5,443
个编辑
更改
→黑盒化外部变量
在所有变量都是内生变量时，所有状态都发生的是确定性转移，因为机制是完全确定的。在将变量D做黑盒化处理后，相当于我们不再关注它的变化了。举例来说，当{ABC}的状态为{110}时，在干预分布是最大熵分布的情况下，有一半的概率下一时刻转移至{111}（对应当前黑盒的D状态为1），另一半的概率继续保持至{110}，（对应当前黑盒D的状态为0），意味着转移不再是确定性的，黑盒化操作给系统引入了噪声。
在所有变量都是内生变量时，所有状态都发生的是确定性转移，因为机制是完全确定的。在将变量D做黑盒化处理后，相当于我们不再关注它的变化了。举例来说，当{ABC}的状态为{110}时，在干预分布是最大熵分布的情况下，有一半的概率下一时刻转移至{111}（对应当前黑盒的D状态为1），另一半的概率继续保持至{110}，（对应当前黑盒D的状态为0），意味着转移不再是确定性的，黑盒化操作给系统引入了噪声。
我们简单分析一下D的情况，当D为0时，和“冻结”例子就非常相似，A，B，C之间的响应变为COPY机制；当D为1时，A，B，C下一时刻将全为1。
因此，具体的粗粒化规则为：将变量D去掉，从而得到内生变量A，B，C构成的宏观系统，而宏观动力学为每个变量的状态由指向它的系统内变量的状态拷贝而来。
因此，具体的粗粒化规则为：将变量D去掉，从而得到内生变量A，B，C构成的宏观系统，而宏观动力学为每个变量的状态由指向它的系统内变量的状态拷贝而来。