Ushbu tadqiqot turli psixopatologik alomatlarni yagona fiziologik nazorat o‘zgaruvchisi bo‘ylab yuzaga keladigan geometrik holatlar sifatida izohlash mumkinmi, degan savolni qo‘yadigan Gain–Curvature–Annihilation (GCA) nomli nazariy doirani taklif qiladi. Model markazidagi o‘zgaruvchi neyromodulyator gaindir; xususan, locus coeruleus–noradrenalin (LC–NA) tizimining miya tarmoqlaridagi qo‘zg‘aluvchanlik va axborotni qayta ishlash gainini o‘zgartirishi misol sifatida olinadi. GCAning asosiy farazi shundan iboratki, ushbu gain darajasi kognitiv holatlar joylashadigan faraziy “integrativ manifold” egriligi bilan bog‘liq bo‘lishi va ayni parametr reprezentatsiyalarni bog‘lash amallarining matematik tuzilishiga ham ta’sir qilishi mumkin.

Doira uchta asosiy g‘oya o‘rtasida ko‘prik quradi. Birinchisi, hisoblash psixiatriyasidagi prediktiv kodlash va precision-weighting yondashuvidir. Ikkinchisi, ma’no va kognitiv bog‘lanishlarni tarmoq geometriyasi orqali o‘rganuvchi Ollivier–Ricci egriligi yondashuvidir. Uchinchisi esa reprezentatsiyalarni bog‘lashni Cayley–Dickson algebralari bilan modellashtiradigan giperkompleks matematik tuzilmadir. Muallif bu uch soha o‘rtasida qurilishi mumkin bo‘lgan bog‘lanish bevosita isbotlangan biologik mexanizm emasligini alohida ta’kidlaydi.

GCAning o‘ziga xos da’vosi shuki, yagona \(g\) gain parametri ham integrativ manifold egriligiga \(\kappa(g)\), ham reprezentatsiyani bog‘lash amalining sedenion algebrasidagi nol bo‘luvchilar to‘plamiga bo‘lgan masofasiga \(d(g,Z)\) ta’sir qilishi mumkin. Manba ushbu farazdan uchta nazariy rejimni keltirib chiqaradi: kalibrlangan kognitsiya, egrilik diapazoni torayadigan “flattening” holati va reprezentatsiyalarni bog‘lash buzuvchi tarzda muvaffaqiyatsiz bo‘lishi mumkin bo‘lgan “annihilation” holati. Ular mos ravishda sog‘lom kognitsiya, kayfiyat/xavotir patologiyasi va og‘ir fikr parchalanishi bilan bog‘lanadi; biroq bu moslashtirishlar hozircha eksperimental tasdiqlangan klinik tasniflar emas.

Ishning ilmiy qiymatining muhim qismi spekulyativ taklifni falsifikatsiya qilinadigan holga keltirishga urinishidir. Muallif to‘rtta ochiq testni taklif qiladi: EEGning aperiodik 1/f komponenti va pupilometriya yordamida neyromodulyator gain–egrilik munosabatini sinash; oktanion va sedenion modellarini buzuvchi bog‘lash nuqtai nazaridan taqqoslash; semantik tarmoqlardagi egrilik o‘zgarishi qirra masshtabiga xos artefaktmi yoki yashirin giperbolik geometriya o‘zgarishimi, shuni sinash; nihoyat, turli tillarning munosabat bildiruvchi so‘z boyligi modeldagi “annihilation” hududiga masofa bilan bog‘liqmi, shuni o‘rganish.

Turkiya nuqtai nazaridan: GCA hozirgi bosqichda hech bir mamlakatga xos klinik natija bermaydi. Uning Turkiyada qo‘llanishi faqat tadqiqot gipotezasi darajasida ko‘rib chiqilishi mumkin. Bunday tekshiruv uchun turkcha erkin assotsiatsiya yoki verbal fluency ma’lumotlaridan semantik tarmoqlar tuzish, EEGning aperiodik 1/f komponentini o‘lchash, pupilometriya, psixiatrik klinik guruhlarni aniq belgilash va oldindan ro‘yxatdan o‘tkazilgan statistik tahlil rejalaridan foydalanish talab etiladi. Ishdagi geometrik yoki algebraik farazlardan tashxis, davolash yoki individual bemor natijasini chiqarib bo‘lmaydi.

