Επιδιασκοπείο Πολυκάρπου

Κάθε οικονομική τιμή κωδικοποιείται χρησιμοποιώντας πρώτους αριθμούς ως βάσεις εκθετικής κωδικοποίησης. Για κάθε τύπο δείκτη (ΑΕΠ, ανεργία, τουρισμός, κ.λπ.) αντιστοιχίζεται ένα σύνολο από πρώτους αριθμούς.

Η κωδικοποίηση: encoded = Π(p_i ^ e_i), όπου p_i είναι πρώτοι αριθμοί και e_i εκθετικά βάθματα που προκύπτουν από την κανονικοποιημένη τιμή. Αυτό διασφαλίζει μοναδική αναπαράσταση κάθε τιμής στον χώρο των πρώτων.

Η χρονοσειρά μετασχηματίζεται σε σπειροειδή τροχιά σε 3D χώρο. Τρεις τύποι σπείρας υποστηρίζονται:

• Fibonacci: r = v · φ^t, θ = 2πt/φ — χρησιμοποιεί τον χρυσό λόγο φ ≈ 1.618

• Αρχιμήδεια: r = v·(t+1), θ = 2πt — σταθερό βήμα ακτίνας

• Λογαριθμική: r = v·e^(0.1t), θ = 2πt — εκθετική αύξηση ακτίνας

Σύμφωνα με τη θεωρία Πολυκάρπου, η σπείρα είναι η φυσική έδρα των πρώτων αριθμών: αυτοί περιλαμβάνονται μεταξύ 1 και 2 διαστάσεων — πάνω στη γραμμή των R αριθμών και ταυτόχρονα πάνω σε σπείρα, είτε αυτή εκτείνεται σε επίπεδη είτε σε κυρτή επιφάνεια.

Οι σπειροειδείς συντεταγμένες (x, y, z, value) ενσωματώνονται σε πολλαπλότητα N διαστάσεων. Τα χαρακτηριστικά περιλαμβάνουν:

Γραμμικούς όρους (x, y, z, value), διασταυρωματικούς όρους (x·y, x·z, y·z), και μη-γραμμικούς μετασχηματισμούς (sin(x), cos(y), log|value|, value², ‖v‖).

Ο αριθμός των διαστάσεων ελέγχει την εκφραστική ικανότητα του μοντέλου.

Στο πνεύμα της θεωρίας Πολυκάρπου, οι ανώτερες διαστάσεις δεν είναι τελικός προορισμός αλλά πηγή προβολών: από τις ανώτερες διαστάσεις προκύπτουν προβολές στις κατώτερες, όπου ο vortex γίνεται «σκιά» πάνω στη σπείρα και στη γραμμή των πραγματικών μετρήσεων.

Κάθε πρόβλεψη 'εξορύσσεται' μέσω συγχρονισμένου SHA-256 proof-of-work. Το σύστημα αναζητά nonce τέτοιο ώστε το hash του block να ξεκινά με τον αριθμό μηδενικών που ορίζει η δυσκολία.

Η εξόρυξη δημιουργεί αλυσίδα blocks (blockchain) όπου κάθε block περιέχει το hash του προηγούμενου, διασφαλίζοντας αμετάβλητο ιστορικό προβλέψεων.

Μετράται hashrate (hashes/sec), mining time και nonce — μετρικά που τροφοδοτούν τον υπολογισμό εμπιστοσύνης.

Η εμπιστοσύνη κάθε πρόβλεψης υπολογίζεται ως: C = min(100, (workDone / 1000) · difficulty),

όπου workDone = hashrate × miningTime. Προσαρμόζεται με τη θέση vortex: κοντά στο κέντρο (‖v‖ < 1) μειώνεται κατά 20%, μακριά (‖v‖ > 5) αυξάνεται κατά 10%.

Υψηλότερη δυσκολία → περισσότερο work → υψηλότερη εμπιστοσύνη, αλλά μεγαλύτερος χρόνος εξόρυξης.

Η θεωρία Πολυκάρπου τοποθετεί τους πρώτους αριθμούς χαμηλά στον χώρο των διαστάσεων: όλοι οι πρώτοι περιλαμβάνονται μεταξύ 1 και 2 διαστάσεων — πάνω στη γραμμή των R αριθμών (1 διαστάση) και ταυτόχρονα πάνω σε σπείρα, σε επίπεδη ή σε κυρτή επιφάνεια.

Έτσι, δεν ανεβαίνουμε αλλά προβάλλουμε από τις ανώτερες προς τις κατώτερες διαστάσεις: υπολογίζουμε τον vortex/πολλαπλότητα των υψηλότερων διαστάσεων από τα δεδομένα και ρίχνουμε τη σκιά του στις κατώτερες — εκεί όπου ζουν οι πρώτοι αριθμοί.

