记忆不是存储的，而是在多尺度复频率链的临界涌现中"重新生成"的。这一命题颠覆了信息论中"记忆=编码+存储+提取"的经典范式。在活性算法中，记忆是一种相变现象：当系统的层次数目 N 达到临界值时，跨时间关联突然可及，系统从"无记忆"状态跃迁到"有记忆"状态。这一相变不是渐进的，而是突发的——正如水在0°C时突然结冰，记忆在

​N=N_c时突然涌现。

    临界涌现的机制在于跨尺度反馈环的形成。在单层系统中，信息只能沿时间单向流动：过去影响现在，但现在无法"回溯"过去，因为单层缺乏将当前状态与历史状态耦合的机制。当增加第二层时，慢变量可以记录快变量的历史平均值，形成初步的跨时间关联。但当层次数目较少时，这种关联是脆弱的、线性的、容易饱和的。只有当层次数目达到临界值——对于神经组织而言，这个值恰好是三——跨尺度反馈环才能形成闭合的自指结构：快层驱动慢层，慢层约束快层，中间层调解二者的耦合。这种闭合环使得信息可以在不同时间尺度间循环流动，当前观测可以激活历史模式，历史模式可以修正当前推断。

    记忆相变的另一个关键特征是"延迟重现"。在临界涌现的记忆系统中，回忆不是即时的，而是需要一定的"孵化时间"——系统必须在复频率链上进行足够的共振耦合，才能将分散在各层的历史痕迹整合为可提取的全息映射。这解释了心理学中的"酝酿效应"：为什么某些记忆在最初无法提取，经过一段时间的无意识加工后突然浮现——因为跨尺度的共振需要时间锁定。记忆随层次数目临界涌现，因此不仅是神经科学的命题，也是宇宙学的命题：宇宙的多尺度结构（量子涨落、原子过程、化学反应、生物演化、文明积累）可能正是同一记忆相变在更大尺度上的展开。

支持单位：