更改

[[文件:路径.png|700x700像素]]

[[文件:路径.png|700x700像素]]

我们以一个8状态马尔可夫链为例演示<math>\Delta CP</math>沿路径的计算过程，其初始微观尺度转移概率矩阵（TPM）如图下图A所示。该系统存在一个直观的宏观态表现形式：微观状态(4,5,6,7)构成等价类，这些状态具有完全相同的转移概率分布。该系统的连接结构（状态转移关系）与图1所示相同，并采用了相同的微观<math>\to</math>宏观路径选择方案。 值得注意的是，在该系统中，因果涌现（CP）持续产生增益，直至直观的宏观尺度——即微观状态(4, 5, 6, 7)被粗粒化为带自循环的单一宏观态（该尺度的转移概率矩阵如图B所示，可视化呈现于图C）。此后路径立即进入零增益区域（如图D所示）。从确定性加特异性的角度表述：微观尺度的因果涌现值初始为CP=0.66，在进入零增益区域前的宏观尺度上，该值提升了0.33，达到最大值CP=1——这表明在该宏观尺度上，因果关系具有完全确定性和非退化性，任何进一步的粗粒化都不会带来额外增益。因此该系统的因果涌现度为CE=0.33，反映了沿路径获得的总增益量。

我们以一个8状态马尔可夫链为例演示<math>\Delta CP</math>沿路径的计算过程，其初始微观尺度转移概率矩阵（TPM）如图下图A所示。该系统存在一个直观的宏观态表现形式：微观状态(4,5,6,7)构成等价类，这些状态具有完全相同的转移概率分布。该系统的连接结构（状态转移关系）与图1所示相同，并采用了相同的微观<math>\to</math>宏观路径选择方案。 值得注意的是，在该系统中，因果涌现（CP）持续产生增益，直至直观的宏观尺度——即微观状态(4, 5, 6, 7)被粗粒化为带自循环的单一宏观态（该尺度的转移概率矩阵如图B所示，可视化呈现于图C）。此后路径立即进入零增益区域（如图D所示）。从确定性加特异性的角度表述：微观尺度的因果涌现值初始为CP=0.66，在进入零增益区域前的宏观尺度上，该值提升了0.33，达到最大值CP=1——这表明在该宏观尺度上，因果关系具有完全确定性和非退化性，任何进一步的粗粒化都不会带来额外增益。因此该系统的因果涌现度为CE=0.33，反映了沿路径获得的总增益量。

[[文件:Cp.png|700x700像素]]

[[文件:Cp.png|700x700像素]]