更改

同样要求在 IIT2.0 中，最小信息划分（MIP）是量化系统信息整合性的核心概念，其含义为系统所有可能分割中，“标准化有效信息” 最小的分割；若存在多个分割的标准化值相同，则进一步选择 “未标准化有效信息最低” 的分割作为 MIP。MIP 的本质逻辑是：通过寻找 “对系统整体信息整合破坏最弱的分割”，间接反推系统作为 “不可还原整体” 的信息整合强度 —— 分割后的 “标准化有效信息”越小，意味着分割对系统整合性的破坏越轻微，系统本身的整合能力就越强；反之，若该值越大，则系统越容易被分割拆解，整合性越弱。

同样要求在 IIT2.0 中，最小信息划分（MIP）是量化系统信息整合性的核心概念，其含义为系统所有可能分割中，“标准化有效信息” 最小的分割；若存在多个分割的标准化值相同，则进一步选择 “未标准化有效信息最低” 的分割作为 MIP。MIP 的本质逻辑是：通过寻找 “对系统整体信息整合破坏最弱的分割”，间接反推系统作为 “不可还原整体” 的信息整合强度 —— 分割后的 “标准化有效信息”越小，意味着分割对系统整合性的破坏越轻微，系统本身的整合能力就越强；反之，若该值越大，则系统越容易被分割拆解，整合性越弱。

与 IIT1.0 版本中的最小信息二分（MIB）概念相比，此处的 MIP 概念不限于将研究的系统二分，而是可将系统分割为 k 份（k>=2），以及此处采用的单点有效信息（ei）作为衡量指标。最小信息划分数学表达式为

<nowiki>与 IIT1.0 版本中的最小信息二分（MIB）概念相比，此处的 MIP 概念不限于将研究的系统二分，而是可将系统分割为 k 份（k>=2），以及此处采用的单点有效信息（ei）作为衡量指标。最小信息划分数学表达式为

<nowiki>[math]\displaystyle { P_{\text {MIP}} = \arg\min_{P} \left { \frac {ei (X_0 \to x_1 / P)}{N_P} \right} }[/math]</nowiki>

[math]\displaystyle P_{\text{MIP}} = \arg\min_{P} \left\{ \frac{ei\left(X_0 \to x_1 / P\right)}{N_P} \right\}[/math]

其中 [math]\displaystyle { ei (X_0 \to x_1 / P) }[/math]，是 “分割 P 下的有效信息”，本质是通过 KL 散度（[math]\displaystyle { H [\cdot \parallel \cdot] }[/math]）衡量 “系统整体后验状态分布库” 与 “分割后各部分后验分布乘积” 的信息差异，该差异直接反映了分割对系统整体信息的破坏程度。其公式为：[math]\displaystyle P^{MIP} = \arg\min_{P} \left\{ \frac{ei\left(X_0 \to x_1 / P\right)}{N_P} \right\}[/math]

其中 [math]\displaystyle { ei (X_0 \to x_1 / P) }[/math]，是 “分割 P 下的有效信息”，本质是通过 KL 散度（[math]\displaystyle { H [\cdot \parallel \cdot] }[/math]）衡量 “系统整体后验状态分布库” 与 “分割后各部分后验分布乘积” 的信息差异，该差异直接反映了分割对系统整体信息的破坏程度。其公式为：[math]\displaystyle P^{MIP} = \arg\min_{P} \left\{ \frac{ei\left(X_0 \to x_1 / P\right)}{N_P} \right\}[/math]</nowiki>

<nowiki>[math]\displaystyle { N_P }[/math] 是 “标准化系数”，用于消除分割尺寸偏差，公式为

<nowiki>[math]\displaystyle { N_P }[/math] 是 “标准化系数”，用于消除分割尺寸偏差，公式为

概念是 不可分割的信息关系—— 即 γ>0 的 q-arrow。它是系统通过子机制实现的 有上下文依赖的判别能力，无法拆分为更简单的独立信息单元。

概念是 不可分割的信息关系—— 即 γ>0 的 q-arrow。它是系统通过子机制实现的 有上下文依赖的判别能力，无法拆分为更简单的独立信息单元。

如下图，AB 所示的系统，元素 1、2 通过连接\(c^{13}\)、\(c^{23}\)指向元素 3，构成沉默 AND 门，其逻辑规则要求双输入需同时沉默才能使输出元素 3 沉默，子机制间的因果依赖让联合实际库（子机制协同作用下的状态分布）与独立子库乘积（单独子机制状态分布的乘积）无法重合，最终对应 γ>0 的纠缠状态；CD 所示的子机制组合，联合后未形成新的状态约束，各子机制的信息作用相互独立，无需协同即可解释整体信息，其联合实际库与独立子库乘积完全重合，对应 γ=0 bits 的无纠缠状态。

如下图，AB 所示的系统，元素 1、2 通过连接[math]\displaystyle c^{13} c^{23} [/math]指向元素 3，构成沉默 AND 门，其逻辑规则要求双输入需同时沉默才能使输出元素 3 沉默，子机制间的因果依赖让联合实际库（子机制协同作用下的状态分布）与独立子库乘积（单独子机制状态分布的乘积）无法重合，最终对应 γ>0 的纠缠状态；CD 所示的子机制组合，联合后未形成新的状态约束，各子机制的信息作用相互独立，无需协同即可解释整体信息，其联合实际库与独立子库乘积完全重合，对应 γ=0 bits 的无纠缠状态。

[[文件:纠缠.png|无|缩略图|400x400像素|沉默AND门产生纠缠，NOISY COPY 系统信息独立]]

[[文件:纠缠.png|无|缩略图|400x400像素|沉默AND门产生纠缠，NOISY COPY 系统信息独立]]