更改

理解网络整合度的计算后，便可理解真正的整合度 <math>\Phi</math> 的计算。首先，将复杂网络替换为大脑构成的因果网络，其中节点可视为神经元，连边代表突触链接；其次，将连边理解为两个节点间的因果联系，其强弱对应因果联系的[[有效信息]]（即将系统二分后干预其中一个子系统的状态分布，其子系统之间的[[互信息]]，考察的是被切分的两个网络间的因果影响，具体可参见[[有效信息]]词条）。

理解网络整合度的计算后，便可理解真正的整合度 <math>\Phi</math> 的计算。首先，将复杂网络替换为大脑构成的因果网络，其中节点可视为神经元，连边代表突触链接；其次，将连边理解为两个节点间的因果联系，其强弱对应因果联系的[[有效信息]]（即将系统二分后干预其中一个子系统的状态分布，其子系统之间的[[互信息]]，考察的是被切分的两个网络间的因果影响，具体可参见[[有效信息]]词条）。

具体计算过程为：首先遍历所有子网络（即子系统）；对于任意选定的子网络，遍历所有切断它的划分方法，找到最小有效信息的切分，该切分处称为因果瓶颈，此处的有效信息即为该子网络的 <math>\phi</math>值；在所有子网络中找到 <math>\phi</math> 最大的那个，这个最大的 <math>\phi</math> 就是所求系统的<math>\Phi</math>值，即该因果网络的信息整合程度。

具体计算过程为：首先遍历所有子网络（即子系统）；对于任意选定的子网络，遍历所有切断它的划分方法，找到最小有效信息的切分，该切分处称为因果瓶颈，此处的有效信息即为该子网络的 <math>\phi</math>值；在所有子网络中找到 <math>\phi</math> 最大的那个，这个最大的 <math>\phi</math> 就是所求系统的<math>\Phi</math>值，即该因果网络的信息整合程度（此处用<math>\phi</math>表示子网络的整合信息量，<math>\Phi</math>表示整个系统的整合信息量）。

综上，所以从观感上看，左侧网络更易被拆分，其<math>\Phi</math>值可能越小。一个因果网络的信息整合程度是所有子网络中因果瓶颈处的有效信息所能达到的最大值，而具有这一最大有效信息的子网络便是意识发生的区域。

综上，所以从观感上看，左侧网络更易被拆分，其<math>\Phi</math>值可能越小。一个因果网络的信息整合程度是所有子网络中因果瓶颈处的有效信息所能达到的最大值，而具有这一最大有效信息的子网络便是意识发生的区域。