appendix.html  ·  models, figures, and relay materials

付録
Models, Figures, and Relay Materials

コード・図・元リレー全文ログ

AModels / Code

./appendix/observer_agent_model.py 4-qubit Observer-Agent Model 4-qubit 系で Controller / Observer-Agent / Perspectival Observer を実装。 identity condition スコア（corr(Δcf, gain)）と self-measurement back-action を計測する。 依存：numpy, scipy, matplotlib。
Python · .py
./appendix/emergence_simulation.py Evolutionary Selection Simulation Δcf-sensitive update が進化的に選択されることを示す 古典代理環境の進化シミュレーション。 gain 感度パラメータ g1 の世代変化を追う。 依存：numpy, matplotlib。
Python · .py

コードは対話リレー中に Claude が生成したものを整形したものです。 動作確認は行っていますが、独立した再現確認は実施していません（ 留保事項参照）。

BFigures

figures/observer_agent.png PNG · 図1

Figure 1 — 4-qubit Observer-Agent Model の実験結果。 Δcf の時系列・gain の時系列・Δcf vs gain 散布図・ back-action の大きさ・identity condition スコアのバーを並べた5パネル構成。 Controller（青）/ Observer-Agent（橙）/ Perspectival Observer（緑）の三層が分離されている。

4-qubit Observer-Agent Model の実験結果グラフ クリックで拡大
figures/emergence_simulation.png PNG · 図2

Figure 2 — Evolutionary Selection Simulation の結果。 gain 感度パラメータ g1 の世代推移・最終世代の 散布図（適応度色分け）・Δcf の環境時系列の3パネル。 信号/ノイズ交替環境において g1 が正値へ収束することを示す。

進化シミュレーション結果グラフ クリックで拡大

図はいずれも Python（matplotlib）で生成されたものです。 理論本文 §5 に対応します。

CRelay Materials

元リレー全文ログ ChatGPT / Grok / Claude / Copilot / Codex による対話リレーの全文記録。 発言者・ターン・査読的往復を含む原資料。 理論本文はこのログを整理・再構成したものである。
HTML · 全文

元ログは「生成過程の原資料」として独立ファイルに置いています。 理論本文の補足ではなく、本文がどのような問答から生まれたかを示す記録です。 内容と来歴については index.html §02 を参照してください。