GCA qanday savol beradi?

Ishning boshlang‘ich savoli — xavotirda kuzatiladigan assotsiativ torayish, depressiyadagi takrorlanuvchi ruminatsiya va og‘ir fikrlash buzilishlaridagi parchalangan nutq kabi bir-biridan farqli ko‘rinadigan psixopatologik hodisalar mutlaqo mustaqil jarayonlar bo‘lishi shartmi, degan masaladir.

GCA ularning bir qismi yagona regulyator fiziologik o‘zgaruvchining turli ish zonalarida paydo bo‘ladigan geometrik oqibatlar bo‘lishi mumkinligini taklif qiladi. Bu o‘zgaruvchi, ayniqsa, locus coeruleus–noradrenalin tizimining neyromodulyator gaini orqali ifodalanadi.

Bu taklif manbaning o‘z ta’biri bilan conjecture, ya’ni sinab ko‘riladigan farazdir. Ishda GCAny tasdiqlaydigan yangi bemor kohortasi, miya tasvirlash eksperimenti, EEG eksperimenti yoki farmakologik aralashuv mavjud emas.

“Integrativ manifold” nima?

Muallif mental holatlarni bevosita alohida neyron faolliklari sifatida emas, balki yuqori o‘lchamli geometrik fazoda joylashgan integratsiyalashgan kognitiv holatlar sifatida modellashtirishni taklif qiladi. Ushbu faraziy Riemann manifoldiga:

integrative manifold — integrativ manifold

nomi beriladi.

Ko‘rish, eshitish va hid bilish kabi modalitetlar bu yashirin kognitiv manifoldning turli koordinata tizimlari yoki “chart”lari sifatida tasavvur qilinishi mumkinligi taklif etiladi.

GCAning yanada kuchli va spekulyativ taklifi esa ma’no bitta tugundagi faollik kuchi emas, balki holatlar orasidagi lokal egrilik bilan bog‘liq bo‘lishi mumkinligidir.

Bu adabiyotda o‘rnatilgan neyrobiologik fakt emas, modelning ta’rifiy farazi sifatida qaralishi lozim.

Ollivier–Ricci egriligi qanday ishlatiladi?

Ishda tarmoq qirrasining Ollivier–Ricci egriligi:

\[ \kappa(u,v) = 1- \frac{W_1(m_u,m_v)} {d(u,v)} \]

ko‘rinishida beriladi.

Bu yerda \(W_1\), \(u\) va \(v\) tugunlari atrofidagi ehtimollik taqsimotlari orasidagi 1-Wasserstein masofasini; \(d(u,v)\) esa tarmoq bo‘ylab masofani ifodalaydi.

Bu o‘lchovning muhim xususiyati tugunlarning yakka xususiyatlaridan ko‘ra bog‘lanish atrof-muhitlarining bir-biriga nisbatan tuzilishini o‘lchashidir. Shu sababli muallif semantik tarmoq egriligini “munosabatli ma’no”ning ehtimoliy geometrik indikatori sifatida ko‘radi.

Diskret tarmoq egriligi haqiqatan uzluksiz Ricci egriligiga tengmi?

Yo‘q. Ish bu nuqtada muhim chegarani belgilaydi. Manbada keltirilgan matematik natija tasodifiy geometrik graflarning Ollivier egriligi mos uzluksiz limitda ostidagi Riemann manifoldining Ricci egriligiga yaqinlashishi mumkinligini, ammo bu bevosita eng yaqin qo‘shni qirra masshtabida yuz bermasligini aytadi.

Konvergentsiya uchun mos qayta masshtablash va mezoskopik qo‘shnichilik masshtabi talab qilinadi.

Shu bois semantik tarmoqlarda o‘lchangan qirra egriligini bevosita “miyaning fizik Ricci egriligi” deb talqin qilish manba ishining o‘zi ham qabul qilmaydigan haddan tashqari umumlashtirish bo‘ladi.