Η ελάχιστη εντροπία των πρώτων αριθμών (σε αντίθεση με τους σύνθετους) είναι καθιερωμένο, γνωστό στοιχείο της αριθμητικής, αποδεδειγμένο από άλλους ερευνητές — η συνεισφορά του επιδιασκοπείου Πολυκάρπου είναι η αξιοποίησή της: οι πρώτοι, χάρη στη χαμηλή εντροπία τους, είναι χρήσιμοι ως εργαλεία των μαθηματικών αναλύσεων και ως δομικά στοιχεία στη φύση από πλευράς αριθμητικής ποσότητας, προσχεδιασμένοι να δίνουν πιο σταθερό σύστημα εσωτερικής οργάνωσης με αναμενόμενο lifecycle και μέγεθος. Γι' αυτό τους χρησιμοποιούμε ως δομικά σταθερούς λίθους για την οικοδόμηση των σχηματικών μας αναπαραστάσεων και των μαθηματικών μας μοντέλων.

Δεν τους χρησιμοποιούμε μόνο ως γινόμενα: με εκθετικό, ριζικό, κλασματικό, προσθετικό, αφαιρετικό ή διαιρετικό τρόπο — γενικά με όλους τους τρόπους αλγεβρικών πράξεων και πολυωνυμικών συνταγών (ριζές, δυνάμεις, κλασματικοί εκθέτες πάνω στους πρώτους, άρρητοι αριθμοί με άλλους άρρητους εκθέτες) — παράγουμε το χρονοτοπογράφημα που καθορίζουν τα δεδομένα μας.

Ποτέ δεν χρησιμοποιούμε άλλους εκτός από πρώτους αριθμούς στις αναλύσεις και τις συγκρίσεις μας· όλοι οι υπόλοιποι αναφέρονται μόνο ως προκύπτοντες από ημιτελή ανάλυση ανώτερων σπειρών του φράκταλ μας — σπειρών που, για πρακτικότητα και εξοικονόμηση χρόνου, δεν απεικονίζουμε με ακρίβεια, χωρίς αυτό να επηρεάζει τη λύση που δίνει η μέθοδος.

Αναδρομικά: επισκιάζουμε τις προηγούμενες μετρήσεις με τη σκιά του υπολογισμένου vortex, ελέγχοντας πόσο ταιριάζουν οι επιμέρους παράμετροί του — γωνίες, συχνότητες, συσπειρώσεις (clustering), πλάτος και ύψος. Με αυτό αξιολογούνται οι παρελθοντικές προβλέψεις (retrofit) και αντιστρόφως προβάλλεται το μέλλον: ποιες τιμές θα προκύψουν από το σχήμα μας με βάση τα δεδομένα που πήραμε.

Εφόσον ο κατάλογος των πρώτων αριθμών είναι γνωστός σε τεράστιο βαθμό — και συχνά περιλαμβάνει και πολυμύριους πρώτους — αυτό που απομένει είναι να ερμηνεύσουμε σωστά ποιες περιοχές του συνολικού σχήματος αντιπροσωπεύουν τα ελλιπόμενα σημεία της σειράς μας, ώστε να συμπληρώσουν το ελλιπές σχήμα και να βελτιώσουν την ανάλυση μας.

Σε κάθε κομβικό σημείο όπου ξεκινάμε να αναλύουμε, ξεκινάμε σαν από ένα καινούργιο παρόν — που είναι η αρχή των αξόνων μας, όπως το κέντρο μιας μαύρης τρύπας.

Από την κατεύθυνση του μέλλοντος λειτουργεί όπως έχουμε περιγράψει — με τις εξτραπο-ελίξεις (extrapolations) — αλλά προς τα πίσω, παρελθοντικά, αυτό αντιστρέφεται.

Όταν το κοιτάζουμε από το εκάστοτε παρόν σημείο, εμφανίζεται ως υπο-διάσταση: είτε ως φράκταλ μεταξύ της μηδενικής και της 1ης διάστασης, είτε ως μεικτός φράκταλ-μιγαδικός (complex numbers), είτε ως φανταστικοί αριθμοί — δηλαδή έχουν αντίστροφη ροπή και φορά περιστροφής στο vortex του συνόλου των αριθμών.

Το παρελθόν μέσα στο ιστορικό χρονικό πλαίσιο που εξετάζουμε, ανάλογα με τη συχνότητα — δηλαδή με την ημιπερίοδο της δειγματοληψίας των δεδομένων που έχουμε επιλέξει — καθορίζει το σχήμα και το μέγεθος του manifold/vortex/σπείρας που εξετάζουμε, και έτσι γνωρίζουμε ποιοι πρώτοι αριθμοί σχετίζονται.