myia-ai-01 · Oct 10, 2026 · Oct 8, 2026 · Oct 8, 2026 · Oct 9, 2026 · Oct 9, 2026
diff --git a/scripts/hashlife/README.md b/scripts/hashlife/README.md
@@ -6,13 +6,15 @@ Instrumentation pour mesurer la **complexite de trajectoire** (compression LZ fe
 
 | Fichier | Role |
 |---------|------|
-| `k_trajectory.py` | CLI principal -- modes `measure`, `verify-corpus`, `bounds`, `wolfram`, `wolfram-4classes` |
+| `k_trajectory.py` | CLI principal -- modes `measure`, `verify-corpus`, `bounds`, `wolfram`, `wolfram-4classes`, `wolfram-ksf` |
 | `wolfram_cross_classes_results.json` | Verbatim mesure 4 classes Wolframe (pli 4 c.110) |
+| `wolfram_ksf_results.json` | Verbatim KSF 4 classes (pli 7 c.111) |
 | `wolfram_results.json` | Verbatim mesure Rule 30 / Rule 110 (pli 3 c.109) |
 | `k_trajectory_results.json` | Mesure 2-D Game of Life (pli 1 c.103) |
 | `WOLFRAM-VERDICT.md` | Falsifiable verdict R30 / R110 (pli 3 c.109) |
-| `WOLFRAM-VERDICT-CROSS-CLASSES.md` | Falsifiable verdict 4 classes (pli 4 c.110) |
-| `tests/` | Pytests (12 tests pli 4 + pli 3) |
+| `WOLFRAM-VERDICT-CROSS-CLASSES.md` | Falsifiable verdict 4 classes LZ (pli 4 c.110) |
+| `WOLFRAM-VERDICT-KSF.md` | Falsifiable verdict KSF R30 vs R110 (pli 7 c.111) |
+| `tests/` | Pytests (12 pli 4 + 14 pli 7 + pli 3) |
 
 ## Modes CLI
 
@@ -22,20 +24,24 @@ Instrumentation pour mesurer la **complexite de trajectoire** (compression LZ fe
 | `verify-corpus` | Verification reproductibilite d'un corpus de trajectoires | `python scripts/hashlife/k_trajectory.py --mode verify-corpus --corpus <path>` |
 | `bounds` | Bornes theoriques (LZ vs entropie brute) | `python scripts/hashlife/k_trajectory.py --mode bounds --n-cells 64` |
 | `wolfram` | K_trajectory sur Rule 30 / Rule 110 (1-D) | `python scripts/hashlife/k_trajectory.py --mode wolfram --rule 30 --n-cells 64 --n-steps 64` |
-| `wolfram-4classes` | K_trajectory sur les 4 classes canoniques Wolframe (R0/R4/R30/R110) | `python scripts/hashlife/k_trajectory.py --mode wolfram-4classes --n-cells 64` |
+| `wolfram-4classes` | K_trajectory LZ sur les 4 classes canoniques Wolframe (R0/R4/R30/R110) | `python scripts/hashlife/k_trajectory.py --mode wolfram-4classes --n-cells 64 --n-steps 64` |
+| `wolfram-ksf` | Kolmogorov structure function K(W\|W') sur les 4 classes | `python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --n-cells 64 --n-steps 64` |
 
 ## Reproduction
 
 ```bash
 # PYTHONPATH necessaire pour ict.wolfram_step (pli 2 PR #19793)
 export PYTHONPATH=MyIA.AI.Notebooks/IIT/ICT-Series
 
-# Mesure 4 classes Wolframe (pli 4)
-python scripts/hashlife/k_trajectory.py --mode wolfram-4classes --n-cells 64
+# Mesure 4 classes Wolframe (pli 4 LZ)
+python scripts/hashlife/k_trajectory.py --mode wolfram-4classes --n-cells 64 --n-steps 64
 
-# Sortie JSON
-python scripts/hashlife/k_trajectory.py --mode wolfram-4classes --n-cells 64 \
-    --json-out scripts/hashlife/wolfram_cross_classes_results.json
+# Mesure KSF 4 classes (pli 7) -- n_cells >= 512 requis (sous ce plancher : SATURATED)
+python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --all --n-cells 1024 --n-steps 1024
+
+# Sortie JSON (mesure canonique)
+python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --all --n-cells 1024 --n-steps 1024 \
+    --json-out scripts/hashlife/wolfram_ksf_results.json
 
 # Tests pytest
 python -m pytest scripts/hashlife/tests/ -v
@@ -51,7 +57,7 @@ python -m pytest scripts/hashlife/tests/ -v
 - Mesure initiale a `n_cells = 64` : R30 (chaos) et R110 (Turing-complet) rendaient le **meme** ratio (0.510) -- un artefact de cadrage zlib (`K(W=64) = 523 = 512 + 11`, identique pour les deux regles), pas un resultat sur les regles.
