考虑一个多层自由能最小化系统，每一层 i 具有特征时间尺度τ_i​ 和特征空间尺度Li​ 。为了形成有效的跨尺度记忆，系统必须满足两个条件：一是相邻层之间的时间尺度分离足够大（τ_i+1>>τ_i），以确保慢层能够整合快层的动态而不被其淹没；二是层间耦合必须形成闭合反馈环，以确保信息可以在不同尺度间双向流动。当N=1时，系统只有单一时间尺度，无法形成跨尺度记忆，所有动态都是瞬时的、无历史的。当N=2 时，系统可以形成简单的快慢耦合，但这种耦合是线性的、单向的（快→慢），缺乏对快层的反馈调节，因此记忆是脆弱的、容易被覆盖的。当N=3 时，系统出现了质的跃迁：中间层既可以整合快层的细节，又可以被慢层的目标所调节，同时还能向快层提供反馈——形成了一个完整的"感知-整合-调控"闭环。

         N=3的必然性还可以从自由能景观的几何角度理解。单层系统的自由能景观是简单的凸函数或单阱结构；双层系统可以形成鞍点和局部极小值，但缺乏逃逸机制；三层系统则首次具备了"元稳定态之间的跃迁"能力——慢层提供全局景观的粗粒化描述，中间层提供局部动态的介观调节，快层提供实时响应的微观精度。这种"粗粒化-调节-响应"的三体结构，使得系统能够在稳定性与灵活性之间维持张力：既不会因为过于僵化而失活，也不会因为过于敏感而失稳。进化在数亿年的试错中"发现"了这一数学必然性，将其固化为脊椎动物脑的通用架构。N=3 因此不是生物学的经验规律，而是活性算法的拓扑定理。

支持单位：