更改

与 IIT1.0 版本中的最小信息二分（MIB）概念相比，此处的 MIP 概念不限于将研究的系统二分，而是可将系统分割为 k 份（k>=2），以及此处采用的单点有效信息（ei）作为衡量指标。最小信息划分数学表达式为

与 IIT1.0 版本中的最小信息二分（MIB）概念相比，此处的 MIP 概念不限于将研究的系统二分，而是可将系统分割为 k 份（k>=2），以及此处采用的单点有效信息（ei）作为衡量指标。最小信息划分数学表达式为

<nowiki>[math]\displaystyle { P_{\text {MIP}} = \arg\min_{P} \left { \frac {ei (X_0 \to x_1 / P)}{N_P} \right} }[/math]</nowiki>

<nowiki>[math]\displaystyle { P_{\text {MIP}} = \arg\min_{P} \left { \frac {ei (X_0 \to x_1 / P)}{N_P} \right} }[/math]</nowiki>

其中 [math]\displaystyle { ei (X_0 \to x_1 / P) }[/math]，是 “分割 P 下的跨分割有效信息”，本质是通过 KL 散度（[math]\displaystyle { H [\cdot \parallel \cdot] }[/math]）衡量 “系统整体后验状态分布库” 与 “分割后各部分后验分布乘积” 的信息差异，该差异直接反映了分割对系统整体信息的破坏程度。其公式为：[math]\displaystyle { ei (X_0 \to x_1 / P) = H\left [ p (X_0 \to x_1) \parallel \prod_{M_k \in P} p (M_0^k \to \mu_1^k) \right] }[/math]

其中 [math]\displaystyle { ei (X_0 \to x_1 / P) }[/math]，是 “分割 P 下的跨分割有效信息”，本质是通过 KL 散度（[math]\displaystyle { H [\cdot \parallel \cdot] }[/math]）衡量 “系统整体后验状态分布库” 与 “分割后各部分后验分布乘积” 的信息差异，该差异直接反映了分割对系统整体信息的破坏程度。其公式为：[math]\displaystyle P^{MIP} = \arg\min_{P} \left\{ \frac{ei\left(X_0 \to x_1 / P\right)}{N_P} \right\}[/math]

[math]\displaystyle { N_P }[/math] 是 “标准化系数”，用于消除分割尺寸偏差，公式为

<nowiki>[math]\displaystyle { N_P }[/math] 是 “标准化系数”，用于消除分割尺寸偏差，公式为

<nowiki>[math]\displaystyle { N_P = (m - 1) \cdot \min_{k} \left { H_{\text {max}}(M_0^k) \right} }[/math]，m 为分割的部分数量，[math]\displaystyle { H_{\text {max}}(M_0^k) }[/math] 为部分的最大先验熵。</nowiki>

[math]\displaystyle N_P = (m - 1) \cdot \min_k \left\{ H^{max}\left(M_0^k\right) \right\}[/math]，m 为分割的部分数量，[math]\displaystyle { H_{\text {max}}(M_0^k) }[/math] 为部分的最大先验熵。

找到 MIP 后，IIT2.0 将整合信息 Φ 直接定义为该分割下的跨分割有效信息，即

找到 MIP 后，IIT2.0 将整合信息 Φ 直接定义为该分割下的跨分割有效信息，即</nowiki>

<nowiki>[math]\displaystyle { \phi (x_1) = ei (X_0 \to x_1 / P_{\text {MIP}}) }[/math]。这一关联的逻辑闭环在于：MIP 是 “破坏系统整合最弱的分割”，其对应的 ei 值恰好量化了 “系统作为整体，比‘最弱分割后的独立部分’多产生的信息”—— 这部分无法被分割后的部分独立解释的信息，正是系统的核心整合信息。若 Φ=0，说明分割后的部分独立工作即可完全解释系统整体信息，系统无实质整合性；若 Φ>0，则表明系统是不可还原的整体，Φ 值越大，系统的整合能力越强。</nowiki>

