Diese Arbeit präsentiert die Strukturellen Differenzierungsinformationen (SDI) v1.6, ein minimales und falsifizierbares Rahmenwerk, in dem Information nicht als passive Speicherung, symbolische Kodierung oder abstrakte Korrelation definiert wird, sondern als das stabilisierte Ergebnis akkumulierter struktureller Differenzierung. In SDI entsteht Information, wenn lokale strukturelle Differenzierung ausreichend beständig wird, um messbare Speicherung über künstliche, biologische und physikalische Systeme hinweg zu erzeugen. Das Rahmenwerk wird durch eine kompakte logarithmische Beziehung ausgedrückt, explizit visualisiert durch repräsentatives numerisches Verhalten und mit beobachtbaren Proxy-Daten für empirische Tests verbunden. Das Papier ist wie folgt strukturiert: Eine minimale analytische Definition von struktureller Information, numerisches Verhalten, das die Rollen von Parametern (Sättigung und Anstieg) demonstriert, beobachtbare Proxy-Daten in AI, Biologie und Physik, konzeptionelle Integration in ein breiteres strukturelles Rahmenwerk. SDI bietet eine direkte Brücke zwischen lokalen strukturellen Dynamiken und beobachtbarer Persistenz, die einen bereichsübergreifenden Vergleich und empirische Bewertung ermöglicht. Dieses Rahmenwerk ist minimal, falsifizierbar und direkt testbar und bietet eine einheitliche strukturelle Interpretation von Informationen, die auf messbarer Persistenz beruht.
Koji Okino (Mon,) untersuchte diese Frage.