更改

[[复杂网络]]中的因果涌现是指在复杂网络系统中，通过合适的粗粒化策略使得系统在宏观尺度展现出比微观尺度更强的因果特性。复杂网络的研究涉及多个领域，包括物理学、生物学、计算机科学和社会科学等。这些网络通常由节点和连接这些节点的边组成，节点可以代表个体或元素，而边则代表它们之间的相互作用或联系。[[因果涌现]]理论最初是由Erik Hoel<ref name=":1">Hoel E P, Albantakis L, Tononi G. Quantifying causal emergence shows that macro can beat micro[J]. Proceedings of the National Academy of Sciences, 2013, 110(49): 19790-19795.</ref>等人提出，并提出使用[[有效信息]]（Effective Information，简称EI）来量化离散[[马尔科夫动力学]]系统的因果性强弱。2020 年，Klein 等人<ref name=":0">Klein B, Hoel E. The emergence of informative higher scales in complex networks[J]. Complexity, 2020, 20201-12.</ref>尝试将该方法应用到复杂网络中，在更宏观的尺度上重铸网络并观察其EI相比原始网络如何变化，当重铸网络（宏观尺度）比原始网络 （微观尺度）具有更高的 EI 时，则说明该网络发生了[[因果涌现]]。

[[复杂网络]]中的因果涌现是指在复杂网络系统中，通过合适的粗粒化策略使得系统在宏观尺度展现出比微观尺度更强的因果特性。复杂网络的研究涉及多个领域，包括物理学、生物学、计算机科学和社会科学等。这些网络通常由节点和连接这些节点的边组成，节点可以代表个体或元素，而边则代表它们之间的相互作用或联系。[[因果涌现]]理论最初是由Erik Hoel<ref name=":1">Hoel E P, Albantakis L, Tononi G. Quantifying causal emergence shows that macro can beat micro[J]. Proceedings of the National Academy of Sciences, 2013, 110(49): 19790-19795.</ref>等人提出，并提出使用[[有效信息]]（Effective Information，简称EI）来量化离散[[马尔科夫动力学]]系统的因果性强弱。2020 年，Klein 等人<ref name=":0">Klein B, Hoel E. The emergence of informative higher scales in complex networks[J]. Complexity, 2020, 20201-12.</ref>尝试将该方法应用到复杂网络中，在更宏观的尺度上粗粒化网络并观察其EI相比原始网络如何变化，当粗粒化网络（宏观尺度）比原始网络 （微观尺度）具有更高的 EI 时，则说明该网络发生了[[因果涌现]]。

==历史渊源==

==历史渊源==