更改

整合信息量（Φ） 指标用于量化系统的内在信息整合能力，其核心在于度量系统各部分之间因果交互的紧密程度，从而反映出系统整合信息的效能。从本质上讲，Φ 是系统内在属性的函数，具体定义为“在最小信息二分切割下可交换的有效信息量”，适用于量化分布式网络（如大脑）中信息被统一处理的程度。Φ值越高，表示系统越能作为一个整体整合信息，而非仅仅是独立部分的集合。<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>。

整合信息量（Φ） 指标用于量化系统的内在信息整合能力，其核心在于度量系统各部分之间因果交互的紧密程度，从而反映出系统整合信息的效能。从本质上讲，Φ 是系统内在属性的函数，具体定义为“在最小信息二分切割下可交换的有效信息量”，适用于量化分布式网络（如大脑）中信息被统一处理的程度。Φ值越高，表示系统越能作为一个整体整合信息，而非仅仅是独立部分的集合。<ref name="">{{cite journal|author1=Tononi G|title=An information integration theory of consciousness|journal=BMC Neuroscience|year=2004|volume=5|issue=1|page=42|url=https://doi.org/10.1186/1471-2202-5-42}}</ref>。

==== 有效信息（EI）====

=== 有效信息（EI）===

有效信息是一种因果交互度量，用于衡量子系统 A对子系统 B的全部因果影响，其定义基于[[互信息]]（Mutual Information）概念，但通过引入最大熵扰动来隔离因果效应。具体公式为<ref name="Measuring_information_integration">{{cite journal|author1=Tononi G|author2=Boly M|author3=Massimini M|author4=Edelman D B|title=Measuring information integration|journal=PLOS Computational Biology|year=2016|volume=12|issue=3|page=e1004819|url=https://doi.org/10.1371/journal.pcbi.1004819}}</ref>：

有效信息是一种因果交互度量，用于衡量子系统 A对子系统 B的全部因果影响，其定义基于[[互信息]]（Mutual Information）概念，但通过引入最大熵扰动来隔离因果效应。具体公式为<ref name="Measuring_information_integration">{{cite journal|author1=Tononi G|author2=Boly M|author3=Massimini M|author4=Edelman D B|title=Measuring information integration|journal=PLOS Computational Biology|year=2016|volume=12|issue=3|page=e1004819|url=https://doi.org/10.1371/journal.pcbi.1004819}}</ref>：