Yashirin giperbolik geometriya farazi

Manba heterogen daraja taqsimotlari va metrik tuzilishga ega murakkab tarmoqlarni effektiv giperbolik geometriyaning aks-sadosi sifatida modellashtirish mumkinligi haqidagi tarmoq geometriyasi adabiyotini GCA bilan bog‘laydi.

Ushbu bog‘lanish orqali semantik tarmoqning kuzatiladigan qirra tuzilishi “boundary — chegara”, kuzatilmaydigan yuqori o‘lchamli kognitiv tuzilma esa “bulk/ichki hajm” sifatida talqin qilinadi.

GCA keyin depressiya bilan bog‘langan semantik egrilik farqlari faqat kuzatiladigan tarmoq chegarasida emas, balki ehtimoliy yashirin giperbolik geometriyaning kengroq masshtabli deformatsiyasida ham mavjud bo‘lishi mumkinligini taklif qiladi.

Bu taklif ishning P3 bashoratida bevosita sinab ko‘riladigan gipotezaga aylantiriladi.

Neyromodulyator gain nima?

LC–NA tizimi nishon neyron tarmoqlaridagi javob egri chizig‘i gainini o‘zgartirishi mumkin. Adaptiv gain yondashuvida locus coeruleusning tonik va fazik faollik rejimlari organizmning mavjud ma’lumotga diqqat qaratishi bilan yangi variantlarni izlash o‘rtasidagi exploitation–exploration muvozanatiga bog‘lanadi.

GCA ushbu fiziologik tushunchani geometrik o‘zgaruvchi sifatida talqin qiladi.

Ishning asosiy farazi:

\[ \kappa=\kappa(g) \]

ko‘rinishidadir.

Bu yerda \(g\) neyromodulyator gain, \(\kappa\) esa integrativ manifoldning effektiv egriligidir.

Yuqori gainmi yoki past gainmi patologik hisoblanadi?

Manba bu masalada ayniqsa bir yo‘nalishli da’vodan qochadi.

Muallif LC–noradrenalin adabiyotini depressiya va stress bilan bog‘liq psixopatologiyalarda oddiygina “ko‘p noradrenalin yomon” yoki “kam noradrenalin yomon” deb tushuntirib bo‘lmasligini ta’kidlaydi.

GCAning asosiy da’vosi gain va egrilikning bog‘langan bo‘lishi; buzilish qaysi yo‘nalishdagi gain o‘zgarishidan kelib chiqishi esa eksperimental savol sifatida qoldiriladi.

Demak, modelning patologik parametri doimiy ravishda “yuqori” yoki “past” gain emas, balki dysregulated gain — buzilgan gain sozlanishi yoki toraygan tonik/fazik dinamik diapazondir.

Prediktiv kodlash bilan bog‘lanishi nimada?

Prediktiv kodlash yondashuvlarida miya bashoratlar va bashorat xatolari orasida ierarxik inferensiya qiluvchi tizim sifatida qaraladi. Turli axborot manbalariga beriladigan og‘irlik ularning “precision — aniqlik” darajasi bilan bog‘liq.

Manba precision-weighting biologik jihatdan neyromodulyator sinaptik gain bilan bog‘langan hisoblash psixiatriyasi adabiyotidan kelib chiqadi.

GCAnyng qo‘shgan yangi taklifi quyidagicha:

Hisoblash darajasida “precision/gain” sifatida ko‘rinadigan o‘zgaruvchi geometrik darajada manifold egriligining o‘zgarishi sifatida o‘lchanishi mumkin.

Bu bog‘lanish hozircha eksperimental ravishda ko‘rsatilmagan.

EEGning aperiodik 1/f komponenti nega muhim?

GCAnyng sinab ko‘rilishini kuchaytiradigan jihatlardan biri abstrakt \(g\) parametriga o‘lchanadigan fiziologik proksi izlashidir.

Ish EEG/MEG quvvat spektridagi periodik ossillyatsiyalardan tashqari aperiodik 1/f komponentini nomzod o‘lchov sifatida ishlatishni taklif qiladi.

Aperiodik spektral qiyalik qo‘zg‘alish–tormozlanish muvozanati bilan bog‘langan; yassiroq va tikroq spektral qiyaliklar turli tarmoq tonlariga mos kelishi mumkinligi adabiyotdan keltirilgan.

