# 十進制多尺度可序列化域：基礎方法論
## Decimal Multiscale Serializable Domain — Foundational Methodology

**版本：** v0.1  
**日期：** 2026-09-30  
**性質：** 方法論／基礎架構論文  
**暫定縮寫：** DMSD（Decimal Multiscale Serializable Domain）

---

## 摘要

本文提出一種以十進制數量級為骨架的多尺度可序列化數學域，用於處理理論上無界、實際計算上必須有限封閉的整數序列及其後續數學屬性。

核心思想不是將所有整數一次性展開，而是先序列化**尺度本身**：

\[
10^0,\;10^1,\;10^2,\;10^3,\ldots
\]

再把每個數量級區段視為一個可以延遲展開的尺度區塊。

本文提出兩種互補的全域視角：

1. **數量級金字塔視角（Magnitude Pyramid View）**
2. **序列化階梯視角（Serialized Staircase View）**

其中金字塔具有兩個相反 traversal：

- 從小尺度往大尺度：觀察數量級如何向外擴張；
- 先設定一個大尺度，再反向往較小尺度觀看：觀察大尺度如何分解為較細尺度。

階梯視角則強調同一數量級內的序列向右展開，以及不同數量級區段之間的階梯式接續。

DMSD 的核心目標可概括為：

\[
\boxed{
\text{Theoretical Unboundedness}
+
\text{Operational Bounded Closure}
+
\text{Lazy Multiscale Expansion}
}
\]

即：理論域可以無限延伸，但任何一次實際計算只處理主動指定的最大數量級、局部區域與當前解析度。

---

# 1. 問題背景

自然數序列：

\[
1,2,3,4,5,\ldots
\]

理論上沒有上界。

但任何實際程式、可視化、驗證與資料結構，都只能在有限資源下運行。

最直接的做法通常是先指定：

\[
1\le n\le N,
\]

再將全部元素展開。

當：

\[
N=10^9,\;10^{12},\;10^{15}
\]

時，這種「域大小 = 實體展開元素數」的表示很快失去可操作性。

DMSD 採取另一個原則：

> **表示一個巨大甚至理論無界的數學域，不等於必須把域中的每一個元素同時實體化。**

我們先表示尺度，再依需要展開尺度內部。

---

# 2. 十進制尺度骨架

令：

\[
S_k=10^k,
\qquad k\in\mathbb N_0.
\]

形成尺度序列：

\[
1,\;10,\;100,\;1000,\ldots
\]

正式定義第 \(k\) 個數量級層：

\[
L_k
=
\{n\in\mathbb N\mid 10^k\le n<10^{k+1}\}.
\]

因此：

\[
L_0=[1,10),
\]

\[
L_1=[10,100),
\]

\[
L_2=[100,1000),
\]

以此類推。

在視覺敘述中，可以寫成：

```text
1–10
10–100
100–1000
1000–10000
...
```

但正式計算採半開區間，以避免邊界重複。

---

# 3. 數量級索引與局部位置

對任意：

\[
n\ge1,
\]

定義數量級索引：

\[
\ell(n)=\lfloor\log_{10}n\rfloor.
\]

則：

\[
n\in L_{\ell(n)}.
\]

再定義層內標準化位置：

\[
\lambda_k(n)
=
\frac{n-10^k}{10^{k+1}-10^k}.
\]

因此：

\[
0\le\lambda_k(n)<1.
\]

任意整數可以表示為：

\[
\boxed{
n\mapsto(\ell(n),\lambda_{\ell(n)}(n))
}
\]

這使不同數量級中的局部位置可映射到同一個標準化尺度上比較。

---

# 4. 第一視角：數量級金字塔

第一種主要投影稱為：

\[
\boxed{
\text{Magnitude Pyramid View}
}
\]

中文稱為：

**數量級金字塔視角**。

金字塔的核心不是「哪一端物理上一定在上方」，而是：

\[
\boxed{
\text{Scale Hierarchy}
+
\text{Traversal Direction}
}
\]

因此必須區分兩種觀看方向。

---

# 5. 金字塔向下看：尺度擴張

第一種 traversal：

\[
L_0
\rightarrow
L_1
\rightarrow
L_2
\rightarrow
\cdots
\rightarrow
L_K.
\]

直觀上：

```text
1–10
 ↓
10–100
 ↓
100–1000
 ↓
1000–10000
 ↓
...
```

這代表：

\[
\boxed{
\text{Small Scale}
\rightarrow
\text{Large Scale}
}
\]

