更改

===最大化动力学可逆性 Dynamical Reversibility===

===近似动力学可逆性===

[[基于可逆性的因果涌现理论]]是一种量化[[因果涌现 Causal Emergence|因果涌现]]的新框架，提出了近似动力学可逆性（<math>\Gamma_{\alpha}</math>）的概念，用于量化[[马尔科夫动力学]]接近可逆动力学的程度<ref name="reversibility">Zhang, J., Tao, R., Leong, K.H. et al. Dynamical reversibility and a new theory of causal emergence based on SVD. npj Complex 2, 3 (2025).</ref>。该理论的核心思想是：'''因果涌现其实等价于动力学可逆性的涌现'''。'''该指标与[[有效信息]]高度相关，因此也可以用来刻画动力学的[[因果效应强度]]。'''

[[基于可逆性的因果涌现理论]]是一种量化[[因果涌现 Causal Emergence|因果涌现]]的新框架。所谓的动力学可逆性（Dynamical Reversibility），是指一个马尔可夫链的转移矩阵[math]P[/math]本身是矩阵可逆的，且逆矩阵满足行归一化特性，可以证明，当[math]P[/math]是一个置换矩阵（Permutation Matrix）的时候，它满足动力学可逆性的要求，但是对于一般的马尔可夫转移矩阵则不满足。为了刻画一个动力学转移矩阵[math]P[/math]是否与一个置换矩阵或动力学可逆矩阵足够接近，该理论提出了'''近似动力学可逆性'''（Approximate Dynamical Reversibility，量化指标为：<math>\Gamma_{\alpha}</math>）的概念，用于量化接近可逆动力学的程度<ref name="reversibility">Zhang, J., Tao, R., Leong, K.H. et al. Dynamical reversibility and a new theory of causal emergence based on SVD. npj Complex 2, 3 (2025).</ref>。该理论的核心思想是：由于对于任意的时齐马尔可夫过程，近似动力学可逆性的对数近似等价于有效信息，即指标[math]\Gamma[/math]与[[有效信息]]高度相关，因此它也可以用来刻画动力学的[[因果效应强度]]，因此'''因果涌现其实也可以近似等价于近似动力学可逆性的涌现'''。

直观地说，如果把一个马尔科夫动力学看作通信信道，那么每一状态下的概率转移就可以看作一条信息通路（information pathway）。于是，系统发生因果涌现就等价于系统中存在冗余的信息通路，也就是某些状态转移彼此相似或线性相关。消除这些冗余通路的最好办法，就是利用 SVD 找到等于零或接近于零的奇异值及其对应的奇异向量，这实际上正是最大化有效信息的精髓所在。事实上，我们可以证明，最大化宏观动力学有效信息的粗粒化方案，近似等价于将系统动力学投影到较大奇异值对应的奇异向量方向上的方案。而系统所能达到的最大信息传输效率提升（归一化的近似动力学可逆性），就可以定义为因果涌现的强度。

直观地说，如果把一个马尔科夫动力学看作通信信道，那么每一状态下的概率转移就可以看作一条信息通路（information pathway）。于是，系统发生因果涌现就等价于系统中存在冗余的信息通路，也就是某些状态转移彼此相似或线性相关。消除这些冗余通路的最好办法，就是利用 SVD 找到等于零或接近于零的奇异值及其对应的奇异向量，这实际上正是最大化有效信息的精髓所在。事实上，可以证明，最大化宏观动力学有效信息的粗粒化方案，近似等价于将系统动力学投影到较大奇异值对应的奇异向量方向上的方案<ref name="reversibility"/>。而系统所能达到的最大信息传输效率提升（归一化的近似动力学可逆性），就可以定义为因果涌现的强度。

下面两个 4×4 马尔科夫链展示了为什么只看转移分布之间是否相似还不够：

下面两个 4×4 马尔科夫链展示了为什么只看转移分布之间是否相似还不够：