Manba, shuningdek, davolashga chidamli depressiyada ventromedial prefrontal korteksdagi aperiodik faollik simptom og‘irligi o‘zgarishlari bilan bog‘liqligini bildirgan avvalgi tadqiqotni GCA uchun fiziologik ko‘prik sifatida ishlatadi.

Biroq GCA ishining o‘zi hech qanday EEG yozuvini yig‘magan.

Ruminatsiya geometrik jihatdan qanday talqin qilinadi?

Ruminatsiya, ayniqsa depressiyada uchraydigan takroriy va shaxs diqqatini o‘ziga qaratadigan fikrlash shakli sifatida ko‘riladi.

GCA buni “yuqori egrilikli attractor holati — high-curvature attractor” deb geometrik tarzda qayta talqin qiladi.

Modeldagi faraziy mexanizm salbiy yoki dispersiv egrilik diapazonining yo‘qolishi kognitiv holatning mavjud attraktor havzasidan chiqishini qiyinlashtirishidir.

Shunga ko‘ra, shaxsning bir xil self-referential fikr doirasida qolishi “semantic sink — semantik chuqurlik” sifatida tasavvur qilinishi mumkin.

Bu manbada taklif qilingan mexanik-geometrik talqindir; ruminatsiyaning klinik sababi haqiqatan tarmoq egriligi ekanligi ko‘rsatilmagan.

Cayley–Dickson algebralari ishga nega kiritiladi?

GCA nafaqat tarmoq geometriyasini, balki ikki reprezentatsiyaning yagona butunga qanday bog‘lanishini ham matematik modellashtirmoqchi.

Shu maqsadda bog‘lash amali bilinear ko‘paytma:

\[ x\circ y \]

sifatida qaraladi va reprezentatsiya fazosi Cayley–Dickson algebra oilasi bilan modellashtiriladi.

Bu ketma-ketlikda:

• haqiqiy sonlar,
• kompleks sonlar,
• kvaternionlar,
• oktanionlar

normali bo‘linish algebralari chegarasigacha boriladi.

Keyingi tuzilma bo‘lgan sedenionlarda esa nol bo‘luvchilar paydo bo‘ladi.

Nol bo‘luvchi nima?

Nol bo‘luvchi nol bo‘lmagan ikki element ko‘paytmasining nol bo‘lishiga imkon beradi:

\[ x\neq0,\qquad y\neq0,\qquad x\circ y=0 \]

Oktanion kabi bo‘linish algebralarida nol bo‘lmagan ikki elementning ko‘paytmasi nol bo‘la olmaydi.

Sedenionlarda esa bunday juftliklar mavjud.

GCAnyng spekulyativ neyropsixologik moslashtirishi “ikkala reprezentatsiya ham mavjud bo‘lsa-da integratsiya natijasining yo‘qolishini” matematik ravishda mana shunday nol bo‘luvchi tuzilmasi bilan ifodalashdir.

Muallif bu foydalanish ayniqsa sig‘imni oshirish uchun emas, balki destructive binding — buzuvchi bog‘lash ehtimolini ifodalash uchun tanlanganini aytadi.

G2 guruhining roli nima?

Manba normasi bir bo‘lgan va ko‘paytmalari nolga teng sedenion juftlari geometriyasi kompakt istisno Lie guruhi \(G_2\) bilan bog‘liq ekanini ko‘rsatuvchi matematik natijadan foydalanadi.

Ishda keltirilgan ifoda:

\[ G_2 \rightarrow V_{7,2} \]

fibratsiyasi va \(S^3\) tolasi orqali nol bo‘luvchilar xilma-xilligining \(G_2\) tuzilmasi bilan bog‘liqligidir.

\(G_2\) ayni paytda oktanionlarning avtomorfizm guruhidir.

GCA ushbu matematik bog‘lanishni reprezentatsiya bog‘lash xatolari \(G_2\)-tuzilmali hududda joylashadimi-yo‘qmi, shuni tekshirish uchun ishlatish mumkinligini taklif qiladi.