本文稱為：

**尺度擴張視角（Scale Expansion View）**。

它適合研究：

- 結構如何隨數量級成長；
- 某種比例是否跨尺度穩定；
- 某種現象是否只存在於小尺度；
- 是否產生漸近趨勢；
- 某些模式何時出現或消失。

---

# 6. 金字塔向上看：尺度分解

第二種 traversal 先指定一個最大尺度：

\[
L_K.
\]

例如：

\[
K=9.
\]

然後反向看：

\[
L_9
\rightarrow
L_8
\rightarrow
L_7
\rightarrow
\cdots
\rightarrow
L_0.
\]

其語義不是「數字倒著變小」，而是：

> **先選定一個大的全域尺度，再回頭查看它在更細尺度上的組成與局部結構。**

本文稱為：

**尺度分解視角（Scale Decomposition View）**。

它適合：

- global-to-local；
- coarse-to-fine；
- 大尺度異常回溯；
- 局部解析度增加；
- 由宏觀 summary 回到局部區塊。

---

# 7. 金字塔中心座標

每個 \(L_k\) 可以定義局部中心：

\[
c_k
=
\frac{10^k+(10^{k+1}-1)}{2}.
\]

定義中心偏移：

\[
\delta_k(n)=n-c_k.
\]

也可以標準化：

\[
\hat\delta_k(n)
=
\frac{n-c_k}{10^{k+1}-10^k}.
\]

因此金字塔不只是看「哪一層」，還可以看：

```text
scale
+
center
+
relative displacement
```

這使後續 property layer 可以比較不同數量級中相對於中心、邊界與局部位置的結構。

---

# 8. 第二視角：序列化階梯

第二種主要投影稱為：

\[
\boxed{
\text{Serialized Staircase View}
}
\]

中文：

**序列化階梯視角**。

其核心問題不是尺度的上下關係，而是：

\[
\boxed{
\text{同一尺度內的序列如何向右展開？}
}
\]

可以將各尺度畫為：

```text
L0 ───────────────→

       L1 ─────────────────────────→

              L2 ───────────────────────────────→

                     L3 ─────────────────────────────────────→
```

---

# 9. 階梯的層內座標

對：

\[
n\in L_k,
\]

定義局部線性位置：

\[
r_k(n)
=
n-10^k.
\]

則：

\[
r_k(n)\in[0,9\cdot10^k).
\]

因此階梯視角可以表示：

\[
\boxed{
(k,r_k(n))
}
\]

其中：

- \(k\)：數量級；
- \(r_k\)：該數量級中的向右序列位置。

---

# 10. 金字塔與階梯共用同一底層域

兩種圖不應維護兩份資料。

應採：

\[
\boxed{
\text{One Serialized Domain}
\rightarrow
\begin{cases}
\text{Magnitude Pyramid Projection}\\
\text{Serialized Staircase Projection}
\end{cases}
}
\]

因此：

- 資料只序列化一次；
- Pyramid 與 Staircase 只是不同 observation projection；
- 局部 refinement 結果可在兩個視圖間同步。

---

# 11. 理論無界域

尺度序列：

\[
L_0,L_1,L_2,\ldots
\]

理論上可無限延伸。

因此可以記作：

\[
\mathcal D_\infty.
\]

但這個「無限」不是要求系統保存無限元素，而是保存：

```text
scale-generation rule
scale-transition rule
local-refinement rule
```

使系統可以對任意有限尺度需求作出回應。

---

# 12. 運算有界閉包

實際運行時，主動指定：

\[
K_{\max}.
\]

目前 runtime 處理：

\[
\mathcal D_{K_{\max}}
=
\bigcup_{k=0}^{K_{\max}}L_k.
\]

例如：

\[
K_{\max}=12
\]

表示目前全域骨架只開到 \(10^{13}\) 以前的數量級。

形式上：

\[
\boxed{
\mathcal D_\infty
=
\lim_{K\to\infty}\mathcal D_K
}
\]

但每次計算只處理：

\[
\boxed{
\mathcal D_K.
}
\]

本文稱為：

\[
\boxed{
\text{Operational Bounded Closure}
}
\]

即：

**運算有界閉包**。

---

# 13. 無界理論與有界 runtime 並不衝突

DMSD 的核心是：

\[
\boxed{
\text{Theoretical Unboundedness}
+
\text{Operational Bounded Closure}
}
\]

