第三十五章 SDE数学的严格性问题
35.1 "不严格"的误解
SDE数学允许中间态不相容、允许质量暂时下降、允许路径不可复现——这些特征容易被误解为"SDE数学不严格"。这个误解必须澄清。
严格性和相容性不是同一回事。传统数学的严格性体现在：每一步推理有明确的逻辑依据（可审计性），推理链不包含矛盾（相容性），结论从前提必然地导出（确定性）。这三者在传统数学中紧密捆绑，以至于数学家习惯性地认为它们是不可分离的——放弃一个就放弃了全部。
但SDE数学展示了另一种严格性——统计严格性。涌现可靠性定理（定理11.1及其数值验证）精确地陈述了：在什么条件下，以什么概率，涌现出什么质量范围的结果。这不是含糊的"大概会work"——它是一个有精确概率界的数学定理。McDiarmid不等式给出了质量偏离期望值的指数衰减概率界。遍历定理给出了时间平均的几乎必然收敛。这些都是完全严格的数学。
类比物理学：量子力学放弃了经典力学的确定性（测量结果是概率性的），但量子力学不是"不严格的"——Schrödinger方程、Born规则、概率守恒，全部是严格的数学定理。放弃确定性不等于放弃严格性——它只是将严格性从"确定性预测"转移到了"概率性预测"。
SDE数学做了同样的事：将严格性从"逐步确定性保证"转移到了"统计涌现保证"。每一步是不确定的，但统计规律是确定的。每条路径是不可复现的，但质量分布是可重现的。这不是"不严格"——这是严格性的另一种形态。
35.2 SDE数学的证明标准
在SDE数学中，什么算作一个"证明"？
传统数学的证明：从公理出发，通过有限步的逻辑推导，到达结论。每一步可审计。结论从前提必然导出。
SDE数学的证明有两种形态：
秩序态证明（传统证明的保留）： 对于SDE数小的命题（伞不重叠的极限下的性质），传统的逻辑推导证明完全适用，也是最优的选择。SDE数学不排斥传统证明——它把传统证明作为秩序态的工具保留在框架内。
涌现态证明（SDE特有的证明形态）： 对于SDE数大的命题（涉及非局域纠缠、多尺度重叠、三态动力学的性质），证明的标准变为：(a)精确陈述涌现的条件（共振条件、混沌强度范围、纠缠能量的性质），(b)证明在这些条件下涌现以概率1（或概率趋于1）发生，(c)给出涌现结果的质量界（McDiarmid型或集中不等式型）。
这不是降低了证明标准——而是将证明标准适配到了数学对象的性质。当数学对象是确定性的（SDE数=0），确定性证明是恰当的。当数学对象是涌现性的（SDE数>>0），概率性证明是恰当的。用确定性标准去要求涌现性对象——就像用牛顿力学的确定性轨道去要求量子力学的概率分布——是范畴错误。
35.3 可证伪性
SDE数学的命题是可证伪的。涌现可靠性定理做出了精确的数值预测：在给定条件下，涌现的质量应该集中在某个范围内，偏离这个范围的概率有精确的上界。如果数值实验显示质量分布不集中、或者集中范围与预测不符、或者偏离概率超过理论上界——定理就被证伪了。
这比传统数学的证明更容易检验——传统证明只能被"另一个逻辑推导"检验（你需要读懂整个证明才能判断对错），SDE定理可以被数值实验直接检验（运行算法50次，看统计结果是否符合预测）。
35.4 与Bayesian数学的关系
SDE数学的概率性与Bayesian方法有表面的相似——都用概率描述不确定性。但根本区别在于：
Bayesian方法中，概率是认识论的——它描述我们对确定性世界的不确定知识。世界本身是确定的（有一个"真"的参数值），我们的知识是不确定的。
SDE数学中，概率是本体论的——它描述世界本身的涌现性。不是我们不知道网格应该长什么样（认识论不确定），而是网格没有一个预定的"应该"的样子——它的样子是从纠缠共振中涌现的，涌现过程本身是概率性的。
这跟量子力学中Copenhagen解释和多世界解释的区别类似。Bayesian的不确定性可以被"更多信息"消除（给定完美的先验和无穷数据，后验收缩到一个点）。SDE的不确定性不可以——因为涌现的路径本身就是随机的，即使你有完美的信息，你也不能预测具体哪条路径会被走。但你可以预测路径的统计性质——这就是SDE严格性的核心。
35.6 案例：涌现可靠性定理的一个简单证明
考虑最简单的涌现可靠性场景：N个二值粒子的多数投票。
设N个粒子各自独立以概率p>1/2取值1（其余取值0）。"涌现结果"定义为多数投票——如果超过N/2个粒子取值1则结果为1。
定理： 涌现结果为1的概率随N增大趋于1。
证明： 取值1的粒子数X服从二项分布B(N,p)。E[X]=Np, Var[X]=Np(1-p)。由大数定律，X/N → p (a.s.)。因为p>1/2，所以对充分大的N，P(X>N/2)→1。具体地，由Hoeffding不等式，P(X≤N/2) ≤ exp(-2N(p-1/2)²)。
SDE解读： 每个粒子的取值是混沌态的（概率性）。但涌现结果（多数投票）是可靠的——即使单个粒子不可靠（p只比1/2大一点），大量粒子的涌现结果以指数速度趋向确定性。这就是"路径不可复现（每个粒子的具体取值不同），终态可靠（涌现结果一致）"的数学证明。
这个简单例子可以推广到远更复杂的伞场系统——伞场中每个局部的行为是随机的（N_{SDE}>0），但整个伞场的涌现模式（全局共振态）是统计上可靠的。推广的技术难度在于：伞场中的"粒子"不是独立的——它们通过纠缠耦合——因此需要将独立性条件替换为混合条件或弱依赖条件。