Biroq inson miyasida sedenion algebrasi yoki \(G_2\) simmetriyasi amalda qo‘llanayotganini ko‘rsatadigan ma’lumot bu ishda mavjud emas.

Bir-parametrli GCA trayektoriyasi

Ikkinchi asosiy faraz:

\[ g \longrightarrow \left[ \kappa(g),\, d(g,Z) \right] \]

ko‘rinishida umumlashtiriladi.

Bu yerda \(Z\) sedenion nol bo‘luvchilar xilma-xilligini; \(d(g,Z)\) esa tizimning buzuvchi bog‘lash hududiga nazariy masofasini bildiradi.

Manba uchta nazariy rejimni belgilaydi:

Bu jadval klinik bosqichlash tizimi emas. U GCAning sinab ko‘rilishi kerak bo‘lgan matematik modelini umumlashtiradi.

Boundary–bulk gipotezasi nima?

Ish semantik tarmoqning bevosita kuzatiladigan qirra tuzilishini “boundary — chegara”, kognitiv tashkilotning faraziy yashirin geometriyasini esa “bulk — ichki hajm” deb qaraydi.

Muallif Gauss–Bonnet kabi differensial-geometrik munosabatlardan ilhomlanib kuzatiladigan qirra egriligi o‘zgarishi kengroq geometriyaning proyeksiyasi bo‘lishi mumkinligini taklif qiladi.

Shunga ko‘ra, depressiya tarmoqlarida xabar qilingan salbiy egrilikning susayishi faqat lokal tarmoq bog‘lanishlaridan emas, balki yashirin giperbolik geometriyaning “yassilanishi”dan kelib chiqishi mumkin.

Bu GCAning P3 tajribasi bevosita sinaydigan gipotezadir.

Ish qo‘llab-quvvatlaydigan ilmiy nuqtalar

• Ollivier–Ricci egriligi tarmoq qirralari atrofidagi tuzilmani tavsiflovchi yaroqli matematik o‘lchovdir.
• Mos sharoitlarda diskret Ollivier egriligi va uzluksiz Ricci egriligi orasida mezoskopik masshtabdagi konvergentsiya natijalari mavjud.
• Murakkab tarmoqlarni giperbolik geometriyalar bilan modellashtirish bo‘yicha shakllangan matematik adabiyot mavjud.
• LC–noradrenalin tizimi tarmoq gaini va exploration–exploitation muvozanati bilan bog‘lanadi.
• Aperiodik EEG/MEG spektral komponentlari qo‘zg‘alish–tormozlanish muvozanatini o‘rganishda qo‘llanadi.
• Oktanionlar normali bo‘linish algebrasidir; sedenionlarda nol bo‘luvchilar mavjud.
• Sedenion nol bo‘luvchilari geometriyasi bilan \(G_2\) o‘rtasida matematik bog‘lanishlar mavjud.

Ish isbotlamagan nuqtalar

• Miyada ma’no haqiqatan Ricci egriligi sifatida kodlanishi ko‘rsatilmagan.
• LC–NA gaini inson semantik tarmoq egriligini bevosita belgilashi eksperimental ko‘rsatilmagan.
• Depressiya geometrik jihatdan “yassilangan manifold” ekani isbotlanmagan.
• Ruminatsiya yuqori-egrilikli attractor holati ekani bevosita ko‘rsatilmagan.
• Inson kognitiv reprezentatsiyalarni bog‘lash jarayoni oktanion yoki sedenion algebrasidan foydalanishi ko‘rsatilmagan.
• Shizofreniya, psixoz yoki og‘ir fikrlash buzilishi sedenion nol bo‘luvchilari tufayli yuzaga kelishi ko‘rsatilmagan.
• \(G_2\) guruhi miyada fizik neyrobiologik tuzilma sifatida mavjudligi haqida ma’lumot berilmagan.
• Uch GCA rejimi klinik tashxis yoki kasallik bosqichi emas.

Ishning usuli va natijalari

Bu ishda klassik ma’noda tajriba bormi?

Yo‘q. Ish yangi bemor namunasi, laboratoriya eksperimenti, tasvirlash ma’lumotlar to‘plami yoki randomizatsiyalangan aralashuvni hisobot qilmaydi.

