当多尺度全息映射在不同尺度间形成"锁定"（locking），宏观稳定结构涌现。这一命题将"结构"从传统的物质概念中解放出来，重新定义为信息模式的动态凝聚。原子、分子、细胞、组织、器官、个体、社会——在活性算法的视角下，都是全息映射锁定的不同层级，是临界态运算的"缓存结果"。

    锁定的机制可以从协同性的角度理解。在临界态上，系统的各个自由度之间存在着长程关联，但这种关联是松散的、可变的、易受扰动的。当环境信号或内部动力学将某些关联模式强化到超过阈值时，这些模式就形成了一个"吸引盆地"——系统的状态一旦进入这个 basin，就很难逃逸出去，除非受到足够强的外部扰动。这种稳定性就是锁定的本质：它不是静态的平衡，而是动态的稳健性。一个被锁定的全息映射，能够在持续的微观涨落中保持其宏观模式不变，因为跨尺度的反馈环不断地将偏离的状态"拉回"到 basin 中心。

    不同层级的锁定对应着不同的结构类型。在原子尺度，电子云与原子核的电磁耦合形成了原子的全息锁定；在分子尺度，原子间的共价键和范德华力形成了分子的全息锁定；在细胞尺度，蛋白质网络与基因调控的耦合形成了细胞的全息锁定；在组织尺度，细胞间的信号传导和力学相互作用形成了组织的全息锁定。每一层级的锁定都依赖于下一层级的锁定作为基础，但又涌现出了下一层级所不具备的因果力——这正是因果涌现的层级化表现。

    活性算法将结构的稳定性与推断的准确性联系在一起。一个被锁定的全息映射，意味着系统在该尺度上拥有了一个"足够好"的世界模型——它能够以较低的预测误差来应对该尺度上的环境变化。然而，锁定也是一把双刃剑：过度锁定的系统失去了灵活性，无法适应环境的剧变；过度松散的系统则失去了稳定性，无法积累有用的记忆。活性算法的核心操作，就是在锁定与解锁之间维持临界平衡：通过自适应临界性，系统不断地"熔化"过时的锁定、形成新的锁定，从而在稳健性与适应性之间动态游走。

支持单位：