1,864
个编辑
更改
跳到导航
跳到搜索
第54行：
第54行： − +
→Erik Hoel的因果涌现理论
其中<math>N</math>表示系统的状态个数，<math>Eff(S)\in[0,1] </math>。此外，有效系数可以进一步分解为确定性和简并性，确定性和简并性的计算公式见[[有效信息]]词条：
其中<math>N</math>表示系统的状态个数，<math>Eff(S)\in[0,1] </math>。此外，有效系数可以进一步分解为确定性和简并性，确定性和简并性的计算公式见[[有效信息]]词条：
可以通过比较系统中宏微观动力学的有效信息大小来判断因果涌现的发生（<math>CE=EI\left ( S_M \right )-EI\left (S_m \right )</math>）。如果通过有效的粗粒化使得宏观动力学的有效信息大于微观动力学的有效信息（<math>EI\left ( S_M \right )> EI\left (S_m \right ) </math>），那么认为在该粗粒化基础上宏观动力学具有因果涌现特性。
可以通过比较系统中宏微观动力学的有效信息大小来判断因果涌现的发生（<math>CE=EI\left ( S_M \right )-EI\left (S_m \right )</math>，其中<math>S_M</math>和<math>S_m</math>分别表示宏微观动力学）。如果通过有效的粗粒化使得宏观动力学的有效信息大于微观动力学的有效信息（<math>EI\left ( S_M \right )> EI\left (S_m \right ) </math>），那么认为在该粗粒化基础上宏观动力学具有因果涌现特性。
在文献中，Hoel给出一个含有8个状态的马尔可夫链的状态转移矩阵例子，如图a所示。其中前7个状态之间等概率转移，最后一个状态是独立的，通过将前7个状态粗粒化成一个状态，可以得到右图确定的宏观系统，即系统的未来状态完全可以由当前状态决定。此时<math>EI(S_M\ )>EI(S_m\ ) </math>，系统发生了因果涌现。
在文献中，Hoel给出一个含有8个状态的马尔可夫链的状态转移矩阵例子，如图a所示。其中前7个状态之间等概率转移，最后一个状态是独立的，通过将前7个状态粗粒化成一个状态，可以得到右图确定的宏观系统，即系统的未来状态完全可以由当前状态决定。此时<math>EI(S_M\ )>EI(S_m\ ) </math>，系统发生了因果涌现。