Usul turli tadqiqot sohalarida e’lon qilingan matematik va empirik natijalarni birlashtirib, ulardan yangi falsifikatsiya qilinadigan nazariy model yaratishdan iborat.

Shuning uchun ishning “natijalari” yangi o‘lchangan ko‘rsatkichlardan ko‘ra:

• ikki asosiy faraz,
• uch nazariy rejim,
• bitta boundary–bulk gipotezasi,
• to‘rtta falsifikatsiya bashorati

sifatida baholanishi kerak.

Conjecture 1: Gain egrilikni belgilaydimi?

Birinchi asosiy faraz:

\[ \kappa=\kappa(g) \]

munosabatidir.

GCA neyromodulyator gain o‘zgarganda kognitiv holatlar fazosining effektiv geometriyasi ham o‘zgarishini taklif qiladi.

Model, ayniqsa, patologiya gainning faqat bir yo‘nalishda ortishi yoki kamayishi emas, balki moslashuvchan gain diapazonining buzilishi bilan bog‘liq bo‘lishi mumkinligini ta’kidlaydi.

Conjecture 2: Bitta parametr ikki tizimni birdan belgilaydimi?

Ikkinchi va kuchliroq faraz shuki, ayni \(g\) o‘zgaruvchisi ham:

\[ \kappa(g) \]

egrilikni, ham:

\[ d(g,Z) \]

nol bo‘luvchilar xilma-xilligiga masofani belgilaydi.

Bu ikki funksiya bir xil biologik nazorat parametri tomonidan boshqarilishi ko‘rsatilmagan; bu GCAning eng o‘ziga xos va eng xavfli gipotezasidir.

P1: Gain–egrilik fiziologik ko‘prigi

P1 ishning eng bevosita neyrofiziologik testidir.

Manba ikkita ehtimoliy dizaynni taklif qiladi:

• noradrenergik tonusni o‘zgartiruvchi farmakologik aralashuvlar bilan ikki tomonlama ko‘r, takroriy o‘lchovli crossover dizayni,
• yoki farmakologik aralashuvsiz EEGning aperiodik 1/f eksponenti va pupilometriyani gain proksisi sifatida ishlatadigan korrelyatsion dizayn.

Semantik tarmoq standart verbal fluency yoki erkin assotsiatsiya vazifasi bilan tuziladi; Ollivier–Ricci egriligi hisoblanadi.

Qo‘zg‘alish darajasi, vazifaga jalb etilish, bosh harakati, dori ishlatish va kofein manbada alohida ehtimoliy confounderlar sifatida ko‘rsatilgan.

Muallifning aniq falsifikatsiya mezoni gain proksisi bilan \(\kappa\) o‘rtasida birga o‘zgarish topilmasligidir.

P2: Oktanionmi yoki sedenionmi?

GCAning algebraik qismini haqiqatan zarur qilishi mumkin bo‘lgan test P2dir.

Giperkompleks reprezentatsiya modeli ikki shaklda quriladi:

• oktanion asosli model,
• sedenion asosli model.

Oktanionlarda nol bo‘luvchilar yo‘qligi sababli nol bo‘lmagan ikki reprezentatsiyaning aynan bir-birini yo‘q qilishi mumkin emas.

Sedenionlarda esa:

\[ x\neq0,\quad y\neq0,\quad xy=0 \]

mumkin.

GCA to‘g‘ri bo‘lsa, buzuvchi bog‘lash hodisalarini sedenion modeli tushuntirishi va bu xatolar \(G_2\) bilan bog‘liq nol bo‘luvchi hududida joylashishi kutiladi.

Agar oktanion modeli bir xil xatti-harakatni yetarlicha tushuntirsa, manba sedenion tuzilmasi ortiqcha bo‘lishini ochiq tan oladi.

P3: O‘lchangan egrilik sirt artefaktimi?

Bu tajribada ayni tarmoq egriligi:

• alohida qirra masshtabida,
• mezoskopik qo‘shnichilik masshtabida

hisoblanadi.

So‘ng tarmoq giperbolik fazoga joylashtirilib yashirin geometriya egriligi \(K\) baholanadi.

