小數資訊殘差與觀測約束重建

從有限精度、動態雙向驗證到跨表徵世界重建的初步理論

English Title: Decimal Information Residuals and Observation-Constrained Reconstruction: A Preliminary Theory of Finite Precision, Bidirectional Dynamic Validation, and Cross-Representation World Reconstruction

理論暫名： 觀測約束殘差重建理論
英文名稱： Observation-Constrained Residual Reconstruction Theory
簡稱： OCRRT
版本： v0.1
日期： 2026-07-20

摘要

傳統數值分析通常將小數點後未被保留的部分視為截斷誤差、捨入誤差或可忽略尾項。然而，當代高精度計算、超級計算、動態系統模擬、資料同化與人工智慧推理，使研究者得以重新處理過去因計算能力不足而被壓縮、忽略或排除的小尺度資訊。本文提出一個初步理論框架：觀測約束殘差重建理論，其目的不是將任意小數尾部神秘化，而是將有限精度以下的資訊殘差轉化為可定義、可比較、可驗證與可重建的數學對象。

本文首先區分潛在狀態空間、觀測空間與重建空間，避免將模型表徵直接等同於現實狀態。其次，本文定義尺度正規化殘差、觀測誘導指標、重建誘導指標、跨表徵指標殘差、可容許區域、已證區域與未決區域。再者，本文提出動態正向—逆向一致性檢驗、循環一致性檢驗、跨精度穩定性檢驗與獨立觀測交叉驗證，作為避免模型自洽但失真的基本機制。

本文主張，「小數點後的重建世界」不應被理解為從任意數字尾部任意推演一個世界，而應被嚴格理解為：在明確的觀測算子、誤差界、模型類、尺度轉換與可識別性條件下，研究未解析殘差對狀態估計、指標形成、動態演化與世界模型重建所能產生的可證影響。此框架可應用於數論、特殊常數、混沌系統、數值微分方程、實驗測量、金融資料、機器學習權重與其他高精度資料，但本文只建立一般形式，不宣稱已完成任何特定領域中的決定性定理。

關鍵詞： 小數資訊殘差、有限精度、尺度重建、逆問題、動態驗證、觀測算子、跨表徵指標、已證區域、未決區域、世界模型

一、問題的重新提出

1.1 小數尾部的傳統位置

設一個實數為

x=d_0.d_1d_2d_3\cdots.

在有限精度計算中，通常只保留前 $n$ 位小數，並將其餘部分視為誤差。若以十進位截斷算子表示：

T_n(x)=\frac{\lfloor 10^n x\rfloor}{10^n},

則截斷誤差為

e_n(x)=x-T_n(x),

並滿足

0\leq e_n(x)<10^{-n}.

由於 $e_n(x)\to 0$ ，未保留的小數尾部容易被視為逐漸失去重要性的量。然而，這種結論只描述它在原始尺度上的絕對大小，並未描述其中可能存在的結構、動態關係與跨尺度影響。

1.2 從「誤差」改寫為「資訊殘差」

定義第 $n$ 層的尺度正規化殘差：

R_n(x) = 10^n\left(x-T_n(x)\right).

則

R_n(x)=\{10^n x\},

其中 $\{\cdot\}$ 表示小數部分。若

x=d_0.d_1d_2d_3\cdots,

則

R_n(x)=0.d_{n+1}d_{n+2}d_{n+3}\cdots.

因此有精確分解：

x=T_n(x)+10^{-n}R_n(x).