 - Hors saturation (`n_cells = 1024`) : R30 (frac 1.001, incompressible) et R110 (frac 0.429, compressible) **se separent**, dans le sens **inverse** de l'hypothese. Verdict : `WOLFRAM-CROSS-DIMENSION-REFUTED`. Cf. [WOLFRAM-VERDICT.md](WOLFRAM-VERDICT.md).
 
-### Pli 4 (c.110) -- K_trajectory 4 classes Wolframe
+### Pli 4 (c.110) -- K_trajectory LZ 4 classes Wolframe
 
 Mesure canonique `n_cells = 1024` (hors saturation) :
 
@@ -66,12 +72,28 @@ Mesure canonique `n_cells = 1024` (hors saturation) :
 - **Correction du 2026-10-09** : la mesure initiale a `n_cells = 64` publiait le **meme** ratio (0.510) pour R30 et R110 et un verdict « 2/4 contredisent » — un artefact de cadrage zlib (`K(W=64) = 523 = 512 + 11`, identique pour les deux regles). L'instrument declare desormais `WOLFRAM-SATURATED` sous `n_cells < 512`. Hors saturation, R30 et R110 se separent (0.922 vs 0.571).
 - Conclusion : K_trajectory **separe** chaos et structure en 1-D des que la mesure sort du cadrage, mais ne mesure pas la **Turing-completude** (R110 est compressible parce que regulier). Instrument adequate pour discriminer *soupe vs programme* en 2-D.
 
+### Pli 7 (c.111) -- Kolmogorov structure function Rule 30 / Rule 110
+
+Mesure canonique n_cells = 1024, n_steps = 1024, seed = 33. KSF en **bits par cellule** (W = 32), la seule echelle commensurable aux landmarks :
+
+| Regle | Classe | KSF(W=32) | Landmark | Verdict |
+|-------|--------|-----------|----------|---------|
+| 0     | I      | 0.008     | 0.000    | CLASS-I-CONFIRMED |
+| 4     | II     | 0.000     | 0.000    | CLASS-II-CONFIRMED |
+| 30    | III    | 1.000     | 0.850    | CLASS-III-CONFIRMED (entropie maximale) |
+| 110   | IV     | 0.376     | 0.200    | CLASS-IV-CONFIRMED (structure reguliere compressible) |
+
+- Verdict final : `WOLFRAM-KSF-DISCRIMINANT` -- KSF(R30, W=32) = 1.000, KSF(R110, W=32) = 0.376, delta = 0.624.
+- **Correction du 2026-10-09** : le verdict initial `WOLFRAM-KSF-NONDISCRIMINANT` (KSF = 8.000 pour les deux regles a n_cells = 64) etait un **artefact** a deux titres -- (a) `ksf_mean` etait rendu en **octets** et compare a des landmarks en **bits/cellule** (facteur 8 : 8.000 octets = 1.0 bit/cellule, l'entropie maximale, pas un plafond) ; (b) n_cells = 64 est **sous le plancher de cadrage zlib**, ou les deux regles rendent la meme constante. L'instrument declare desormais `WOLFRAM-SATURATED` sous `n_cells < 512`.
+- Conclusion : hors saturation, KSF **discrimine** et **retrouve les quatre landmarks**. Ce qui reste hors de portee de cette famille d'instruments n'est pas la separation chaos/structure (acquise) mais la mesure de la **Turing-completude** elle-meme, qui demande un instrument non-local (Block decomposition, SAT-based minimal program, causal graph).