理論層：

```text
永遠允許再生成下一個數量級
```

運算層：

```text
目前只負責 Kmax 以內
```

這使「無限數量級」成為一種生成能力，而不是一次性資料量。

---

# 14. 全域骨架優先

DMSD 不應一開始展開：

\[
1,2,3,\ldots,10^K.
\]

而應先只建立：

```text
L0
L1
L2
...
LK
```

即：

\[
\boxed{
\text{Global Scale Skeleton}
}
\]

如果只建立尺度層節點，節點數約為：

\[
K+1.
\]

所以全域視圖成本可以近似：

\[
O(K)
\]

而不是：

\[
O(10^K).
\]

---

# 15. 延遲解析度展開

每個尺度節點一開始只保存 summary。

例如：

```yaml
scale_block:
  level: k
  start: 10^k
  end: 10^(k+1)-1
  element_count: 9*10^k
  resolution: unopened
  summary_state: available
```

只有當：

- 使用者 zoom；
- 某個 probe 要求；
- 某個區域需要分析；
- 某個統計量需要更細解析度；

才執行局部 refinement。

---

# 16. 區塊 refinement

令：

\[
B
\]

為某區塊。

定義 refinement operator：

\[
\mathcal R(B)
=
(B_1,\ldots,B_m).
\]

因此：

\[
B
\rightarrow
B_i
\rightarrow
B_{ij}
\rightarrow
B_{ijk}
\rightarrow\cdots
\]

可以持續增加解析度。

這種策略稱為：

\[
\boxed{
\text{Lazy Multiscale Expansion}
}
\]

或：

\[
\boxed{
\text{Progressive Resolution Expansion}
}
\]

---

# 17. 示例：只展開需要的區域

假設全域骨架已設定到：

\[
10^{12}.
\]

系統不需要畫出 \(10^{12}\) 個元素。

若使用者只查看：

\[
[10^8,10^9),
\]

則只對：

\[
L_8
\]

進一步 refinement。

之後若只關心：

\[
[4\times10^8,5\times10^8),
\]

則只展開這個子區塊。

因此：

\[
\boxed{
\text{Global Represented Domain Size}
\neq
\text{Actually Computed Element Count}
}
\]

---

# 18. 解析度參數

令：

\[
\rho
\]

代表當前解析度。

同一區塊：

\[
B
\]

可以有：

\[
B^{(\rho_0)},
B^{(\rho_1)},
B^{(\rho_2)},\ldots
\]

粗解析度只保存 summary，

細解析度才逐步增加：

- 子區塊；
- 元素；
- property；
- local statistics；
- certificates。

---

# 19. 計算成本模型

傳統 naive expansion 到：

\[
10^K
\]

可能需要近似：

\[
O(10^K)
\]

元素級處理。

DMSD 希望將成本改寫成：

\[
\boxed{
C=C(K,\rho,\Omega)
}
\]

其中：

- \(K\)：最大數量級；
- \(\rho\)：需求解析度；
- \(\Omega\)：真正展開的區域。

理想情況：

\[
C(K,\rho,\Omega)
\ll
10^K
\]

只要：

\[
|\Omega|
\ll
10^K.
\]

---

# 20. 多尺度區塊物件

可將一個實際區塊暫時形式化為：

\[
B
=
(k,a,b,\rho,S,C,H),
\]

其中：

- \(k\)：scale level；
- \([a,b)\)：實際區間；
- \(\rho\)：解析度；
- \(S\)：summary state；
- \(C\)：computation / certificate state；
- \(H\)：refinement history / provenance。

這使 DMSD 可以直接被實作成 runtime object，而不只是視覺模型。

---

# 21. Pyramid 與 Staircase 的 Lazy Rendering

Pyramid 初始只需畫：

```text
L0
L1
L2
...
LK
```

Staircase 初始只需畫：

```text
L0 →
L1 →
L2 →
...
LK →
```

真正元素只在：

```text
selection
zoom
probe request
analysis
```

後展開。

因此可以把 UI 與計算 backend 分離：

\[
\boxed{
\text{Global Skeleton Rendering}
+
\text{Local Computational Expansion}
}
\]

---

# 22. Traversal 作為模型參數

DMSD 至少有三個 traversal：

\[
\tau_{\downarrow}
\]

代表：

\[
L_0\to L_1\to\cdots
\]

