# SRBRD-17
## Pair-Buchstab Shell / Row-Sieve Quantitative Closure
### Exact Euler-Factor Switching、Dimension-2 Constant Barrier、Prime-Cofactor Row Reduction 與 Quantitative Crossing Gate

**母計畫：** RG-SCP / Reverse Goldbach Structural Closure Program  
**支線：** SRBRD — Symmetric Root-Bounded Relation Domain  
**輪次：** SRBRD-17  
**日期：** 2026-09-30  
**版本：** v0.1  
**作者：** Neo.K；Aletheia（GPT-5.6 Sol）  
**性質：** Quantitative Sieve Interface / Switching Kernel / Constant-Barrier Audit  
**前置：** SRBRD-00 ～ SRBRD-16  
**狀態：** 建立 quantitative provider gate，證明 naive dimension-2 row upper 的常數級 no-go，並將 semiprime row exact switch 為 prime-cofactor × one-residue sieve；Goldbach仍未證明

---

# 0. 本輪不再增加新的 closure layer

SRBRD-16 已建立 exact master identity：

$$
\boxed{
M_{PP}
=
|\widehat{\mathcal S}_y|
-
\sum_{y<r\le z_3}
|\mathcal B_r^{pair}|
-
2\sum_{r>z_3}n_r
+
M_{SS}.
}
$$

其中：

$$
z_3^3\ge2m-3.
$$

因此 SRBRD-17 不再增加新的 combinatorial object。

本輪只問：

> 把 standard dimension-2 lower/upper sieve直接插進這四個模塊，常數上能不能 crossing？

答案：

$$
\boxed{
\text{naive separate dimension-2 row upper cannot close.}
}
$$

真正需要的 quantitative source是：

$$
\boxed{
\text{cofactor switching}.
}
$$

而且 switching 不是 heuristic：

> SRBRD 的 local Euler factor本身就 exact factor成
> $$
> \text{cofactor primality factor}
> \times
> \text{opposite-endpoint factor}.
> $$

---

# 1. Counting Scale

令：

$$
\boxed{
X=2m-3.
}
$$

ordered odd endpoint domain：

$$
3\le x\le X.
$$

其 cardinality：

$$
\boxed{
H=m-2.
}
$$

所以：

$$
H=\frac{X-1}{2}.
$$

---

# 2. Fixed-Cutoff Bulk

對 cutoff：

$$
z,
$$

定義 ordered bulk：

$$
\boxed{
\widehat\Omega_m^{bulk}(z)
=
\left\{
x\in\widehat\Omega_m:
x\ge z^2,
\quad
2m-x\ge z^2
\right\}.
}
$$

在 bulk 中，

對所有 odd prime：

$$
p\le z,
$$

root condition自動成立。

所以：

$$
\operatorname{RootRough}_z(x),
\quad
\operatorname{RootRough}_z(2m-x)
$$

完全退化成 residue avoidance。

---

# 3. Local Forbidden-Class Count

定義：

$$
\boxed{
\nu_m(p)
=
\begin{cases}
1,
&
p\mid m,
\\
2,
&
p\nmid m.
\end{cases}
}
$$

對：

$$
p\ge3.
$$

原因：

- 一般需要避開：
  $$
  x\equiv0\pmod p,
  $$
  $$
  x\equiv2m\pmod p;
  $$
- 若：
  $$
  p\mid m,
  $$
  兩 classes collapse。

---

# 4. Dimension-2 Sieve Product

定義：

$$
\boxed{
V_m(z)
=
\prod_{\substack{
p\in\mathbb P\\
3\le p\le z
}}
\left(
1-\frac{\nu_m(p)}p
\right).
}
$$

這是 SRBRD ordered bulk 的 canonical local density product。

---

# 5. Generic and Center-Divisor Factors

定義 generic product：

$$
\boxed{
V_0(z)
=
\prod_{3\le p\le z}
\left(
1-\frac2p
\right).
}
$$

則：

## Theorem SRBRD-17-T01

$$
\boxed{
V_m(z)
=
V_0(z)
\prod_{\substack{
p\mid m\\
3\le p\le z
}}
\frac{p-1}{p-2}.
}
$$