+
 ## Origine
 
-Suite Origami (EPIC #19742) -- plis 1 a 4 de l'instrumentation Hashlife / K_trajectory :
+Suite Origami (EPIC #19742) -- plis 1 a 7 de l'instrumentation Hashlife / K_trajectory :
 - **Pli 1** (c.103-c.104) : instrument K_trajectory 2-D, DELIVERED.
 - **Pli 2** (c.108) : organe `ict.wolfram_step` (PR #19793 OPEN).
 - **Pli 3** (c.109) : instrument 1-D Rule 30 / Rule 110 (PR #19815 OPEN).
-- **Pli 4** (c.110) : extension 4 classes Wolframe (PR a ouvrir).
+- **Pli 4** (c.110) : extension 4 classes Wolframe (PR #19819 OPEN).
+- **Pli 7** (c.111) : Kolmogorov structure function (PR a ouvrir).
 
-Suite prevue : pli 5 (hypergraphes), pli 6 (multiway), pli 7 (Kolmogorov structure function).
+Suite a venir : plis 5/6 (Lean hypergraphes / multiway) bloques par env Lean/JVM absent.
diff --git a/scripts/hashlife/WOLFRAM-VERDICT-KSF.md b/scripts/hashlife/WOLFRAM-VERDICT-KSF.md
@@ -0,0 +1,128 @@
+# WOLFRAM-VERDICT-KSF — Kolmogorov structure function Rule 30 vs Rule 110
+
+**Suite Origami pli 7.** Constat : pli 4 (LZ fenetre, c.110) n'a pas discrimine Rule 30 (chaotique) de Rule 110 (Turing-complet). Ce pli etend le discriminant a K(W|W'), la **Kolmogorov structure function** (Vereshchagin & Vitanyi 2004) — l'instrument canonique pour discriminer entropie aleatoire d'entropie structuree.
+
+**Correction du 2026-10-09** : le verdict initial (`WOLFRAM-KSF-NONDISCRIMINANT`) etait un **artefact d'echelle et d'unite**, pas un resultat de contenu. Les deux defauts sont mesures et corriges ci-dessous.
+
+## Perimetre
+
+Mesure `K_trajectory --mode wolfram-ksf` (pli 7, c.111) sur les 4 classes canoniques de Wolframe :
+
+| Regle | Classe | Comportement attendu pour KSF |
+|-------|--------|-------------------------------|
+| 0     | I (uniforme) | 0 (deterministe, contexte capture tout) |
+| 4     | II (periodique) | 0 (deterministe, contexte capture tout) |
+| 30    | III (chaotique) | 1.0 bit/cellule (entropie maximale, contexte n'aide pas) |
+| 110   | IV (Turing-complet) | intermediaire (contexte capture gliders et reactions) |
+
+## Les deux defauts de la mesure initiale
+
+### a) Unite : KSF etait rendue en octets, comparee a des landmarks en bits/cellule
+
+`ksf_trajectory` rend `ksf_mean` en **octets** (difference de longueurs LZ). Les landmarks `WOLFRAM_KSF_LANDMARKS` sont des **bits par cellule**. Le verdict comparait donc directement des octets a des bits.
+
+Pour une trajectoire incompressible, `ksf_mean` vaut `n_cells / 8` octets, c'est-a-dire **exactement 1.0 bit par cellule** — le plancher d'entropie, pas un plafond de compresseur. A n_cells = 64 : `ksf_mean = 8.000` octets, soit **1.0 bit/cellule**.
+
+Le rapport initial lisait ces 8.000 comme des bits et concluait « 8/64 = 12.5 % de l'entropie maximale ». C'est un **facteur 8** : la valeur normalisee correcte est 100 %, et c'est precisement ce que predit la theorie pour Rule 30.
+
+Le resultat porte desormais sa propre normalisation (`ksf_bits_per_cell = ksf_mean * 8 / n_cells`), seule echelle commensurable aux landmarks.
