ワッツ・パー・インテリジェンス 第 2 部：アルゴリズム的触媒催化作用

arXiv:2604.20897v1 Announce Type: cross 要約：ワッツ・パー・インテリジェンス枠組み内におけるアルゴリズム的触媒催化作用の熱力学的理論を確立し、タスククラスに対して不可逆演算数を削減しつつ、有限の再構成および構造選択性を満たす再利用可能な計算構造を特定しました。基体とクラス記述子間のアルゴリズム的相互情報量は、任意のクラス固有の高速化を上限に定めることを証明し、この情報の導入にはランダウアのエラーによる最小熱力学的コストを課すことが示されました。これらの結果を組み合わせることで、触媒がエネルギー的に有利になるために必要な導入時間_horizon_の下限を求める結合定理が導かれました。この枠組みはアフィン SAT クラスの例によって示され、現代的な学習されたシステムを統一された情報熱力学的制約における知的計算の文脈に位置付けています。

arXiv:2604.20897v1 Announce Type: cross Abstract: We develop a thermodynamic theory of algorithmic catalysis within the watts-per-intelligence framework, identifying reusable computational structures that reduce irreversible operations for a task class while satisfying bounded restoration and structural selectivity constraints. We prove that any class-specific speed-up is upper-bounded by the algorithmic mutual information between the substrate and the class descriptor, and that installing this information incurs a minimum thermodynamic cost via Landauer erasure. Combining these results yields a coupling theorem that lower-bounds the deployment horizon required for a catalyst to be energetically favourable. The framework is illustrated on an affine SAT class and situates contemporary learned systems within a unified information-thermodynamic constraint on intelligent computation.