arXivで公開されたStefano Grassiによる論文「連続時間におけるフィードバック結合メモリシステム」は、フィードバック結合メモリシステム（FCMS）アーキテクチャの連続時間版を提案し、従来未定義だった演算子の具体的定義を与えている。
FCMSは当初、四つの抽象演算子を通じてエージェントと環境の閉ループ協調を形式化していたが、エージェント更新演算子f_iと環境更新演算子Ψは公理的に未定義のまま残されていた。本論文では、f_iをメカニズムベース知能（MBI）で定義する。MBIでは、エージェントは分散価格メカニズムと経済原理に基づいて局所的に更新される。一方、Ψは結合メモリグラフ過程（CMGP）で定義される。CMGPは非マルコフ枠組みであり、環境を軌跡の履歴をコヒーレントに記録し応答する物理基盤として扱い、外部からの強制を必要としない。
これらの定義に基づき連続時間FCMSインスタンスが構築され、リアプノフ大域的散逸性が達成される。その安定条件は計算可能な閾値4β² < 2ημγ²によって支配される。この結果は離散FCMSの安定条件4ηβ² < γおよびCMGPの物理的分岐閾値α_c = 1/Kを一般化し、メモリ散逸がフィードバック利得を上回ることが普遍的な組織原理であることを確認する。
理論予測を検証するため、N=2エージェントの数値シミュレーションおよびN=10^6の平均場解析が行われた。シミュレーションは閾値を正確に再現し、条件が破られた際に自己強化型の協調カスケードが生じることを示した。このカスケードではエージェントの行動と環境状態が相互に増幅し、システムを平衡から遠ざける。
本研究は、複雑なエージェント-環境結合系の安定性解析に新たなツールを提供し、経済機構と物理記憶過程の連続時間における融合を示している。今後の研究では、分散制御やマルチエージェントシステム、複雑ネットワークへの応用が期待される。