此式顯示，被截斷部分並未消失，而是被壓縮到尺度因子 $10^{-n}$ 之下。本文將 $R_n(x)$ 稱為尺度資訊殘差，以區分它與單純的數值誤差。

二、研究定位與基本限制

本文不主張：

每一段小數尾部都必然含有可解讀的深層規律；
任意高精度數字都能唯一重建其生成世界；
模型中的重建狀態等同於現實本身；
小數位愈多，真實知識必然愈多；
計算相關性可以自動取代數學證明。

本文提出的是一個較弱但可操作的命題：

在明確指定觀測方式、資料精度、模型類、誤差界與比較空間後，小數尾部及其他有限精度以下的殘差，可以成為獨立的研究對象，並接受動態、泛函、上下界、可識別性與重建穩定性分析。

因此，本文所謂「重建世界」，不是形上學意義上的完整宇宙複製，而是：

從有限觀測與多尺度資訊殘差中，重建一個與觀測資料相容、可被持續驗證、且具有明確不確定性邊界的候選狀態結構或生成模型。

三、三層空間的形式化區分

3.1 潛在狀態空間

設

X

為潛在狀態空間。元素

x_t\in X

表示研究對象在時間 $t$ 的潛在狀態。此狀態不必能被直接觀測。

3.2 觀測空間

設

Y

為觀測空間。觀測算子為

\mathcal{O}_t:X\rightarrow Y.

實際資料寫為

y_t=\mathcal{O}_t(x_t)+\eta_t,

其中 $\eta_t$ 可以包含：

測量誤差；
捨入與截斷誤差；
感測器偏差；
未建模擾動；
資料缺失；
尺度以下的小數資訊殘差。

因此， $y_t$ 不是 $x_t$ 本身，而是 $x_t$ 經觀測機制後的表徵。

3.3 重建空間

設

Z

為重建空間。由觀測資料得到重建狀態：

z_t=\mathcal{E}_t(y_{0:t}),

其中

\mathcal{E}_t:Y^{t+1}\rightarrow Z

是重建算子。

一般而言：

X\neq Y\neq Z.

即使三者在特定模型中具有相同維度，也不能因此認定它們在本體、語義或可識別性上完全相等。

四、從數位孿生改寫為觀測約束動態重建

「數位孿生」容易暗示現實狀態與模型狀態之間存在一一對應。然而，在一般逆問題中，觀測算子可能不是單射：

\mathcal{O}(x_1)=\mathcal{O}(x_2), \qquad x_1\neq x_2.

因此，單一觀測可能對應多個潛在狀態：

\mathcal{O}^{-1}(y) = \left\{ x\in X:\mathcal{O}(x)=y \right\}.

為避免過強假設，本文以觀測約束動態重建系統取代「數位孿生」作為核心數學用語。

設 $\mathcal{A}_t\subseteq X$ 為時間 $t$ 的可容許狀態集合。若潛在動態為

x_{t+1}=\mathcal{F}_t(x_t),

則取得新觀測 $y_{t+1}$ 後，可更新：

\mathcal{A}_{t+1} = \left\{ x\in\mathcal{F}_t(\mathcal{A}_t): d_Y\left(\mathcal{O}_{t+1}(x),y_{t+1}\right) \leq\varepsilon_{t+1} \right\}.

其中：

$d_Y$ 是觀測空間上的距離或差異函數；
$\varepsilon_{t+1}$ 是容許誤差；
$\mathcal{F}_t(\mathcal{A}_t)$ 是前一候選集合經動態演化後的預測集合。

此機制的目的不是找到一個自稱等同現實的模型，而是持續縮小與觀測相容的狀態集合。

五、觀測誘導指標與重建誘導指標

5.1 觀測誘導指標

由觀測資料得到的指標定義為

I_t^{\mathrm{obs}} = \Phi_t(y_{0:t}),

其中

\Phi_t:Y^{t+1}\rightarrow K_{\mathrm{obs}}.

本文稱 $I_t^{\mathrm{obs}}$ 為觀測誘導指標。它來自現實觀測，但不等同於現實狀態本身。

5.2 重建誘導指標

由重建狀態得到的指標定義為

I_t^{\mathrm{rec}} = \Psi_t(z_t),

其中

\Psi_t:Z\rightarrow K_{\mathrm{rec}}.

