演化高阶协同揭示了复杂系统中稳定性与信息整合能力之间的权衡

最近，人们对复杂系统中“高阶”结构如何涌现的兴趣激增。这种“涌现”组织已在各种自然和人工系统中被发现，尽管目前该领域对高阶协同和冗余对系统的影响缺乏统一的理解。典型的研究将协同信息的存在（或缺失）视为因变量，并报告协同水平随系统某些变化而发生的变化。在这里，我们尝试翻转剧本：不将高阶信息视为因变量，而是使用进化优化来演化具有显著高阶冗余、协同或统计复杂性的布尔网络。然后，我们使用表征离散动力学的既定工具分析这些演化出的网络种群：吸引子数量、平均瞬态长度和 Derrida 系数。我们还评估了系统整合信息的能力。我们发现，高协同系统是不稳定且混沌的，但具有很高的信息整合能力。相比之下，演化出的冗余系统极其稳定，但信息整合能力可以忽略不计。最后，平衡整合与分离的复杂系统（称为 Tononi-Sporns-Edelman 复杂度）同时表现出混沌性和稳定性的特征，其信息整合能力高于冗余系统，同时比随机和协同系统更稳定。我们得出结论，系统的动力学鲁棒性与其信息整合能力（这本质上需要灵活性和敏感性）之间可能存在根本性的权衡，而某些类型的复杂性自然地平衡了这种权衡。