即小到大尺度；

\[
\tau_{\uparrow}
\]

代表：

\[
L_K\to L_{K-1}\to\cdots
\]

即大尺度到細尺度；

以及：

\[
\tau_{\rightarrow}
\]

代表同一尺度內的右向序列展開。

因此 DMSD 可以視為：

\[
\boxed{
\text{Scale}
\times
\text{Local Position}
\times
\text{Traversal}
}
\]

的數學觀測空間。

---

# 23. Domain 與 Property Layer 分離

DMSD Core 初期不應直接包含：

```text
prime
composite
square
odd
even
mod residue
```

更合理的形式是：

\[
\boxed{
\text{DMSD Core}
+
\text{Property Layers}
}
\]

底層只負責：

- 尺度；
- 區間；
- 解析度；
- refinement；
- serialization；
- traversal。

數學性質後續再疊加。

---

# 24. Property Layer

對任意 property：

\[
Q(n),
\]

可以在第 \(k\) 層定義：

\[
Q_k
=
\{n\in L_k:Q(n)\}.
\]

並定義層內密度：

\[
d_k(Q)
=
\frac{|Q_k|}{|L_k|}.
\]

也可以投影到：

\[
\lambda_k
\]

比較不同數量級下的 normalized distribution。

---

# 25. 為什麼先不要上質數

第一階段應先驗證：

> DMSD 本身是不是一個穩定、有效、可縮放、可延遲展開的數學域。

先加入簡單 property：

- odd/even；
- mod 3；
- mod 5；
- squares；
- obvious composites。

如果連這些在 Pyramid / Staircase 上都無法得到一致、可重播的 multiscale behavior，就沒有必要立刻加入 prime layer。

---

# 26. Prime Layer 應該是後續模組

當 DMSD Core 穩定後，才加入：

\[
\boxed{
\mathcal P_{\mathrm{prime}}
}
\]

並研究：

- scale-wise prime density；
- normalized local position；
- center deviation；
- boundary effects；
- staircase gap structure；
- scale-to-scale transfer；
- cross-base artifacts。

這可以避免一開始又被質數猜想主導底層模型。

---

# 27. 十進制不是數學本體

DMSD v0.1 使用十進制，是因為：

- 人類直覺容易；
- 數量級自然；
- 視覺友善；
- 工程容易；
- 與既有資料表示兼容。

但：

\[
\boxed{
\text{Decimal}
\neq
\text{Mathematical Ontology}
}
\]

DMSD 的真正核心是：

\[
\boxed{
\text{Multiscale Serializable Domain}
}
\]

十進制只是第一個 scale grammar。

---

# 28. Representation Artifact 義務

任何只在 base-10 中出現的 pattern 都必須接受：

- base 2；
- base 8；
- base 16；
- adaptive scale；

等 cross-representation validation。

若換 base 後 pattern 消失，則應標記為：

\[
\boxed{
\text{Representation Artifact}
}
\]

而不是數學本體結構。

---

# 29. Resolution Artifact 義務

粗解析度看到的 pattern 也不能直接當作局部真實。

每個 summary state 必須附：

```text
resolution
coverage
aggregation rule
```

如果 coarse view 的 pattern 在 finer refinement 後消失，則應標記：

\[
\boxed{
\text{Resolution Artifact}
}
\]

---

# 30. 有界外推義務

若目前只展開到：

\[
K_{\max},
\]

則任何經驗結論都必須明示：

\[
\boxed{
\text{validated only up to }K_{\max}
}
\]

不能將：

\[
\mathcal D_K
\]

上的結果直接升格為：

\[
\mathcal D_\infty
\]

上的全域命題。

---

# 31. DMSD 初始形式

DMSD 暫時定義為：

\[
\mathfrak D_{\mathrm{DMSD}}
=
(
K,
\mathcal L,
\mathcal R,
\mathcal V,
\mathcal S,
\mathcal C,
\mathcal H
),
\]

其中：

- \(K\)：目前最大尺度；
- \(\mathcal L\)：尺度層集合；
- \(\mathcal R\)：refinement rules；
- \(\mathcal V\)：visual projection rules；
- \(\mathcal S\)：summary states；
- \(\mathcal C\)：computation / certificate states；
- \(\mathcal H\)：refinement history。