本文稱 $I_t^{\mathrm{rec}}$ 為重建誘導指標。

5.3 跨表徵對齊

若

K_{\mathrm{obs}}\neq K_{\mathrm{rec}},

則不能直接比較兩個指標。需引入共同比較空間 $K$ 與對齊映射：

A_{\mathrm{obs}}: K_{\mathrm{obs}}\rightarrow K,

A_{\mathrm{rec}}: K_{\mathrm{rec}}\rightarrow K.

定義跨表徵指標殘差：

\Delta_t = d_K \left( A_{\mathrm{obs}}(I_t^{\mathrm{obs}}), A_{\mathrm{rec}}(I_t^{\mathrm{rec}}) \right).

此量衡量的不是「模型與現實的絕對距離」，而是在特定對齊規則下，兩種表徵所得指標之間的差異。

六、動態正向—逆向一致性檢驗

6.1 正向預測一致性

設重建空間中的動態為

\widehat{z}_{t+1}=F_t(z_t),

並以模擬觀測算子

H_{t+1}:Z\rightarrow Y

生成預測觀測：

\widehat{y}_{t+1} = H_{t+1}(\widehat{z}_{t+1}).

正向預測殘差定義為

\varepsilon_{t+1}^{\rightarrow} = d_Y \left( y_{t+1}, \widehat{y}_{t+1} \right).

若

\varepsilon_{t+1}^{\rightarrow} \leq \tau_{t+1}^{\rightarrow},

則模型在指定容許界 $\tau_{t+1}^{\rightarrow}$ 內通過正向一致性檢驗。

6.2 逆向可行性

由觀測歷史反推重建空間中的候選集合：

\Gamma_t(y_{0:t}) = \left\{ z\in Z: d_Y\left( H_s(F_{s:t}(z)), y_s \right) \leq\varepsilon_s, \quad 0\leq s\leq t \right\}.

若

\Gamma_t(y_{0:t})\neq\varnothing,

表示至少存在一個與觀測歷史相容的重建狀態。

若

\operatorname{diam}\Gamma_t(y_{0:t})

很大，則問題仍高度不可識別；若其直徑逐步縮小，則表示觀測對候選狀態的約束正在增強。

6.3 雙向驗證的非對稱性

正向與逆向檢驗不是互為簡單倒數：

正向問題問：模型能否生成與未來觀測接近的結果？
逆向問題問：觀測能否充分約束模型中的候選狀態？

一個模型可以正向預測良好，卻在逆向上不唯一；也可能逆向擬合歷史資料良好，卻無法預測未來。

因此，動態雙向驗證應理解為兩個互補但非對稱的檢驗。

七、循環一致性與自洽陷阱

7.1 觀測循環

由觀測重建狀態，再映回觀測空間：

y \xrightarrow{\mathcal{E}} z \xrightarrow{H} \widehat{y}.

定義觀測循環殘差：

\varepsilon_{\mathrm{cyc}}(y) = d_Y \left( H(\mathcal{E}(y)), y \right).

7.2 狀態循環

由重建狀態生成觀測，再重新編碼：

z \xrightarrow{H} y \xrightarrow{\mathcal{E}} \widehat{z}.

定義狀態循環殘差：

\delta_{\mathrm{cyc}}(z) = d_Z \left( \mathcal{E}(H(z)), z \right).

7.3 自洽不等於真實

即使

\varepsilon_{\mathrm{cyc}}(y)\approx0

且

\delta_{\mathrm{cyc}}(z)\approx0,

仍不能推出模型已正確重建現實。原因在於 $\mathcal{E}$ 與 $H$ 可能共同形成一個內部自洽但外部失真的閉環。

因此，至少還需要：

不同感測器的獨立觀測；
不同模型類的交叉比較；
未參與建模的保留資料；
不同尺度與不同精度的穩定性檢驗；
可驗證的外部事件或邊界條件。

八、可容許區域、已證區域與未決區域

8.1 可容許區域

令

\mathcal{A}_t

表示在目前資料、模型與誤差界下仍然可行的候選集合。它可稱為可容許區域。

8.2 已證區域

設 $\Delta_t(z)$ 為候選狀態 $z$ 的跨表徵殘差， $\Gamma_t(z)$ 為其逆向候選集合。定義：

\mathcal{C}_t = \left\{ z\in\mathcal{A}_t: \Delta_t(z)\leq\epsilon_t, \quad \operatorname{diam}\Gamma_t(z)\leq\tau_t \right\}.

