PyPhi：一个用于整合信息理论的工具箱
神经元与认知
2018-08-16 v3 人工智能
定量方法
摘要
整合信息理论提供了一个数学框架，以完整刻画物理系统的因果效应结构。在此，我们介绍PyPhi，一个实现该框架用于因果分析并展开二元元素离散动力系统完整因果效应结构的Python软件包。该软件允许用户轻松研究这些结构，作为整合信息理论形式体系的最新参考实现，并已应用于复杂性、涌现及若干生物学问题的研究中。我们首先概述主要算法，并在分析一个示例系统的过程中演示PyPhi的功能，随后描述算法设计与实现的细节。PyPhi可通过Python包管理器在装有Python 3.4或更高版本的Linux和macOS系统上使用命令'pip install pyphi'安装。PyPhi为开源软件，基于GPLv3许可；源代码托管于GitHub：https://github.com/wmayner/pyphi 。全面且持续更新的文档见 https://pyphi.readthedocs.io/ 。可加入pyphi-users邮件列表：https://groups.google.com/forum/#!forum/pyphi-users 。该软件的基于网页的图形界面见 http://integratedinformationtheory.org/calculate.html 。
引用
@article{arxiv.1712.09644,
title = {PyPhi: A toolbox for integrated information theory},
author = {William G. P. Mayner and William Marshall and Larissa Albantakis and Graham Findlay and Robert Marchman and Giulio Tononi},
journal= {arXiv preprint arXiv:1712.09644},
year = {2018}
}
备注
22 pages, 4 figures, 6 pages of appendices. Supporting information "S1 Calculating Phi" can be found in the ancillary files