+
+### b) Echelle : n_cells = 64 est sous le plancher de cadrage zlib
+
+A n_cells = 64, chaque etat packe ne porte que 8 octets, sous le plancher de cadrage zlib (~11 octets par bloc stocke). La fenetre packee d'une mesure W reste trop courte pour que zlib distingue contenu et cadrage : **R30 et R110 rendent la meme constante**, et la « non-discrimination » mesuree n'etait que le cadrage de l'instrument.
+
+Mesure firsthand (2026-10-09) : a n_cells = 64, R30 et R110 rendent tous deux `ksf_mean = 8.000` = `n_cells / 8`, a toutes les tailles de contexte W >= 8.
+
+L'instrument declare donc desormais `WOLFRAM-SATURATED` sous `n_cells < 512` (constante `WOLFRAM_KSF_MIN_N_CELLS`) : dans cette zone, toute discrimination comme toute non-discrimination est un artefact.
+
+## Mesure corrigee (hors saturation)
+
+**n_cells = 1024, n_steps = 1024, seed = 33** (mesure canonique, `wolfram_ksf_results.json` committe). KSF en bits par cellule, W = 32 :
+
+| Regle | Classe | KSF(W=1) | KSF(W=32) | Landmark | Verdict |
+|-------|--------|----------|-----------|----------|---------|
+| 0     | I      | 0.008    | 0.008     | 0.000    | CLASS-I-CONFIRMED (delta 0.008) |
+| 4     | II     | 0.032    | 0.000     | 0.000    | CLASS-II-CONFIRMED (delta 0.000) |
+| 30    | III    | 1.000    | **1.000** | 0.850    | CLASS-III-CONFIRMED (delta 0.150) |
+| 110   | IV     | 0.751    | **0.376** | 0.200    | CLASS-IV-CONFIRMED (delta 0.176) |
+
+**n_cells = 512, n_steps = 512, seed = 33** (plancher de la zone concluante) :
+
+| Regle | Classe | KSF(W=32) | Landmark | Verdict |
+|-------|--------|-----------|----------|---------|
+| 0     | I      | 0.031     | 0.000    | CLASS-I-CONFIRMED |
+| 4     | II     | -0.016    | 0.000    | CLASS-II-CONFIRMED |
+| 30    | III    | 1.000     | 0.850    | CLASS-III-CONFIRMED |
+| 110   | IV     | 0.507     | 0.200    | CLASS-IV-DEVIATION (delta 0.307) |
+
+## Resultats falsifiables
+
+### 1. Discrimination Rule 30 vs Rule 110 par KSF : **DISCRIMINANT**
+
+A W = 32 (contexte maximal), hors saturation : KSF(R30) = **1.000** bit/cellule, KSF(R110) = **0.376** bit/cellule a n = 1024 ; **delta = 0.624**.
+
+**Verdict final** : `WOLFRAM-KSF-DISCRIMINANT` — la Kolmogorov structure function **separe** le chaos de la structure Turing-complete des que la mesure sort de la zone saturee, contrairement a ce que concluait la mesure a n_cells = 64.
+
+### 2. Les landmarks theoriques sont confirmes empiriquement
+
+Les quatre classes tombent dans la fenetre de tolerance (0.20 bit/cellule) de leur landmark a n = 1024 : R0 et R4 sur 0.000, R30 sur 0.850 (observe 1.000), R110 sur 0.200 (observe 0.376). La ligne « landmarks non valides, a recalibrer » de la version precedente est levee : l'ecart venait de l'unite, pas du landmark.
+
+### 3. Convergence en n — un plancher, pas une asymptote
+
+R110 decroit vers son landmark avec la taille : 0.507 (n=512, deviation) puis 0.376 (n=1024, confirme). La convergence n'est pas encore asymptotique : la part de la structure de R110 que la fenetre W = 32 capture croit avec n. Rule 30 est insensible a n (1.000 a toutes les echelles mesurees : entropie maximale a chaque pas).
+
+### 4. Ce que la mesure dit et ne dit pas
+
+KSF(W) mesure la **redondance locale du dernier pas sachant une fenetre de W etats**. Elle discrimine R30 de R110 des que la fenetre est mesurable — mais elle ne mesure pas la **Turing-completude** elle-meme : R110 est compressible parce que sa trajectoire est **reguliere** (fond periodique, gliders), pas parce qu'elle est universelle. Un automate regulier non universel produirait le meme KSF. La lecture epistemique de la tranche 1 (« l'instrument detecte la regularite, pas l'auto-entretien ») tient donc, mais elle ne s'ecrit plus comme une **non-discrimination**.
