更改

==问题拆分==

==问题拆分==

当我们把“对一个马尔科夫链做粗粒化”看作一个完整的问题，它本质上并不是单纯的“把若干状态聚成几类”的聚类问题，而是一个同时涉及'''尺度选择、动力学闭合、信息压缩和目标优化'''的多层问题。真正困难的地方不在于“哪些状态看起来像”，而在于：'''哪些微观差异只是会被快速混合掉的局部噪声、快变量或冗余通路，哪些差异则决定了系统未来的主要演化方向、稳态概率流以及跨尺度的因果结构。'''

当我们把“对一个马尔科夫链做粗粒化”看作一个完整的问题，它本质上并不是单纯的“把若干状态聚成几类”的聚类问题，而是一个同时涉及'''尺度选择、动力学闭合、信息压缩和目标优化'''的多层问题。我们在粗粒化过程中需要找到'''哪些微观差异只是会被快速混合掉的局部噪声、快变量或冗余通路，哪些差异则决定了系统未来的主要演化方向、稳态概率流以及跨尺度的因果结构。'''

从物理直觉上说，一个好的宏观态应当把“对外行为几乎一样”的微观状态吸收到同一组里，把“长期命运不同”的状态分开。前者例如具有相似的转出概率模式、相似的稳态流角色、相似的未来条件分布；后者例如属于不同常返类、不同周期类，或通向不同吸引子结构。若把后一类状态强行合并，宏观过程往往会出现记忆效应，或者丢掉最关键的慢变量。

从物理直觉上说，一个好的宏观态应当把“对外行为几乎一样”的微观状态吸收到同一组里，把“长期命运不同”的状态分开。前者例如具有相似的转出概率模式、相似的稳态流角色、相似的未来条件分布；后者例如属于不同常返类、不同周期类，或通向不同吸引子结构。若把后一类状态强行合并，宏观过程往往会出现记忆效应，或者丢掉最关键的慢变量。