メニュー
Koopman operator theory for infinite-dimensional linear lifting of nonlinear dynamics. Generates dynamics from observables.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SOC 職業分類に基づく
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/plurigrid/asi --skill koopman-generatorコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
Compressive Vasomotion Hypothesis (CVH) — vasomotion as a fast compression sweep that collapses ambivalent neural resonances (the Bayesian-blur problem) into a definite state. Use when modeling the ~100ms taṇhā 'grab', precision-weighting as compression forcefulness, or the generative collapse step of vasocomputational active inference.
Latched Hyperprior Hypothesis (LHH) — a sustained vascular contraction engages the smooth-muscle latch-bridge, durably freezing a circuit as a committed hyperprior isolated from global updating; unlatches when its prediction resolves. Use when modeling durable commitments, trauma/PTSD as cemented priors, latch spirals, or the cross-substrate latch (mechanical/bioelectric/immune/sheaf).
Synaptic substrate of biological active inference — long-term potentiation/depression (LTP/LTD) writes priors into synaptic weights = the learning landscape (Deep CANALs). A held vascular latch annealed long enough crystallizes into a neuron prior. Use when modeling consolidation, neuron priors, the inference→learning landscape write-path, or commit-to-disk of a held prediction.
| name | koopman-generator |
| description | Koopman operator theory for infinite-dimensional linear lifting of nonlinear dynamics. Generates dynamics from observables. |
| source | Brunton+Kutz+Mezić + music-topos |
| license | MIT |
| trit | 1 |
The Koopman operator K linearizes nonlinear dynamics by lifting to infinite-dimensional observable space:
State space (nonlinear) Observable space (linear)
x_{t+1} = f(x_t) → (Kg)(x) = g(f(x))
Key property: K is linear even when f is nonlinear.
DMD finds finite-rank approximation of K:
K ≈ Φ Λ Φ†
Koopman = natural transformation on observable presheaves:
# Observable functor
F: StateSpace → ObservableSpace
# Koopman as pushforward
K = f_*: Sh(X) → Sh(X)
dmd-spectral (-1) ⊗ structured-decomp (0) ⊗ koopman-generator (+1) = 0 ✓
temporal-coalgebra (-1) ⊗ acsets (0) ⊗ koopman-generator (+1) = 0 ✓