+
+## Conclusion epistemologique
+
+**Pli 7 corrige pli 4 plutot qu'il ne le confirme.** La these « les complexites de trajectoire 1-D ne discriminent pas chaos et Turing-complet » etait portee par une mesure saturee. Hors saturation, KSF discrimine, et les landmarks de la theorie sont retrouves.
+
+Ce qui reste vrai et non-trivial : KSF mesure une **regularite de trajectoire**, pas une **classe de computation**. Discriminer chaos et Turing-completude par une mesure de complexite demande un instrument qui capte la **structure non-locale** (le programme, pas la trajectoire) :
+
+- **Block decomposition** (Zenil et al.) — pli 8, mesure deja instrumentee (#19836).
+- **SAT-based minimal program** — mesure directe de Kolmogorov.
+- **Causal graph analysis** (Zenil 2013) — profondeur du graphe causal.
+
+## Sources
+
+- Vereshchagin, N. & Vitanyi, P. (2004). *Kolmogorov structure functions and model selection*. IEEE Trans. Info. Theory 50(12): 3265-3290.
+- Li, M. & Vitanyi, P. (2019). *An Introduction to Kolmogorov Complexity and Its Applications*. Springer. 4th ed. Ch. 6-7.
+- Cook, M. (2004). *Universality in Elementary Cellular Automata*. Complex Systems 15(1): 1-40.
+- Wolfram, S. (2002). *A New Kind of Science*. Ch. 7.
+
+## Reproduction
+
+```bash
+export PYTHONPATH=MyIA.AI.Notebooks/IIT/ICT-Series
+
+# Zone saturee (verdict WOLFRAM-KSF-SATURATED attendu)
+python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --all --n-cells 64 --n-steps 64
+
+# Plancher de la zone concluante
+python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --all --n-cells 512 --n-steps 512
+
+# Mesure canonique (JSON committe)
+python scripts/hashlife/k_trajectory.py --mode wolfram-ksf --all --n-cells 1024 --n-steps 1024 \
+    --json-out scripts/hashlife/wolfram_ksf_results.json
+
+python -m pytest scripts/hashlife/tests/test_wolfram_ksf.py -v
+```
+
+## Limites
+
+- **Horizon W = 32** : la fenetre max reste 2^5 etats. A n grand, W_last ne couvre qu'une fraction de la trajectoire ; la convergence de R110 vers son landmark (0.507 -> 0.376) n'est pas encore asymptotique.
+- **Seed = 33 unique** : pas de multi-seed ; la robustesse du contenu R110 a la densite initiale reste a mesurer.
+- **n_cells = 1024** : le cout de la mesure croit avec n x 2^W ; au-dela, un comptage de facteurs LZ76 remplacerait zlib sans changer la nature du resultat.
+- **zlib comme approximateur de K** : borne superieure atteignable, sensible au build (~3 % mesure entre postes). La discrimination (1.000 vs 0.376) est tres au-dessus de ce bruit.
+
+## Suite Origami
+
+- **Pli 5/6** : bloques par env Lean/JVM absent (routeur po-2023/ai-01 WSL).
+- **Pli 8** : Block decomposition (Zenil), instrumentee (#19836), meme question de discriminant.
+- **Pli 9+ (propose)** : SAT-based minimal program, causal graph analysis.
+
+## Conclusion forte
+
+K_trajectory (LZ fenetre, pli 4) restait non discriminant a n = 64 ; la Kolmogorov structure function (pli 7), une fois corrigee de son erreur d'unite et mesuree hors de la zone de saturation zlib, **discrimine** Rule 30 (1.000 bit/cellule, entropie maximale) de Rule 110 (0.376, structure reguliere compressible), et **retrouve les quatre landmarks de la theorie**. Ce qui demeure hors de portee de cette famille d'instruments n'est pas la separation chaos/structure — elle est acquise — mais la mesure de la **Turing-completude** elle-meme, qui demande un instrument non-local.