---

# 32. 與可序列化無限數學域的關係

DMSD 延續可序列化無限數學域的核心原則：

> **無限性不需要一次被存入；只需要保存一個可以對任意有限精度、有限尺度要求持續作出回應的生成規則。**

因此：

\[
\boxed{
\text{Infinite Domain}
=
\text{Finite Scale Rule}
+
\text{Indefinite Refinement}
}
\]

---

# 33. 基礎設計原則

DMSD v0.1 暫定以下原則。

### P1 — Scale First
先序列化尺度，再序列化元素。

### P2 — Global Skeleton First
先建全域骨架，再局部展開。

### P3 — Lazy Resolution
解析度按需生成。

### P4 — Traversal Explicitness
向下、向上、向右的語義必須分開。

### P5 — Operational Bounded Closure
每次 runtime 都有明確有限邊界。

### P6 — Theoretical Unboundedness
有限 runtime 不妨礙理論域繼續延伸。

### P7 — Domain / Property Separation
底層尺度域與數學 property layer 分離。

### P8 — Representation Audit
十進制現象不得直接被當成數學本體。

### P9 — Resolution Audit
粗解析度視覺不得直接升格為細尺度定理。

---

# 34. Phase 1 實作目標

第一階段只做核心域：

```text
DMSD Core
├─ Decimal scale hierarchy
├─ Magnitude Pyramid View
├─ Serialized Staircase View
├─ downward traversal
├─ upward traversal
├─ rightward traversal
├─ block selection
├─ lazy refinement
├─ local zoom
└─ summary/provenance state
```

不處理質數。

---

# 35. Phase 2 實作目標

加入簡單 property layers：

```text
parity
mod 3
mod 5
squares
simple composites
```

測試：

- Pyramid / Staircase 是否同步；
- summary 是否可正確 refinement；
- coarse / fine resolution 是否一致；
- traversal 是否改變 observation 而不改變 underlying data。

---

# 36. Phase 3 實作目標

加入 Prime Layer：

```text
prime density
prime local position
prime center deviation
prime gaps
cross-scale normalization
boundary effects
```

並保留 cross-base audit。

---

# 37. 未來擴展

DMSD 後續可擴張為：

```text
Decimal DMSD
→ Base-independent Multiscale Serializable Domain
→ Adaptive Multiscale Serializable Domain
→ General Serializable Mathematical Domain Runtime
```

最終十進制可能只是一個 frontend scale grammar。

---

# 38. 核心命題

本文提出以下基礎命題：

> **一個理論上無界的離散數學域，可以先被序列化為尺度層級，而不必一次展開全部元素；實際計算只需要對指定最大尺度、指定局部區域與指定解析度形成有界閉包，並透過延遲 refinement 增加局部解析度。**

形式上：

\[
\boxed{
\mathcal D_\infty
=
\lim_{K\to\infty}\mathcal D_K
}
\]

而任何單次計算只作用於：

\[
\boxed{
(\mathcal D_K,\Omega,\rho).
}
\]

---

# 39. 最短表述

如果將整篇壓成一句：

\[
\boxed{
\text{先把無界數域序列化成尺度，再只計算目前真正需要看的解析度。}
}
\]

如果加入雙視角：

\[
\boxed{
\text{金字塔看尺度，階梯看序列；兩者共享同一個可延遲展開的數學域。}
}
\]

---

# 40. 結論

DMSD 並不嘗試一次性畫出或計算所有自然數。

它提出的是：

\[
\boxed{
\text{無界域先序列化尺度，
有限 runtime 再局部展開內容。}
}
\]

其核心由四部分構成：

\[
\boxed{
\text{Theoretical Unboundedness}
}
\]

\[
\boxed{
\text{Operational Bounded Closure}
}
\]

\[
\boxed{
\text{Lazy Multiscale Expansion}
}
\]

\[
\boxed{
\text{Pyramid / Staircase Dual Projection}
}
\]

因此未來面對極大數量級時，不必把「能表示到哪裡」與「現在必須算多少」綁在一起。

全域可以先存在為：

```text
scale skeleton
```

局部則在真正需要時才：

```text
expand
refine
compute
certify
```

這使十進制數量級不只是視覺方便，而成為第一個可實作的多尺度可序列化域。

---

## 狀態

```text
DMSD v0.1

Foundational Methodology: COMPLETE

Next:
Phase 1 — Formal Data Model
Phase 1 — Pyramid / Staircase Visualization Prototype
Phase 1 — Lazy Resolution Runtime
```