作業状態と記憶の答えごとに最良候補 | 2,304 |
| 各ケースごとの最良候補 | 2,304 |

32/32作業状態に、全72ケースを通す候補が存在した。復元128と復元512の二択だけでも、この有限集合を覆える。復元128が全文脈を通さなかった作業状態1・20・21・22では、復元512が全件成功した。

したがって、この集合では答え情報を使わず作業状態だけで選ぶことが**診断上は可能**である。ただし、各状態の結果を見て最良候補を選んだ値で、学習済み選択器の未知状態での成績ではない。作業状態をどう観測・識別するか、その費用も含んでいない。

計算手順：評価配列の1,536 step行を作業状態indexで分け、各候補の支持成功件数を72行にわたって合算する。その最大値を32状態で足す。記憶の答えで分ける参考値も同様に計算する。候補ごとの全件数、全件通過候補、出典SHA256は[work_state_upper_bound.json](work_state_upper_bound.json)に保存した。この診断は主評価結果を見た後に実施し、事前仮説の確認とは扱わない。

## 6. 入力・記憶への依存を調べる追加対照

Pilotから機械的に選んだ192基本ケースについて、即時/復元128/復元1,024と、正常/記憶結合切断/始点刺激切断/両切断を比較した。2,304件の結果と、切断後に正答した例も保存した。

- 復元128は正常192/192。記憶結合を切る場合も、始点への0.6の刺激を除く場合も、正答は0/192になった。
- 即時方式は正常120/192。このうち記憶切断で正答を失うものは84件、始点刺激切断で失うものは60件だった。
- 始点刺激を切っても即時方式に60件の正答が残った。切っているのは入力パルスであり、始点の自律運動と、外部から与えた文脈配線は残る。これらを隠さず保存した。
- 出力0/1の全記憶セル、作業T7、準備マスクを同時に入れ替えた72問い合わせで、発火・最終状態が対応して入れ替わることを取得時に確認した。これは実装の対称性検査であり、新しい学習の証拠ではない。

対照計画はpilot取得後に固定した。[計画](../../experiments/otb17_learning_readiness/CONTROLS_DESIGN.md)、[集計](controls/summary.json)、[全結果](controls/cases.json)、[刺激切断後も正答した60例](controls/source_cue_cut_correct_cases.json)、[独立採点監査](controls/audit.json)を参照。

## 7. 検証と再現の範囲

- 元OTB15の24問い合わせ、保存された2軌跡、改変した初期状態の選択軌跡を照合。元のT7更新式を使う再生も含む。[kernel_validation.json](kernel_validation.json)
- 独立した `verify.py` は動力学や取得コードをimportせず、元記憶、合成作業状態、世界の答え、帯から読んだ答え、発火記録からの予測、時刻の整合、全集計を再構成した。pilot576基本ケース・評価6,912基本ケースとも合格。
- 最終振幅を全行で再確認。同じ記憶・総予算では、候補と切断を変えても振幅の端点が一致した。誤差0の問い合わせ中は、作業系の準備が相方の書込みへ直接戻らない構成に対応する。
- 全ステップの保持帯フラグは取得エンジンによる記録であり、独立採点だけで全軌跡を再実行したわけではない。選択軌跡の検証と区別する。
- 追加対照の2,304件も別採点し、pilotとの一致1,152件と、保存された鏡像発火記録72件を照合した。鏡像の全最終状態一致は取得時の検査である。
- 各取得前にコード・設定・入力をローカルSHA256で固定し、写しを保存した。これは第三者の事前登録・追試ではない。

再現・監査入口：

```powershell
python experiments/otb17_learning_readiness/verify.py --name pilot
python experiments/otb17_learning_readiness/verify.py --name evaluation
python experiments/otb17_learning_readiness/verify.py --name controls
```

新規取得は `run.py --name 新しい名前 --seeds ... --work-count ... --work-seed ... --budgets ...`。既存出力先は上書きできない。必要なPython依存はNumPyとNumbaであり、CPUの実行秒数を物理装置の速度・電力へ読み替えない。

## 8. この段階での研究判断

OTB15で経験から形成した記憶が出力への結合を変え、その推論の成功が作業状態と準備に依存することを、一つのモデル上で測れるようになった。短い固定準備は、従来準備より短い総期限で成功する条件を持つ。

その一方で、E7-D型の振動子読み出しによる準備選択、準備の自律学習、同じ知識を保った能力範囲の拡大は未実証である。十分な期限では固定準備が全件を覆い、最短期限だけに選択の余地が残った。追加の選択器は、その観測と費用を含めて固定準備を上回るか検証する必要がある。

この実験だけで、意味の自動獲得・一般的なスケール・振動子固有の効率優位を主張しない。次の機構研究では、準備の失敗が入力の発火、学習対象への活動痕跡、誤差による記憶更新へどう伝わるかを分ける。正しい教師信号と正しい活動痕跡がある場合、単なる推論の誤答が必ず記憶の破壊につながるとは限らない。