本文稱 $\mathcal{C}_t$ 為已證區域。其意義不是其中每一點都絕對真實，而是在目前假設與誤差界下，這些候選已獲得明確的一致性保證。

8.3 未決區域

定義：

\mathcal{U}_t = \mathcal{A}_t\setminus\mathcal{C}_t.

本文稱 $\mathcal{U}_t$ 為未決區域。

因此：

\mathcal{A}_t = \mathcal{C}_t \cup \mathcal{U}_t,

且

\mathcal{C}_t \cap \mathcal{U}_t = \varnothing.

此分類比「精確區間」與「模糊區間」更適合一般數學語境，因為它描述的是證據與可識別性狀態，而非預設某區域本體上模糊。

九、小數資訊殘差的多尺度重建

9.1 基數一般化

對任意整數基數 $b\geq2$ ，定義：

T_n^{(b)}(x) = \frac{\lfloor b^n x\rfloor}{b^n},

以及

R_n^{(b)}(x) = b^n \left( x-T_n^{(b)}(x) \right).

則

x = T_n^{(b)}(x) + b^{-n}R_n^{(b)}(x).

因此，本理論雖以小數點為直覺入口，但不應限制於十進位。

9.2 殘差軌道

定義基數 $b$ 下的移位算子：

S_b(u)=\{bu\}.

則：

R_{n+1}^{(b)}(x) = S_b\left(R_n^{(b)}(x)\right).

因此，殘差不是孤立尾項，而形成動態軌道：

R_0^{(b)}(x) \longrightarrow R_1^{(b)}(x) \longrightarrow R_2^{(b)}(x) \longrightarrow\cdots.

9.3 跨精度重建

令只使用前 $n$ 位資訊的重建為

z_t^{(n)} = \mathcal{E}_t\left(T_n(y_{0:t})\right).

使用前 $n+m$ 位資訊的重建為

z_t^{(n+m)} = \mathcal{E}_t\left(T_{n+m}(y_{0:t})\right).

定義跨精度重建殘差：

\Xi_{n,m}(t) = d_Z \left( z_t^{(n)}, z_t^{(n+m)} \right).

若對固定 $m$ ，

\Xi_{n,m}(t)\rightarrow0 \qquad \text{當 }n\rightarrow\infty,

則稱該重建程序在時間 $t$ 具有精度穩定性。

若 $\Xi_{n,m}(t)$ 長期不收斂，則可能表示：

重建問題對尾部資訊高度敏感；
模型存在不適定性；
小尺度殘差被動態放大；
資料精度仍不足；
模型類與真實生成機制不相容。

十、殘差經函數與動態系統的傳播

10.1 泛函作用下的殘差

設

F:X\rightarrow Y

為一個可微映射。由

x=T_n(x)+10^{-n}R_n(x),

可得局部展開：

F(x) = F(T_n(x)) + DF_{T_n(x)} \left[ 10^{-n}R_n(x) \right] + \mathcal{Q}_n,

其中 $\mathcal{Q}_n$ 為高階餘項。

因此：

F(x)-F(T_n(x)) = 10^{-n} DF_{T_n(x)} \left[ R_n(x) \right] + \mathcal{Q}_n.

這說明小數殘差對輸出的影響，不只取決於其原始尺度，也取決於 $F$ 的局部作用。

10.2 Lipschitz 上界

若 $F$ 為 Lipschitz 連續，常數為 $L$ ，則：

\left\| F(x)-F(T_n(x)) \right\| \leq L10^{-n} \left| R_n(x) \right|.

