面向线性随机迭代系统的因果涌现精确理论

在粗粒度化复杂系统后，其宏观状态的动力学可能比其微观状态更显著地表现出因果效应。这种现象称为因果涌现，由有效信息指标进行量化。然而，该理论面临两个挑战：缺乏针对连续随机动力学系统的成熟框架，以及依赖粗粒度化方法。本文引入了面向线性随机迭代系统的精确理论框架，这类系统具有连续状态空间和高斯噪声。基于此基础，我们推导了有效信息的通用动力学表达式，识别了最大化因果涌现程度的线性粗粒度化策略。我们的研究表明，最大因果涌现及其最优粗粒度化方法主要由动态系统参数矩阵的主特征值和特征向量决定，后者并非唯一。为验证我们的论断，我们将分析模型应用于三个简化的物理系统，与数值仿真结果进行比较，始终实现一致的结果。