所以 center divisors只會：

$$
\boxed{
\text{increase survivor density}.
}
$$

uniform worst-case local density出現在缺少 small odd center divisors時。

---

# 6. Multiplicative Residue Count

對 squarefree odd：

$$
d
$$

其 prime factors皆：

$$
\le z,
$$

定義：

$$
\boxed{
\nu_m(d)
=
\prod_{p\mid d}\nu_m(p).
}
$$

在 odd endpoint parameter上，

bad residue classes modulo：

$$
d
$$

由 CRT exact multiplicative。

---

# 7. Interval Congruence Remainder

若：

$$
N
$$

是 bulk中的 odd endpoint count，

則：

## Theorem SRBRD-17-T02

對 squarefree：

$$
d,
$$

$$
\boxed{
A_d
=
N\frac{\nu_m(d)}d
+
R_d
}
$$

且：

$$
\boxed{
|R_d|\le\nu_m(d).
}
$$

因每一個 forbidden residue class在 finite interval內的 count與：

$$
N/d
$$

最多差：

$$
1.
$$

這給 standard finite sieve sequence所需的 local model。

---

# 8. Coarse Lower-Sieve Provider

選：

$$
y<z_3.
$$

將：

$$
\widehat{\mathcal S}_y^{bulk}
=
\widehat{\mathcal S}_y
\cap
\widehat\Omega_m^{bulk}(y).
$$

作為 full survivor的 subset。

若某個 dimension-2 lower sieve provider給：

$$
\boxed{
|\widehat{\mathcal S}_y^{bulk}|
\ge
H_yV_m(y)f_2(s_y)
-
E_y,
}
$$

其中：

$$
H_y
=
|\widehat\Omega_m^{bulk}(y)|,
$$

則可取：

$$
\boxed{
L_y
=
H_yV_m(y)f_2(s_y)
-
E_y.
}
$$

這裡：

$$
f_2
$$

表示 dimension-2 lower sieve function，

而：

$$
s_y
=
\frac{\log D_y}{\log y}.
$$

---

# 9. DHR Positivity Threshold

external DHR benchmark：

$$
\boxed{
\beta_2
\approx
4.26645.
}
$$

在 standard normalization 中：

$$
f_2(s)>0
$$

需要：

$$
s>\beta_2.
$$

所以 natural：

$$
D_y=X^{1-o(1)}
$$

時，

選：

$$
y=X^{1/u}
$$

需要：

$$
\boxed{
u>\beta_2.
}
$$

---

# 10. Natural Coarse Choice

因此：

$$
\boxed{
u\approx5
}
$$

或：

$$
\boxed{
y\approx X^{1/5}
}
$$

是第一個簡單的 classical positive lower-sieve區域。

這正是 SRBRD-16 的：

# lower-cutoff P4 boundary

---

# 11. Pair-Buchstab Shell Upper Provider

對：

$$
y<r\le z_3,
$$

shell：

$$
\mathcal B_r^{pair}
$$

表示：

$$
\rho_m(x)=r.
$$

upper-bound 時可以忽略 left/right tie correction，

分成：

- left endpoint first factor $r$；
- right endpoint first factor $r$。

因此 abstract provider可寫：

$$
\boxed{
|\mathcal B_r^{pair}|
\le
U_r^{B,L}
+
U_r^{B,R}.
}
$$

---

# 12. Factored Shell Coordinate

left shell寫：

$$
x=ru.
$$

shell condition要求：

- no prime：
  $$
  p<r
  $$
  obstructs：
  $$
  ru;
  $$
- no prime：
  $$
  p<r
  $$
  obstructs：
  $$
  2m-ru.
  $$