由於

0\leq R_n(x)<1,

故有：

\left\| F(x)-F(T_n(x)) \right\| < L10^{-n}.

10.3 動態放大

若系統滿足：

x_{t+1}=F(x_t),

則初始殘差

x_0-\widetilde{x}_0 = 10^{-n}R_n(x_0)

可能在迭代後被放大：

x_t-\widetilde{x}_t \approx DF_{x_0}^{t} \left[ 10^{-n}R_n(x_0) \right].

故：

\left\| x_t-\widetilde{x}_t \right\| \lesssim 10^{-n} \left\| DF_{x_0}^{t} \right\| \left| R_n(x_0) \right|.

在高敏感度系統中，原先位於小數尾部的差異可能逐步進入宏觀可觀測尺度。

十一、初步公理與定義體系

以下不是最終公理化，而是供後續研究使用的初步結構。

定義 1：有限精度投影

有限精度投影是一族映射

T_n:X\rightarrow X_n,

其中 $X_n$ 表示解析度为 $n$ 的表徵空間。

定義 2：尺度資訊殘差

若存在尺度係數 $s_n>0$ ，使得

x=T_n(x)+s_nR_n(x),

則稱 $R_n(x)$ 為第 $n$ 層尺度資訊殘差。

在十進位下：

s_n=10^{-n}.

定義 3：觀測約束重建

若重建狀態 $z_t$ 必須滿足：

d_Y(H_t(z_t),y_t)\leq\varepsilon_t,

則稱 $z_t$ 為觀測約束重建。

定義 4：跨表徵相容性

若觀測誘導指標與重建誘導指標經對齊後滿足：

d_K \left( A_{\mathrm{obs}}(I_t^{\mathrm{obs}}), A_{\mathrm{rec}}(I_t^{\mathrm{rec}}) \right) \leq\delta_t,

則稱兩者在誤差界 $\delta_t$ 下跨表徵相容。

定義 5：雙向動態可驗證性

若一個模型同時具有：

\varepsilon_t^{\rightarrow}\leq\tau_t^{\rightarrow}

與

\Gamma_t(y_{0:t})\neq\varnothing,

並在新觀測加入後持續成立，則稱其具有雙向動態可驗證性。

定義 6：精度穩定重建

若：

\lim_{n\rightarrow\infty} d_Z \left( z_t^{(n)}, z_t^{(n+m)} \right) = 0

對固定 $m$ 成立，則稱重建程序在時間 $t$ 精度穩定。

十二、初步命題

命題 1：尺度分解不消失命題

對任意有限精度投影 $T_n$ ，若存在殘差 $R_n$ 使：

x=T_n(x)+s_nR_n(x),

則「被截斷資訊消失」不是數學結論，而只是未保留 $R_n$ 的計算選擇。

命題 2：高精度不保證高可識別性

即使觀測精度 $n\rightarrow\infty$ ，若觀測算子 $\mathcal{O}$ 非單射，仍可能存在：

x_1\neq x_2

但

\mathcal{O}(x_1)=\mathcal{O}(x_2).

因此，提高小數位數不能自動解決結構不可識別性。

命題 3：模型自洽不推出外部正確

即使：

H\circ\mathcal{E} \approx \operatorname{id}_Y

以及

\mathcal{E}\circ H \approx \operatorname{id}_Z,

仍不能推出 $Z$ 與 $X$ 等價。循環一致性只能證明兩個模型算子之間的內部相容。

命題 4：殘差影響取決於傳播算子

若：

\left\| DF^t \right\|

快速增長，則任意固定尺度下的小殘差可能在有限時間內被放大至宏觀尺度。反之，在強收縮系統中，高精度尾部可能快速失去可觀測影響。

命題 5：世界重建應以候選集合而非單點為預設

在缺乏單射性、穩定性或充分觀測時，重建輸出應預設為：

\Gamma_t(y_{0:t})\subseteq Z,

而不是唯一狀態

z_t\in Z.

