更改

\text{Syn}(X_t^1,...,X_t^n; X_{t+1}) = \mathcal{G}(X_t; X_{t+1}) + \mathcal{D}(X_t; X_{t+1})\,.

\text{Syn}(X_t^1,...,X_t^n; X_{t+1}) = \mathcal{G}(X_t; X_{t+1}) + \mathcal{D}(X_t; X_{t+1})\,.

</math>

</math>

其中代表向下因果的指标<math>\mathcal{G}(X_t; X_{t+1}) := \sum_{\alpha,\beta \in \mathcal{S}} I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>是指在系统进行整合信息分解后所产生的从协同原子（反链）<math>\alpha</math>到协同原子（反链）<math>\beta</math>的所有信息原子<math>I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>。而代表因果结耦的指标<math>\mathcal{D}(X_t; X_{t+1}) := \sum_{\substack{\alpha \in \mathcal{S} \\[2pt] \beta \in \mathcal{A}\setminus\mathcal{S}}} I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>，是指在系统进行整合信息分解后所产生的从协同原子（反链）<math>\alpha</math>到非协同原子（反链）<math>\beta</math>的所有信息原子<math>I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>。这里的协同原子（反链）（包含在<math> \mathcal{S}</math>中的原子）指的是仅能够通过变量间的协同效应所产生而无法被任何一个变量所单独提供的信息，其形式为所有不存在元素数为1的集合的反链。而非协同原子（包含在<math>\mathcal{A}\setminus\mathcal{S}</math>中的原子）则是存在至少一个元素数为1的集合作为其元素的反链。

其中代表向下因果的指标<math>\mathcal{G}(X_t; X_{t+1}) := \sum_{\alpha,\beta \in \mathcal{S}} I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>是指在系统进行整合信息分解后所产生的从协同原子（反链）<math>\alpha</math>到协同原子（反链）<math>\beta</math>的所有信息原子<math>I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>。而代表因果结耦的指标<math>\mathcal{D}(X_t; X_{t+1}) := \sum_{\substack{\alpha \in \mathcal{S} \\[2pt] \beta \in \mathcal{A}\setminus\mathcal{S}}} I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>，是指在系统进行整合信息分解后所产生的从协同原子（反链）<math>\alpha</math>到非协同原子（反链）<math>\beta</math>的所有信息原子<math>I_{\partial}^{\alpha \rightarrow \beta}(X_t; X_{t+1})</math>。这里的协同原子（反链）（包含在<math> \mathcal{S}</math>中的原子）指的是仅能够通过变量间的协同效应所产生而无法被任何一个变量所单独提供的信息，其形式为所有不存在元素数为1的集合的反链。而非协同原子（包含在<math>\mathcal{A}\setminus\mathcal{S}</math>中的原子）则是存在至少一个元素数为1的集合作为其元素的反链。

尽管信息分解提供了严谨的理论框架，但计算因果涌现仍然存在以下挑战：

尽管信息分解提供了严谨的理论框架，但计算因果涌现仍然存在以下挑战：

1. 计算复杂度 - 计算<math> PID </math> 或 <math> \Phi ID </math> 中的信息原子随着变量数的提升其复杂度与计算量均呈现指数提升，因此很难将该方法应用于实际系统。

1. 计算复杂度 - 计算<math> PID </math> 或 <math> \Phi ID </math> 中的信息原子随着变量数的提升其复杂度与计算量均呈现指数提升，因此很难将该方法应用于实际系统。

2. 粗粒化选择的影响 - 由于 <math>V_t</math> 的定义会影响因果涌现的测度，如何自动选择最佳的粗粒化策略仍然是一个未解决的问题。

2. 粗粒化选择的影响 - 由于 <math>V_t</math> 的定义会影响因果涌现的测度，如何自动选择最佳的粗粒化策略仍然是一个未解决的问题。

3. 信息分解的不确定性 - 不同的信息分解方法可能导致不同的因果涌现度量，PID 计算的不一致性导致因果涌现的定义依赖于特定的 PID 计算。

3. 信息分解的不确定性 - 不同的信息分解方法可能导致不同的因果涌现度量，PID 计算的不一致性导致因果涌现的定义依赖于特定的 PID 计算。

这些挑战说明，尽管 PID 框架提供了强有力的因果涌现理论基础，但其应用仍然依赖于实际系统的计算方法和数据可获取性。

这些挑战说明，尽管 PID 框架提供了强有力的因果涌现理论基础，但其应用仍然依赖于实际系统的计算方法和数据可获取性。