所以 shell upper仍是一個 dimension-2 sieve，

但 sequence length約：

$$
H/r.
$$

sifting cutoff約：

$$
r.
$$

---

# 13. Shell Sieve Parameter

寫：

$$
r=X^t.
$$

若 shell distribution level約：

$$
D_r\asymp X/r,
$$

則：

$$
\boxed{
s_B(t)
\approx
\frac{
\log(X/r)
}{
\log r
}
=
\frac{1-t}{t}.
}
$$

對：

$$
t\in[1/u,1/3],
$$

有：

$$
s_B(t)
\in[2,u-1].
$$

---

# 14. Abstract DHR Shell Upper

以 dimension-2 upper function：

$$
F_2
$$

表示，

main scale可形式化為：

$$
\boxed{
U_r^B
\approx
2
\frac Hr
V_m(r)
F_2(s_B(r))
}
$$

加上：

- finite frontier correction；
- weighted remainder。

這裡 factor：

$$
2
$$

來自 left/right。

本式在本文件只作 provider template，

不是無條件 asymptotic theorem。

---

# 15. Naive Semiprime-Row Upper

對：

$$
r>z_3,
$$

若不使用 SRBRD-16 的「cofactor自動為 prime」，

row bulk可以當作：

$$
u
$$

同時避開：

- 
  $$
  u\equiv0\pmod p;
  $$
- 
  $$
  u\equiv2mr^{-1}\pmod p.
  $$

的 dimension-2 sieve。

這就是：

# Unswitched Row Sieve

---

# 16. Unswitched Row Parameter

$$
r=X^t,
\qquad
t\in[1/3,1/2].
$$

row length：

$$
\asymp H/r.
$$

cutoff：

$$
z_3\asymp X^{1/3}.
$$

所以 natural parameter：

$$
\boxed{
s_R(t)
\approx
3(1-t).
}
$$

因此：

$$
\boxed{
s_R(t)\in[3/2,2].
}
$$

這正落在 dimension-2 upper sieve很鬆的低-$s$區。

---

# 17. External Low-$s$ DHR Upper Function

在 standard DHR normalization 中，

對：

$$
0<s\le2,
$$

published formula：

$$
\boxed{
F_2(s)
=
\frac{
8e^{2\gamma}
}{
s^2
}.
}
$$

這是 external sieve result。

---

# 18. Continuum Normalization

以下只作：

# asymptotic constant diagnostic

不是 SRBRD 已證 theorem。

使用：

$$
V_m(X^t)
\sim
\frac{
\mathfrak C_m
}{
t^2\log^2X
}
$$

的 dimension-2 Euler-product scale，

並忽略：

- lower-order endpoint frontier；
- finite remainder；
- center-divisor cutoff transitions。

---

# 19. Ideal Coarse-minus-Shell Budget

若理想化：

$$
f_2=F_2=1,
$$

coarse mass coefficient：

$$
u^2.
$$

Buchstab shell subtraction coefficient：

$$
2
\int_{1/u}^{1/3}
\frac{dt}{t^3}
=
u^2-9.
$$

所以：

## Diagnostic SRBRD-17-D01

$$
\boxed{
\text{coarse}
-
\text{shell}
=
9
}
$$

在 ideal-density normalization中，

與：

$$
u
$$

無關。

---

# 20. Ideal Row Cost

若 row multiplier也理想化：

$$
1,
$$

則：

$$
2n_{SP}
$$

的 normalized cost為：

$$
\boxed{
18
\int_{1/3}^{1/2}
\frac{dt}{t}
=
18\log\frac32.
}
$$

數值：

$$
\boxed{
18\log\frac32
\approx7.29837.
}
$$

---

# 21. Ideal Zero-Transport Margin

因此：

## Diagnostic SRBRD-17-D02

$$
\boxed{
9
-
18\log\frac32
\approx
1.70163
>
0.
}
$$

這非常重要：

> **SRBRD-16 四模塊的 ideal local-density architecture本身有正 margin。**

所以目前 failure不是 algebraic identity本身造成。

---

# 22. DHR Unswitched Row Cost

將 T17：

$$
F_2(s)
=
8e^{2\gamma}/s^2
$$

代入：

$$
s_R(t)=3(1-t),
$$

naive DHR row subtraction coefficient為：

$$
18
\int_{1/3}^{1/2}
\frac{
F_2(3(1-t))
}{t}
dt.
$$

所以：

$$
=
16e^{2\gamma}
\int_{1/3}^{1/2}
\frac{
dt
}{
t(1-t)^2
}.
$$

---

# 23. Exact Integral

因：

$$
\frac1{t(1-t)^2}
=
\frac1t
+
\frac1{1-t}
+
\frac1{(1-t)^2},
$$

所以：

$$
\int_{1/3}^{1/2}
\frac{
dt
}{
t(1-t)^2
}
=
\boxed{
\frac12+\log2.
}
$$

因此：

## Diagnostic SRBRD-17-D03

$$
\boxed{
C_{\mathrm{row}}^{DHR}
=
16e^{2\gamma}
\left(
\frac12+\log2
\right)
\approx
60.5588.
}
$$

---

# 24. Quantitative No-Go for Separate Unswitched DHR Rows

ideal coarse-minus-shell最多只留下：

$$
9
$$

這個 scale。

但 standard unswitched DHR row upper alone已消耗：

$$
\approx60.56.
$$

所以：

$$
\boxed{
\text{即使把 coarse lower 與 shell upper理想化，
naive DHR row upper仍無法 crossing。}
}
$$