單點重建必須被視為附加選擇規則的結果，而非觀測資料必然給出的答案。

十三、研究程序

一個符合本文框架的研究流程可分為八個階段。

階段一：指定原始對象與基數

明確指定：

x,\quad b,\quad n.

不得混用不同基數或不同截斷規則而不說明。

階段二：建立多尺度殘差

計算：

T_n^{(b)}(x)

與

R_n^{(b)}(x).

並建立殘差軌道：

\left( R_n^{(b)}(x) \right)_{n\geq0}.

階段三：區分資料與潛在狀態

建立：

X,\quad Y,\quad Z,

以及：

\mathcal{O},\quad\mathcal{E},\quad H.

階段四：建立上下界

對觀測誤差、截斷誤差、模型誤差與傳播誤差分別建立：

\underline{\varepsilon}_t \leq \varepsilon_t \leq \overline{\varepsilon}_t.

階段五：執行正向與逆向檢驗

同時計算：

\varepsilon_t^{\rightarrow}

與

\Gamma_t(y_{0:t}).

階段六：劃分已證與未決區域

建立：

\mathcal{C}_t

與

\mathcal{U}_t.

階段七：跨精度與跨模型驗證

比較：

z_t^{(n)}, \quad z_t^{(n+m)}, \quad z_{t,\mathcal{M}_1}, \quad z_{t,\mathcal{M}_2}.

階段八：新資料回饋更新

每當新資料到達時，更新：

\mathcal{A}_{t+1}, \quad \mathcal{C}_{t+1}, \quad \mathcal{U}_{t+1}.

世界重建不是一次性輸出，而是一個持續接受反證與修正的動態程序。

十四、可計算實驗方向

14.1 特殊常數

對 $\pi$ 、 $e$ 、 $\sqrt{2}$ 等高精度展開，研究：

不同基數下的殘差軌道；
局部塊分布；
多尺度複雜度；
不同生成演算法之間的殘差一致性。

此類研究不得將有限樣本中的模式直接解讀為常數本體的完整規律。

14.2 數論案例

對質數 $p$ ，研究：

R_n^{(10)} \left( \frac{1}{p} \right) = \left\{ \frac{10^n}{p} \right\}.

此殘差軌道與模 $p$ 的餘數動態相關，但質數只是一個案例，不是整個理論的中心。

14.3 混沌系統

比較不同初始精度：

x_0^{(n)}

與

x_0^{(n+m)}

所產生的軌道差異，並估計小數殘差進入宏觀尺度所需的時間。

14.4 數值微分方程

比較不同精度、不同步長與不同演算法下的：

z_t^{(n,h,\mathcal{M})}.