Agar klinik guruh bilan bog‘liq egrilik farqi mezoskopik masshtabda kuchaysa va yashirin \(K\) bilan birga o‘zgarsa, GCAning boundary–bulk talqini qo‘llab-quvvatlanadi.

Agar farq coarse-graining bilan yo‘qolsa, manba buni Section 7 gipotezasining muvaffaqiyatsizligi deb belgilaydi.

P4 nega eng spekulyativ bashorat?

To‘rtinchi taklif tilning munosabatli tushunchalarni yaratish qobiliyati giperkompleks modeldagi nol bo‘luvchi hududiga masofa bilan bog‘liq bo‘lishi mumkinligini taklif qiladi.

Manba buni, masalan, hidga oid munosabatlarni batafsil kodlay oladigan so‘z tizimlariga ega tillar orqali sinashni taklif qiladi.

Muallif P4ni to‘rtta bashorat ichidagi eng mo‘rt va spekulyativ kengaytma deb o‘zi ham belgilaydi.

Ishning metodologik kuchli tomoni

Manbaning kuchli tomoni spekulyatsiyasini yashirmasligidir. Matematik jihatdan o‘rnatilgan natijalar bilan GCAning biologik talqinlari ajratiladi va “mathematical analogy is not identity” tamoyili ochiq aytiladi.

Bundan tashqari, modelning to‘rtta tanqidiy qismiga mos bevosita falsifikatsiya shartlari yozilishi faqat analogiyaga asoslangan ko‘plab nazariy ishlarga qaraganda kuchliroq ilmiy doira beradi.

Ishning asosiy cheklovlari

Eng katta cheklov GCAning markaziy bog‘lanishlari hozircha eksperimental o‘lchanmaganidir.

Xususan:

• \(g\rightarrow\kappa\) munosabati o‘lchanmagan,
• \(g\rightarrow d(g,Z)\) munosabati o‘lchanmagan,
• sedenion algebrasi neyron reprezentatsiya bog‘lanishiga mos kelishi ko‘rsatilmagan,
• uch rejim haqiqiy bemorlarda longitudinal kuzatilmagan,
• semantic-network egriligi va fiziologik manifold egriligi o‘rtasida bevosita ekvivalentlik o‘rnatilmagan.

Manbaning o‘zi ham bu chegarani ochiq tan olib, integrativ manifold “ong moddasi” emas, kognitiv holatlar fazosining taklif etilgan effektiv geometriyasi ekanini aytadi.

Manba va usul eslatmasi

To‘liq asl ish nomi: Gain, Curvature, and Annihilation — A Neuromodulatory–Geometric Conjecture Linking Locus Coeruleus Gain, Semantic-Network Curvature, and Hypercomplex Binding Failure

Muallif: Demetrios Chiuratto Agourakis.

Mualliflar soni: Bir muallifli ish.

Teng hissa/teng birinchi mualliflik: Qo‘llanmaydi.

ORCID: 0000-0002-8596-5097.

Manbada berilgan affiliatsiya: Faculdade São Leopoldo Mandic, Campinas, SP, Brazil.

Aloqa: demetrios@agourakis.med.br.

Mas’ul/aloqa muallifi: Ish bir mualliflidir; SSRN bibliografik yozuvi Demetrios Agourakisni “Contact Author” sifatida indekslaydi.

Manba turi: Falsifikatsiya qilinadigan nazariy faraz/gipoteza ishlab chiqish ishi; hisoblash psixiatriyasi, neyromodulyatsiya, tarmoq geometriyasi va giperkompleks algebraning konseptual sintezi.

Peer-review holati: Ushbu ish peer-reviewdan o‘tmagan preprintdir. Markaziy GCA da’volari yangi eksperimental ma’lumotlar bilan tasdiqlangan natijalar emas.

Manbada ko‘rsatilgan sana: 14 iyun 2026.

Platforma: SSRN.

SSRN identifikatori: 6938338.

DOI: 10.2139/ssrn.6938338

Rasmiy havola: https://ssrn.com/abstract=6938338

DOI havolasi: https://doi.org/10.2139/ssrn.6938338

Jurnal/jild/son: Ko‘rib chiqilgan versiya uchun peer-review qilingan jurnal, jild yoki son ma’lumoti mavjud emas.

