其中,[math]f_m[/math] 表示微观动力学,[math]f_M[/math] 表示宏观动力学,宏观的状态和微观的状态通过一个粗粒化函数 [math]\phi[/math]相连。在一个离散状态的马尔科夫动力系统中,[math]f_m[/math] 和 [math]f_M[/math] 都是马尔科夫链,对 [math]f_m[/math] 进行[[马尔科夫链的粗粒化]],就可以得到 [math]f_M[/math]。<math> EI </math> 是[[有效信息]]的度量。由于微观动力学可能具有更大的随机性,这导致微观动力学的[[因果效应强度]]比较弱,所以通过粗粒化,就有可能得到一个因果效应更强的宏观动力学。所谓的因果涌现,就是指粗粒化操作使得动力学的[[有效信息]]会增加这一现象,并且宏观动力学与微观动力学的[[有效信息]]之差被定义为'''因果涌现强度'''。 | 其中,[math]f_m[/math] 表示微观动力学,[math]f_M[/math] 表示宏观动力学,宏观的状态和微观的状态通过一个粗粒化函数 [math]\phi[/math]相连。在一个离散状态的马尔科夫动力系统中,[math]f_m[/math] 和 [math]f_M[/math] 都是马尔科夫链,对 [math]f_m[/math] 进行[[马尔科夫链的粗粒化]],就可以得到 [math]f_M[/math]。<math> EI </math> 是[[有效信息]]的度量。由于微观动力学可能具有更大的随机性,这导致微观动力学的[[因果效应强度]]比较弱,所以通过粗粒化,就有可能得到一个因果效应更强的宏观动力学。所谓的因果涌现,就是指粗粒化操作使得动力学的[[有效信息]]会增加这一现象,并且宏观动力学与微观动力学的[[有效信息]]之差被定义为'''因果涌现强度'''。 |