差距約：

$$
\boxed{
60.56-9
\approx51.56
}
$$

個 normalized units，

尚未計 transport。

---

# 25. Why Transport Alone Cannot Be Expected to Repair a 60.56 Constant

finite controls中：

$$
M_{SS}
$$

是 meaningful positive correction，

但其 natural scale與 actual semiprime mass同階，

而不是大出：

$$
O(10)
$$

倍的 classical row main term。

所以：

$$
\boxed{
\text{row upper provider本身必須改善。}
}
$$

不能把希望全部丟給：

$$
M_{SS}.
$$

---

# 26. Prime-Cofactor Switching

SRBRD-16 已證：

如果：

$$
r>z_3,
$$

$$
x=ru\le X,
$$

以及：

$$
x
$$

RootRough$_{z_3}$，

則：

$$
\boxed{
u\in\mathbb P.
}
$$

而且：

$$
r,u>z_3
$$

使：

$$
ru
$$

本身自動 RootRough$_{z_3}$。

所以 row condition可簡化。

---

# 27. Exact Switched Row Formula

## Theorem SRBRD-17-T03

對：

$$
r>z_3,
$$

$$
r\le\sqrt X,
$$

有：

$$
\boxed{
n_r
=
\#
\left\{
u\in\mathbb P:
r\le u\le X/r,
\quad
\operatorname{RootRough}_{z_3}(2m-ru)
\right\}.
}
$$

不再需要檢查：

$$
\operatorname{RootRough}_{z_3}(ru).
$$

---

# 28. Switched Local Forbidden Class

固定：

$$
p\le z_3
$$

odd prime。

對 prime cofactor：

$$
u>z_3,
$$

所以：

$$
u\not\equiv0\pmod p.
$$

opposite endpoint obstruction：

$$
p\mid2m-ru
$$

等價：

$$
u
\equiv
2mr^{-1}
\pmod p.
$$

---

# 29. Center-Divisor Collapse After Switching

如果：

$$
p\mid m,
$$

則：

$$
2mr^{-1}
\equiv0\pmod p.
$$

但：

$$
u>z_3\ge p
$$

且：

$$
u
$$

prime，

所以：

$$
u\not\equiv0\pmod p.
$$

因此：

## Theorem SRBRD-17-T04

switched row中，

local forbidden classes為：

$$
\boxed{
\eta_m(p)
=
\begin{cases}
0,
&
p\mid m,
\\
1,
&
p\nmid m.
\end{cases}
}
$$

這是：

# Dimension-1 Complement Sieve

---

# 30. Switched Euler Product

定義：

$$
\boxed{
P_0(z)
=
\prod_{3\le p\le z}
\left(
1-\frac1p
\right),
}
$$

以及：

$$
\boxed{
W_m(z)
=
\prod_{\substack{
3\le p\le z\\
p\nmid m
}}
\left(
1-\frac1{p-1}
\right).
}
$$

$P_0$ 是 cofactor primality / roughness local factor，

$W_m$ 是在 primes中篩 opposite endpoint 的 factor。

---

# 31. Exact Euler-Factor Switching Identity

## Theorem SRBRD-17-T05

對每個：

$$
z,
$$

$$
\boxed{
V_m(z)
=
P_0(z)W_m(z).
}
$$

---

# 32. T05 Local Proof

若：

$$
p\nmid m,
$$

$$
\left(
1-\frac1p
\right)
\left(
1-\frac1{p-1}
\right)
=
\frac{p-1}{p}
\frac{p-2}{p-1}
=
1-\frac2p.
$$

若：

$$
p\mid m,
$$

second factor不存在，

所以：

$$
\left(
1-\frac1p
\right)\cdot1
=
1-\frac1p.
$$

乘 over primes即得。

---

# 33. Meaning of T05

這不是概率 heuristic。

它是 exact Euler-factor identity：

$$
\boxed{
\text{dimension 2 pair density}
=
\text{cofactor-prime density}
\times
\text{one-residue opposite density}.
}
$$

所以 cofactor switching在 local-density層面：

$$
\boxed{
\text{完全保留原 sieve density}.
}
$$

它不是把問題換成另一個 heuristic model。

---

# 34. Switched Row as a Linear Sieve over Primes

T03 + T04 將：

$$
n_r
$$

改成：

> prime $u$ 中避開每個：
> $$
> p\le z_3,\quad p\nmid m
> $$
> 的一個 nonzero residue class。

