812
个编辑
更改
跳到导航
跳到搜索
第255行：
第255行： − + − − 虽然成块性划分能够准确预测宏观动力学，它无法确保像[[计算力学]]中因果态那样的微观最大预测性，因为它在聚类过程中会损失微观状态的信息，使得我们无法辨别某个<math>A^{(t)}</math>具体是哪个微观态<math>s^{(t)}</math>，而且这个信息的损失是不可逆的。所以，从微观粗粒化到宏观之后，就无法再还原到微观了。 − +
→宏观最大预测性
宏观最大预测性是指，当我们把某一个时刻的微观状态粗粒化成宏观状态后，我们就不再需要微观状态来预测后续的宏观状态。
宏观最大预测性是指，当我们把某一个时刻的微观状态粗粒化成宏观状态后，我们就不再需要微观状态来预测后续的宏观状态。
我们只需要知道<math>A^{(t)}</math>就可以最大化<math>A^{(t+1)}</math>的预测效果，而<math>s^{(t+1)}</math>虽然能提供一些额外的信息，但是对于预测<math>A^{(t+1)}</math>不会有任何帮助。也就是说，<math>I(A^{(t+1)}; s^{(t+1)} | A^{(t)}) = 0</math>。这意味着，宏观动力学不需要任何来自微观状态的修正，能够独立且正确的反映系统。
我们只需要知道<math>A^{(t)}</math>就可以最大化<math>A^{(t+1)}</math>的预测效果，而<math>s^{(t+1)}</math>虽然能提供一些额外的信息，但是对于预测<math>A^{(t+1)}</math>不会有任何帮助。也就是说，条件互信息<math>I(A^{(t+1)}; s^{(t+1)} | A^{(t)}) = 0</math>。这意味着，宏观动力学不需要任何来自微观状态的修正，就能独立且正确的反映系统。
虽然成块性划分能够准确预测宏观动力学，但它无法确保像[[计算力学]]中因果态那样的微观最大预测性，因为它在聚类过程中会损失微观状态的信息，使得我们无法辨别某个<math>A^{(t)}</math>具体是哪个微观态<math>s^{(t)}</math>。而且，这个信息的损失是不可逆的，所以从微观粗粒化到宏观之后，就无法再还原到微观了。
===成块划分和粗粒化的可交换性===
===成块划分和粗粒化的可交换性===