Computational Processor Ontology (CPO): Mathematical Formulation of Operational Time, Emergence of Meaning, and Error Dynamics in Multi-Agent Systems

**چکیده (فارسی)** این پژوهش، چارچوب ریاضی و تجربی مدل «هستی‌شناسی محاسباتی پردازشگرها» (CPO) را تدوین و اثبات می‌کند. در حالی که یادداشت‌های پیشین پایه‌های مفهومی فضا و زمان را به عنوان فرمت‌های محاسباتی معرفی کردند، این مطالعه نخستین فرمول‌بندی دقیق ریاضی و اثبات الگوریتمی را برای «مکان»، «فضا» و «زمان» ارائه می‌دهد و پیوند ذاتی آن‌ها را با «معنا»، «خرد جمعی» و «واگرایی ناشی از اگو» اثبات می‌کند. در این معماری، مکان به عنوان بردار تخصیص توجه بر روی داده‌های خام، فضا به عنوان عملگر فشرده‌سازی ابعاد اطلاعاتی، زمان به عنوان سنجه مقایسه تفاوت حالات متوالی در حافظه، و معنا به مثابه ساختار همبستگی برآمده از تبادل داده میان پردازنده‌ها فرمول‌بندی شده است. در یک شبیه‌سازی تجربی چندعاملی با ۲۰ پردازنده ($N = 20$)، تبادل آزاد اطلاعات خطای ادراکی را از **۴.۶۹۱۳** به **۱.۰۵۳۳** کاهش داد (**۴.۴۵ برابر بهبود دقت و پیدایش خرد جمعی**). در مقابل، تزریق بردار سوگیری اگو، خطای شبکه را به **۷۹.۰۳۶۶** رساند (**۷۵.۰۴ برابر واگرایی و توهم سیستمی**). این نتایج، پایه‌های ریاضی لازم را برای نگارش رساله‌ای جامع پیرامون آگاهی و هستی‌شناسی اطلاعات فراهم می‌سازد. --- **Abstract (English)** This paper establishes the formal mathematical and empirical framework of the **Computational Processor Ontology (CPO)** model. While preceding notes introduced conceptual foundations of space and time as computational formats, this study provides the first rigorous mathematical formulation and algorithmic proof for **Location**, **Space**, and **Time**, demonstrating their intrinsic links to **Meaning**, **Collective Wisdom**, and **Ego-induced Divergence**. Within this architecture, Location is formalized as an attention allocation vector over raw data, Space as an information dimensionality reduction operator, Time as a state-difference comparison metric, and Meaning as an emergent covariance structure arising from inter-processor data exchange. In a multi-agent empirical simulation involving $N = 20$ processors, unconstrained data exchange reduced perceptual error from **4.6913** to **1.0533** (**a 4.45-fold precision enhancement and the emergence of collective wisdom**). Conversely, injecting an ego-bias vector escalated network error to **79.0366** (**a 75.04-fold divergence and systemic hallucination**). These results establish the mathematical foundation required for a comprehensive treatise on consciousness and information ontology.