更改

'''NIS+（Neural Information Squeezer Plus）'''是一个机器学习框架，可学习宏观动力学，并量化因果涌现的程度。该框架通过最大化有效信息，得到一个宏观动态模型。研究者通过在模拟数据和实际数据上的实验，证明了该框架的有效性。且该框架在不同测试环境里表现出更强的泛化能力。

'''NIS+（Neural Information Squeezer Plus）'''是一个机器学习框架，可学习宏观动力学，并量化因果涌现的程度。该框架通过最大化有效信息，得到一个宏观动态模型。研究者通过在模拟数据和实际数据上的实验，证明了该框架的有效性。且该框架在不同测试环境里表现出更强的泛化能力。

= 问题背景 =

= 问题与背景 =

在自然界和人类社会中，存在着许多由无数相互作用的元素构成的复杂系统，如气候系统、生态系统、鸟群、蚁群、细胞和大脑等。这些系统展现出丰富的非线性动力学行为，如果我们仅关注微观的尺度，会发现它们的行为非常复杂且难以预测。当我们从更宏观的尺度观察这些系统时，可以用更加简洁的规律来解释和预测这些系统，这便是复杂系统独有的涌现现象。

在自然界和人类社会中，存在着许多由无数相互作用的元素构成的复杂系统，如气候系统、生态系统、鸟群、蚁群、细胞和大脑等。这些系统展现出丰富的非线性动力学行为，如果我们仅关注微观的尺度，会发现它们的行为非常复杂且难以预测。当我们从更宏观的尺度观察这些系统时，可以用更加简洁的规律来解释和预测这些系统，这便是复杂系统独有的涌现现象。