<nowiki>[math]\displaystyle { \phi (x_1) = ei (X_0 \to x_1 / P_{\text {MIP}}) }[/math]。这一关联的逻辑闭环在于：MIP 是 “破坏系统整合最弱的分割”，其对应的 ei 值恰好量化了 “系统作为整体，比‘最弱分割后的独立部分’多产生的信息”—— 这部分无法被分割后的部分独立解释的信息，正是系统的核心整合信息。若 Φ=0，说明分割后的部分独立工作即可完全解释系统整体信息，系统无实质整合性；若 Φ>0，则表明系统是不可还原的整体，Φ 值越大，系统的整合能力越强。</nowiki>

==== 意识的“质” ====

==== 意识的“质” ====

'''模态式'''是由大量高纠缠度（γ>0）的'''概念（不可分割信息关系）''' 层级化聚合形成的'''感质空间（Q）子形状'''，对应意识体验的功能性分类（如视觉、听觉、触觉等）；其核心特征是局部最大密集纠缠—— 作为感质空间中比周围 q - 箭头更密集纠缠的子集合，既不被包含在更密集纠缠的更大集合中，又类比于生成整合信息\(\Phi>0\)的复合体（complex）。不同模式对应视觉、听觉等不同功能模态，既相对独立又共同构成整体意识体验，如看电影时的视觉与听觉模态。

'''模态式'''是由大量高纠缠度（γ>0）的'''概念（不可分割信息关系）''' 层级化聚合形成的'''感质空间（Q）子形状'''，对应意识体验的功能性分类（如视觉、听觉、触觉等）；其核心特征是局部最大密集纠缠—— 作为感质空间中比周围 q - 箭头更密集纠缠的子集合，既不被包含在更密集纠缠的更大集合中，又类比于生成整合信息\(\Phi>0\)的复合体（complex）。不同模式对应视觉、听觉等不同功能模态，既相对独立又共同构成整体意识体验，如看电影时的视觉与听觉模态。

'''在图4.4中具象化了 “模态（modes）” 概念'''，通过一个包含 “AND 门” 与 “COPY 门” 的混合系统，直观呈现模式是最大密集纠缠的 q-arrow 集群这一核心定义，同时揭示模态与系统连接性、纠缠分布的关联。图4.4AB中用粉色区域标记 {c¹³,c²³} 对应的 q-arrow 集群，该区域的纠缠密度（γ/ 最大熵）显著高于周围（尤其是 c³² 对应的灰色区域），形成一个独立的子形状—— 这一子形状即文档定义的模式，因为它是局部最大密集纠缠的集合，且不被任何更大的、纠缠密度更高的 q-arrow 集群包含。而图4.4AC中C32用灰色区域表示，q - 箭头无密集纠缠，无法形成独立的子形状 ，未产生纠缠。

'''在图4.4中具象化了模态 概念'''，通过一个包含 “AND 门” 与 “COPY 门” 的混合系统，直观呈现模式是最大密集纠缠的 q-arrow 集群这一核心定义，同时揭示模态与系统连接性、纠缠分布的关联。图4.4AB中用粉色区域标记 {c¹³,c²³} 对应的 q-arrow 集群，该区域的纠缠密度（γ/ 最大熵）显著高于周围（尤其是 c³² 对应的灰色区域），形成一个独立的子形状—— 这一子形状即文档定义的模式，因为它是局部最大密集纠缠的集合，且不被任何更大的、纠缠密度更高的 q-arrow 集群包含。而图4.4AC中C32用灰色区域表示，q - 箭头无密集纠缠，无法形成独立的子形状 ，未产生纠缠。

[[文件:局部截取 20251109 152740.png|无|缩略图|600x600像素|模式]]

[[文件:局部截取 20251109 152740.png|无|缩略图|600x600像素|模式]]