所以：

$$
\boxed{
\text{row sieve dimension}
:
2
\longrightarrow
1.
}
$$

代價是：

> base sequence不再是全部 integers，
> 而是 primes。

這需要 prime distribution in arithmetic progressions。

---

# 35. External Distribution Interface

典型 unconditional interface：

# Bombieri–Vinogradov

提供 primes在 moduli平均意義下大約：

$$
X^{1/2}
$$

level of distribution。

搭配 linear upper sieve，

可以對 switched row做：

$$
\boxed{
\text{dimension-1 upper bound}.
}
$$

這和 Chen switching / weighted sieve的哲學一致。

本輪不宣稱已完成相應 error analysis。

---

# 36. Switched Row Provider Contract

定義 abstract：

$$
\boxed{
U_r^{sw}
}
$$

使：

$$
n_r\le U_r^{sw}.
$$

其 intended analytic construction：

1. prime cofactor range：
   $$
   r\le u\le X/r;
   $$
2. base prime count / prime distribution；
3. local weights：
   $$
   \eta_m(p)=0\text{ or }1;
   $$
4. linear upper sieve with product：
   $$
   W_m(z_3);
   $$
5. explicit endpoint frontier。

---

# 37. Switched Quantitative Closure

將 SRBRD-16 T13 中：

$$
U_r^{row}
$$

替換成：

$$
U_r^{sw}.
$$

## Theorem SRBRD-17-T06

若：

$$
\boxed{
L_y
-
\sum_{y<r\le z_3}U_r^B
-
2\sum_{r>z_3}U_r^{sw}
+
L_{SS}
>0,
}
$$

則：

$$
\boxed{
R_G^{-}(2m)>0.
}
$$

T06 只是 provider composition theorem；

真正 analytic工作是證各 provider。

---

# 38. Finite Product Calibration

以下是 computational evidence，

不是 bound。

定義 one-sided semiprime count：

$$
\boxed{
U_{SP}^{one}
=
\sum_{r>z_3}
\left[
\pi(X/r)-\pi(r-1)
\right].
}
$$

這只數 possible prime cofactors，

完全忽略 opposite RootRough。

若乘上：

$$
W_m(z_3),
$$

得到：

# Switched Independence Main Term

---

# 39. Calibration：$m=1000$

$$
z_3=13.
$$

$$
U_{SP}^{one}=86.
$$

$$
W_m(13)=0.34375.
$$

所以：

$$
U_{SP}^{one}W_m
=
29.5625.
$$

actual：

$$
n_{SP}=35.
$$

---

# 40. Calibration：$m=5000$

$$
U_{SP}^{one}=489,
$$

$$
W_m(22)
=
0.304361979\ldots
$$

product：

$$
\boxed{
148.8330\ldots
}
$$

actual：

$$
\boxed{
152.
}
$$

---

# 41. Calibration：$m=10000$

$$
U_{SP}^{one}=1022,
$$

$$
W_m(28)
=
0.29052734375.
$$

product：

$$
\boxed{
296.9190\ldots
}
$$

actual：

$$
291.
$$

---

# 42. Calibration：$m=100000$

$$
U_{SP}^{one}=8856,
$$

$$
W_m(59)
=
0.236288503\ldots
$$

product：

$$
\boxed{
2092.57099\ldots
}
$$

actual：

$$
2100.
$$

---

# 43. Interpretation of the Calibration

對較大 selected controls：

$$
U_{SP}^{one}W_m(z_3)
$$

與 exact：

$$
n_{SP}
$$

非常接近。

這支持：

$$
\boxed{
W_m(z_3)
}
$$

確實抓到 opposite-endpoint RootRough 的主要 density。

但：

$$
\boxed{
U_{SP}^{one}W_m
}
$$

不是 rigorous upper bound。

例如：

$$
m=1000
$$

它低於 actual：

$$
35.
$$

所以仍需要：

- sieve multiplier；
- distribution error；
- endpoint correction。

---

# 44. Coarse Survivor Product Calibration

selected finite data亦顯示：

$$
|\widehat{\mathcal S}_y|
$$

接近：

$$
H V_m(y).
$$

例如 previous audit：

| $m$ | $y$ | $V_m(y)$ | $|\widehat{\mathcal S}_y|/(H V_m(y))$ |
|---:|---:|---:|---:|
| 1000 | 5 | 0.266667 | 1.0070 |
| 5000 | 7 | 0.190476 | 1.0021 |
| 10000 | 8 | 0.190476 | 1.0019 |
| 100000 | 12 | 0.155844 | 1.0000 |

這同樣只是 finite calibration。

---

# 45. Cube-Root Survivor Product Calibration

| $m$ | $z_3$ | $V_m(z_3)$ | $|\widehat{\mathcal S}_{z_3}|/(H V_m(z_3))$ |
|---:|---:|---:|---:|
| 1000 | 13 | 0.131868 | 1.0334 |
| 5000 | 22 | 0.104106 | 1.0071 |
| 10000 | 28 | 0.095054 | 1.0038 |
| 100000 | 59 | 0.063222 | 1.0057 |