分離：

資料殘差；
離散化誤差；
捨入誤差；
模型誤差；
動態放大誤差。

14.5 現實觀測資料

對物理、氣候、生物、金融或工程資料，將模型輸出限定為候選區域與已證區域，不以單一預測值代替全部不確定性。

十五、理論風險

15.1 過度模式化

高維資料與長小數序列中，偶然模式必然大量出現。若沒有對照組、隨機基準、重複驗證與多重檢驗修正，極易將噪聲誤認為結構。

15.2 表示法依賴

只在十進位出現的模式，可能只是基數選擇的結果。因此必須進行跨基數比較。

15.3 範疇錯置

觀測指標、模型指標與潛在狀態屬於不同空間。直接將它們相減、排序或宣稱等價，可能造成範疇錯誤。

15.4 不適定逆問題

重建可能不存在、不唯一或對資料擾動不穩定。此時需要正則化，但正則化結果包含額外先驗，不能假裝完全由資料推出。

15.5 AI 生成幻覺

人工智慧可以協助發現候選模式、生成假設與自動化實驗，但也可能放大虛假關聯。AI 產生的結論必須接受獨立計算、形式證明或外部資料驗證。

15.6 精度崇拜

更多小數位可能增加資訊量，也可能只增加冗餘、噪聲或計算負擔。真正重要的是新增精度是否改變可識別集合、縮小誤差界或提升可預測性。

十六、研究綱領

後續研究可沿下列方向展開：

建立尺度資訊殘差的統一範疇；
研究跨基數不變量；
建立殘差軌道的熵、維度與複雜度測度；
發展觀測—重建對應泛函；
證明不同模型類下的穩定性上界與下界；
研究候選集合收縮速度；
發展已證區域的區間算法；
建立小數尾部對動態系統的放大時間估計；
將重建結果分為數值、結構、動態與生成機制四種層級；
建立 AI 輔助猜想與形式驗證的雙軌研究流程。

十七、結論

本文提出觀測約束殘差重建理論的初步形式。其核心不在於宣稱小數點後隱藏著任意可解碼的宇宙，而在於修正一個長期存在的研究偏見：有限精度以下的資訊不必然只是應被丟棄的誤差。

在明確的尺度分解下：

x=T_n(x)+s_nR_n(x),

未解析部分可以被重新正規化為可研究的殘差狀態。在觀測與重建分離後：

X\neq Y\neq Z,

模型不再被誤認為現實副本，而被理解為有限觀測所約束的候選結構。在動態正向—逆向一致性、循環一致性、跨精度穩定性與獨立觀測驗證共同作用下，殘差重建才可能進入可檢驗的數學研究。

因此，「小數點以後的重建世界」可以被更嚴格地表述為：

在有限觀測、有限精度與不完全可識別的條件下，利用多尺度資訊殘差、動態算子、上下界與跨表徵驗證，重建與觀測資料相容的候選狀態空間及其生成結構。

這不是將誤差神秘化，而是把過去被壓縮於誤差欄中的資訊，重新放回可證明、可反駁、可計算與可重建的研究框架之中。

附錄 A：核心符號表

符號	意義
$X$	潛在狀態空間
$Y$	觀測空間
$Z$	重建空間
$x_t$	潛在狀態
$y_t$	實際觀測
$z_t$	重建狀態
$\mathcal{O}_t$	觀測算子
$\mathcal{E}_t$	重建算子
$H_t$	模擬觀測算子
$F_t$	重建空間中的動態算子
$T_n^{(b)}$	基數 $b$ 、精度 $n$ 的有限投影
$R_n^{(b)}$	基數 $b$ 、精度 $n$ 的尺度資訊殘差
$\mathcal{A}_t$	可容許區域
$\mathcal{C}_t$	已證區域
$\mathcal{U}_t$	未決區域
$I_t^{\mathrm{obs}}$	觀測誘導指標
$I_t^{\mathrm{rec}}$	重建誘導指標
$\Delta_t$	跨表徵指標殘差
$\Gamma_t$	逆向可行候選集合
$\Xi_{n,m}(t)$	跨精度重建殘差

附錄 B：建議術語對照

工程或直覺用語	建議數學用語
數位孿生	觀測約束動態重建系統
現實指標	觀測誘導指標
虛擬指標	重建誘導指標
現實—虛擬指標	觀測—重建對應量
模型與現實差值	跨表徵指標殘差
動態雙向驗證	動態正向—逆向一致性檢驗
模糊區間	可容許區域或不確定性包絡
精確區間	已證區域或保證區域
尚不能判斷的區域	未決區域
模型同步現實	動態觀測同化
重建現實	觀測約束狀態重建

版本聲明

本文為理論建構初稿。文中的定義、命題與名稱旨在形成後續研究的統一語言，尚不構成對既有數學領域的替代，也不表示本文已證明所有重建程序的存在性、唯一性與穩定性。後續版本應加入：

更嚴格的函數空間假設；
可識別性定理；
穩定性與誤差傳播定理；
具體數值實驗；
與既有數學文獻的系統比較；
可重現程式碼與資料。

小數資訊殘差與觀測約束重建_OCRRT_v0.1