Litsenziya: Ko‘rib chiqilgan manbada Creative Commons yoki unga teng ochiq qayta foydalanish litsenziyasi aniq ko‘rsatilmagan.

Moliyalashtirish: Ko‘rib chiqilgan versiyada alohida moliyalashtirish bayonoti mavjud emas.

Manfaatlar to‘qnashuvi: Muallif raqobat qiluvchi manfaatlar yo‘qligini bildiradi.

Etika qo‘mitasi: Manba yangi inson yoki hayvon ishtirokidagi tajriba haqida hisobot bermaydi; alohida etika tasdiq raqami ham berilmagan.

Ma’lumot/kod mavjudligi: Yangi eksperimental ma’lumotlar to‘plami yoki GCAny amalga oshiruvchi kod repozitoriysi uchun alohida data/code availability bayonoti manbada mavjud emas.

AI ishlatilishi bayonoti: Muallif ishni ishlab chiqishda Anthropic Claude Opus 4.8dan g‘oya yaratish, strukturaviy tashkil etish, adabiyot qidirish va cross-reference, matematik bayon va draft tayyorlash maqsadlarida vosita sifatida foydalanilganini ochiq aytadi. Asosiy g‘oyalar, soha doirasi va ilmiy talqinlar muallifga tegishli ekani; model chiqishlari qayta-qayta tanqid va reviziya sikllaridan o‘tkazilgani; manbalar birlamchi ishlarga qarshi tekshirilgani va yakuniy ilmiy mas’uliyat faqat muallifga tegishli ekani bildiriladi. Sun’iy intellekt tizimi muallif sifatida keltirilmagan.

Bibliografik tekshiruv eslatmasi: SSRNning rasmiy indeksi ish nomini, Demetrios Agourakisni, DOI 10.2139/ssrn.6938338 identifikatorini va 14 iyun 2026 sanasini tasdiqlaydi. SSRN indeksidagi affiliatsiya yorliqlari manba matnidagi muallif sarlavhasidan kengroq ko‘rinishi mumkinligi sababli ushbu Verianla matnida affiliatsiya uchun ishning o‘z birinchi sahifasidagi Faculdade São Leopoldo Mandic ma’lumoti asos qilib olingan.

Ilmiy maqom eslatmasi: Ishdagi Ollivier–Ricci egriligi, Cayley–Dickson algebralari, oktanion/sedenion farqi va tegishli matematik lemmalar bilan bu tuzilmalarni psixopatologiyaga moslashtirish bir xil dalil maqomiga ega emas. Matematik natijalar mavjud adabiyotga tayanadi, \(g\rightarrow\kappa(g)\), \(g\rightarrow d(g,Z)\), GCAning uch klinik rejimi va giperkompleks bog‘lash talqini esa muallifning yangi farazlaridir.

Klinik chegara: GCA diagnostika vositasi, psixiatrik kasallik tasnifi yoki davolash tavsiyasi emas. Manbadan individual bemorning neyromodulyator gaini, depressiya og‘irligi, psixoz xavfi yoki davolashga javobini hisoblab bo‘lmaydi.

Pre-screening eslatmasi: Bu ish eksperimental natijalar maqolasi emas, balki ochiq spekulyativ, ammo falsifikatsiya qilinadigan takliflarni o‘z ichiga olgan nazariy ishdir. Verianlada faqat ushbu epistemik maqom ko‘rinadigan tarzda saqlangan holda chop etilishi kerak.

Ilmiy kontent chegarasi: Ushbu Verianla maqolasidagi GCA tushunchalari, tenglamalar, uch rejim, P1–P4 bashoratlari, matematik bog‘lanishlar va cheklovlar faqat ko‘rib chiqilgan manbaga asoslanadi. Tashqi tekshiruv faqat sarlavha, SSRN identifikatori, DOI va bibliografik sana uchun ishlatilgan; GCAny qo‘llab-quvvatlash uchun tashqaridan yangi eksperimental natijalar qo‘shilmagan.