這解釋 ideal local-density diagnostic為什麼和 finite behavior相當吻合。

---

# 46. Quantitative Constant Gate

令 abstract normalized multipliers：

- coarse lower：
  $$
  L_2(u);
  $$
- shell upper：
  $$
  B_2(t);
  $$
- switched row upper：
  $$
  R_1(t);
  $$
- normalized transport gain：
  $$
  \Phi.
  $$

則 continuum diagnostic gate：

$$
\boxed{
\mathcal K(u)
=
u^2L_2(u)
-
2
\int_{1/u}^{1/3}
\frac{
B_2(t)
}{t^3}
dt
-
18
\int_{1/3}^{1/2}
\frac{
R_1(t)
}{t}
dt
+
\Phi.
}
$$

如果：

$$
\mathcal K(u)>0
$$

且所有 asymptotic / remainder providers被嚴格建立，

才可能得到 large-$m$ uniform crossing。

---

# 47. Ideal Gate

$$
L_2=B_2=R_1=1,
$$

$$
\Phi=0
$$

時：

$$
\boxed{
\mathcal K_{\mathrm{ideal}}
=
9
-
18\log\frac32
\approx1.70163.
}
$$

所以 target constant margin是：

$$
\boxed{
\text{small but strictly positive}.
}
$$

---

# 48. Consequence for Provider Quality

因 ideal margin只有：

$$
\approx1.70,
$$

quantitative proof不能容忍：

- coarse lower loss太大；
- shell upper膨脹太大；
- row upper constant是 ideal的數倍。

所以 SRBRD-17 後：

$$
\boxed{
\text{常數品質本身就是 theorem gate。}
}
$$

不是只要大 $O$ order正確就夠。

---

# 49. Why Standard DHR Row Upper Fails the Gate

unswitched DHR row contribution：

$$
\approx60.56.
$$

ideal row：

$$
\approx7.30.
$$

ratio：

$$
\boxed{
\approx8.30.
}
$$

所以 standard dimension-2 upper row bound遠離所需 constant regime。

這 quantitatively證明：

$$
\boxed{
\text{switching不是 optimization；
它是必要 architecture change。}
}
$$

---

# 50. Shell Provider Is the Next Constant Risk

即使 row switching成功，

pair-Buchstab shell仍使用：

$$
s_B(t)\in[2,u-1].
$$

靠近：

$$
t=1/3
$$

時：

$$
s_B\to2,
$$

dimension-2 upper factor也會變鬆。

所以後續可能還需要：

- shell switching；
- weighted Buchstab decomposition；
- dyadic treatment；
- exact center-divisor gains。

---

# 51. Three Quantitative Regimes

SRBRD-17 後可將 analytic工作分成：

## Regime A — Low Cutoff

$$
p\le y\approx X^{1/5}.
$$

使用 dimension-2 lower sieve。

## Regime B — Descent Band

$$
y<p\le X^{1/3}.
$$

使用 pair-Buchstab shell upper，

需要 constant optimization。

## Regime C — Semiprime Band

$$
X^{1/3}<r\le X^{1/2}.
$$

禁止 naive dimension-2 upper。

使用：

$$
\boxed{
\text{prime-cofactor switching}
+
\text{dimension-1 opposite sieve}.
}
$$

---

# 52. Center-Divisor Bonus Persists Under Switching

若：

$$
p\mid m,
$$

switch後：

$$
\eta_m(p)=0.
$$

所以：

$$
W_m(z)
$$

完全移除該 prime的 opposite-endpoint sieve penalty。

因此 center divisors同時：

- 增加：
  $$
  V_m(z);
  $$
- 增加：
  $$
  W_m(z);
  $$
- 強化 SRBRD-15 transport lock。

center arithmetic在兩個模塊都提供 bonus。

---

# 53. External Brun–Titchmarsh Interface

對 switched row中單一 progression的 prime capacity，

仍可使用 Brun–Titchmarsh upper bounds：

$$
\pi(Y;a,q)
\ll
\frac{
Y
}{
\varphi(q)\log(Y/q)
}.
$$

這適合：

- isolated large moduli；
- frontier；
- exceptional dyadic ranges。

但要取得：

$$
W_m(z_3)
$$

整體 product gain，

仍需要 multi-prime sieve / switching argument。

---

# 54. External Bombieri–Vinogradov Interface

若 linear upper sieve施於 prime cofactors，

需要控制：

$$
u
$$

primes在許多 modulus的平均分布。

Bombieri–Vinogradov正提供這類 unconditional平均 distribution。

因此：

$$
\boxed{
\text{DHR lower}
+
\text{Buchstab}
+
\text{BV-switched linear upper}
+
\text{SRBRD transport}
}
$$

