更改

删除115字节 、 2024年12月30日 (一) 15:39
第220行: 第220行:  
== 与相关研究的比较 ==
 
== 与相关研究的比较 ==
 
===计算力学与因果涌现===
 
===计算力学与因果涌现===
−
====概念上的差异====
+
====概念对比====
 
计算力学的许多概念上都可以在[[因果涌现]]理论框架下找到对应,通过进行两者之间的对应和比较,我们可以拓展对涌现的理解和研究。
 
计算力学的许多概念上都可以在[[因果涌现]]理论框架下找到对应,通过进行两者之间的对应和比较,我们可以拓展对涌现的理解和研究。
−
 
+
{| class="wikitable"
 +
|+<big>计算力学和因果涌现的概念对比</big>
 +
!序号
 +
!计算力学概念
 +
!因果涌现概念
 +
!概念的差异
 +
|-
 +
|1
 +
|时间序列
 +
|微观状态
 +
|
 +
|-
 +
|2
 +
|<math>\mathcal{R}_i \in \mathcal{R} </math>
 +
|宏观态
 +
|
 +
|-
 +
|3
 +
|因果转移映射<math>T</math>
 +
|有效的宏观动力学
 +
|
 +
|-
 +
|4
 +
|状态映射函数<math>\eta </math>
 +
|粗粒化策略
 +
|
 +
|-
 +
|5
 +
|因果态的映射函数<math>\epsilon</math>
 +
|能够最大化有效信息的粗粒化策略
 +
|
 +
|-
 +
|}
 
# 计算力学中的时间序列可以看作是因果涌现中的微观状态,划分得到的状态<math>\mathcal{R}_i \in \mathcal{R} </math>对应宏观状态,因果转移映射<math>T</math> 对应于有效的宏观动力学。
 
# 计算力学中的时间序列可以看作是因果涌现中的微观状态,划分得到的状态<math>\mathcal{R}_i \in \mathcal{R} </math>对应宏观状态,因果转移映射<math>T</math> 对应于有效的宏观动力学。
 
# 计算力学中的状态映射函数<math>\eta </math>可以看作是因果涌现中的粗粒化策略,其中因果态的映射函数<math>\epsilon</math>对应能够最大化有效信息的粗粒化策略。
 
# 计算力学中的状态映射函数<math>\eta </math>可以看作是因果涌现中的粗粒化策略,其中因果态的映射函数<math>\epsilon</math>对应能够最大化有效信息的粗粒化策略。
−
# 计算力学中的斑图重构机器(ϵ-machine)和因果涌现中的[[神经信息压缩器|神经信息压缩机]](NIS+)也有相似的地方,比如斑图重构机器可以识别因果态和预测未来状态,神经信息压缩机可以识别和生成最大化有效信息的宏观态,都能够最大化的保留有用信息。香农熵率在NIS+的框架中可以理解为,宏观动力学预测结果解码后对微观预测的误差的允许程度。这保证了我们得到的宏观动力学不仅简洁,而且保留的确实是对微观预测最有用的信息。
+
 
 
====概念上的差异====
 
====概念上的差异====
 
===计算力学与马尔科夫链的成块性理论===
 
===计算力学与马尔科夫链的成块性理论===
697

个编辑