是目前最具體的 analytic stack。

---

# 55. Relationship to Chen-Type Switching

Tao 的 Chen theorem exposition中，

核心方法正包含：

- almost-prime decomposition；
- switching；
- linear sieve；
- Bombieri–Vinogradov level distribution。

SRBRD-17 並未證 Chen theorem。

但：

$$
\boxed{
V_m=P_0W_m
}
$$

與 exact row switching顯示：

> SRBRD 的 semiprime row自然要求相同類型的 switching，而不是偶然借用外部技巧。

---

# 56. What Would Count as Real Progress Next

以下任一項完成才是 quantitative advance：

### Gate A

建立 explicit switched row upper：

$$
\boxed{
n_r
\le
U_r^{sw}
}
$$

且 aggregate constant接近：

$$
W_m(z_3)
$$

main term。

### Gate B

對 pair-Buchstab shell找到比 raw DHR：

$$
F_2(s_B)
$$

更好的 weighted / switched upper。

### Gate C

證 transport：

$$
L_{SS}
$$

在 normalized scale提供固定 positive constant。

### Gate D

將 A+B+C 插入 T06，

證：

$$
\boxed{
\mathcal K(u)>0
}
$$

for some：

$$
u>\beta_2.
$$

目前：

$$
\boxed{
A,B,C,D
\text{ 均未完整完成。}
}
$$

---

# 57. Formal Theorem Queue

```yaml
SRBRD_17:
  T01: center_divisor_factorization_of_Vm
  T02: finite_interval_local_remainder
  T03: exact_prime_cofactor_switched_row
  T04: switched_local_dimension_profile
  T05: exact_Euler_factor_switching_V_equals_P0_times_W
  T06: switched_provider_composition_closure
```

---

# 58. External Quantitative Audit Queue

```yaml
ExternalAudit:
  DHR:
    beta2:
      approx: 4.26645
    lower_function:
      f2
    upper_function:
      F2
    low_s_formula:
      F2_s_le_2:
        8*exp(2*gamma)/s^2

  linear_sieve:
    switched_row:
      dimension: 1

  BombieriVinogradov:
    use:
      prime_cofactor_distribution_average

  BrunTitchmarsh:
    use:
      isolated_prime_progression_upper
```

---

# 59. Acceptance Gate

SRBRD-17 formal core前需：

1. exact local factor：
   $$
   \nu_m(p);
   $$
2. exact：
   $$
   V_m=V_0\times\text{center bonus};
   $$
3. exact interval remainder；
4. coarse bulk restriction；
5. shell provider clearly conditional on external sieve theorem；
6. exact switched row theorem；
7. switched forbidden-class theorem；
8. exact Euler factorization：
   $$
   V_m=P_0W_m;
   $$
9. continuum calculations marked diagnostic；
10. DHR low-$s$ row no-go not confused with impossibility theorem；
11. finite calibration not treated as bound；
12. no Goldbach proof claim。

---

# 60. Verdict

本輪可給：

$$
\boxed{
\mathrm{SRBRD\mbox{-}17\ QUANTITATIVE\ SWITCHING\ KERNEL\ PASS}.
}
$$

兩個最重要結果：

## Exact Structural Result

$$
\boxed{
V_m(z)
=
P_0(z)W_m(z).
}
$$

也就是：

$$
\boxed{
\text{dimension-2 pair density}
=
\text{cofactor-prime factor}
\times
\text{opposite-endpoint one-residue factor}.
}
$$

## Quantitative Barrier Result

standard unswitched dimension-2 DHR row upper在 natural semiprime band給 normalized cost：

$$
\boxed{
\approx60.56,
}
$$

而 ideal architecture全部可用 margin只有：

$$
\boxed{
\approx1.70.
}
$$

所以：

$$
\boxed{
\text{naive DHR row provider不能 closing；
prime-cofactor switching是必要的。}
}
$$

但：

$$
\boxed{
\mathrm{SWITCHED\ UNIFORM\ CONSTANT\ CROSSING\ NOT\ YET\ PROVED}.
}
$$

以及：

$$
\boxed{
\mathrm{GOLDBACH\ STILL\ OPEN}.
}
$$

---

# 61. 下一輪建議

# SRBRD-18
## BV-Switched Row / Weighted Buchstab Constant Closure

下一輪應停止擴張 algebra。

只做 quantitative provider：

### Part A — Switched Row

對：

$$
n_r
=
\#\left\{
u\in\mathbb P:
r\le u\le X/r,
\quad
2m-ru\text{ RootRough}_{z_3}
\right\}
$$

使用：

- Bombieri–Vinogradov；
- linear upper sieve；
- dyadic $r$ blocks；

建立 explicit：

$$
U_r^{sw}.
$$

### Part B — Buchstab Band

對：

$$
y<r\le z_3,
$$

做 weighted / switched shell upper，

減少：

$$
F_2(s\approx2)
$$

的 constant inflation。

### Part C — Constant Ledger

把：

$$
L_y,
\quad
\sum U_r^B,
\quad
2\sum U_r^{sw},
\quad
L_{SS}
$$

全部 normalize到：

$$
\frac{
\mathfrak C_m H
}{
\log^2X
}
$$

scale，

直接得到一張：

# Constant Ledger

唯一問題：

$$
\boxed{
\text{總 margin是否 }>0?
}
$$

這會是目前最接近真正 analytic crossing test 的一輪。

---

# 附錄 A：Exact Local Factorization

```yaml
local_pair_classes:
  if_p_divides_m:
    nu_m_p: 1
  else:
    nu_m_p: 2

dimension2_product:
  V_m_z:
    product:
      1 - nu_m_p/p

prime_cofactor_factor:
  P0_z:
    product:
      1 - 1/p

opposite_prime_sieve_factor:
  W_m_z:
    for_p_not_dividing_m:
      product:
        1 - 1/(p-1)

identity:
  V_m_z:
    P0_z * W_m_z
```

---

# 附錄 B：Ideal Constant Ledger

```yaml
coarse_minus_shell:
  normalized: 9

double_semiprime_row_cost:
  normalized:
    18*log(3/2)
  decimal:
    7.2983719459

zero_transport_margin:
  normalized:
    9 - 18*log(3/2)
  decimal:
    1.7016280541
```

---

# 附錄 C：Naive DHR Row Barrier

```yaml
row_parameter:
  t:
    1/3 <= t <= 1/2
  s_R:
    3*(1-t)

DHR_dimension2_upper:
  for_s_le_2:
    F2(s):
      8*exp(2*gamma)/s^2

normalized_double_row_cost:
  exact:
    16*exp(2*gamma)*(1/2+log(2))
  decimal:
    60.5587856961

diagnosis:
  naive_unswitched_DHR_row:
    quantitatively_too_loose: true
```

---

# 附錄 D：Switched Row Contract

```yaml
row_r:
  r:
    prime
    z3 < r <= sqrt(X)

exact:
  n_r:
    count_prime_u:
      r <= u <= X/r
      RootRough_z3(2m-r*u)

local_opposite_classes:
  if_p_divides_m:
    forbidden_nonzero_classes: 0
  else:
    forbidden_nonzero_classes: 1

sieve_dimension_after_switch:
  1
```

---

# 附錄 E：Finite Switching Calibration

| $m$ | $z_3$ | one-sided prime-cofactor count | $W_m(z_3)$ | product | exact $n_{SP}$ |
|---:|---:|---:|---:|---:|---:|
| 1000 | 13 | 86 | 0.343750 | 29.5625 | 35 |
| 5000 | 22 | 489 | 0.304362 | 148.8330 | 152 |
| 10000 | 28 | 1022 | 0.290527 | 296.9190 | 291 |
| 100000 | 59 | 8856 | 0.236289 | 2092.5710 | 2100 |

**注意：**
`one-sided count × W_m` 只是 density calibration，不是 rigorous upper/lower bound。

---

# 附錄 F：Commit Decision

```yaml
research_round: SRBRD-17

decision:
  quantitative_constant_gate: true
  naive_dimension2_row_no_go: true
  exact_prime_cofactor_switching: true
  exact_local_Euler_factor_switching: true
  finite_switching_calibration: true
  switched_uniform_crossing: false
  goldbach_proved: false

next:
  SRBRD-18_BVSwitchedRow_WeightedBuchstab_Constant_Closure
```

---

# References

- H. G. Diamond and H. Halberstam, *A Higher-Dimensional Sieve Method*, Cambridge Tracts in Mathematics 177, Cambridge University Press, 2008.
- C. S. Franze, “Sifting limits for the $\Lambda^2\Lambda^-$ sieve,” *Journal of Number Theory* 131 (2011), 1962–1982.
- A. R. Booker and T. D. Browning, “Square-free values of reducible polynomials,” *Discrete Analysis* 2016:8.
- T. Tao, “254A, Supplement 5: The linear sieve and Chen’s theorem,” 2015.
- Encyclopedia of Mathematics, “Brun–Titchmarsh theorem.”