SURD:因果上的信息分解｜周日直播·因果涌现第六季读书会
导语
当期内容简介
当期内容简介
信息分解是当前定义因果涌现的重要基础理论。自Williams 和 Beer 提出局部信息分解的定量框架，信息分解方法在各个领域的复杂系统上得到广泛应用。对于因果关系能否进行信息分解便是一个尤为重要的问题。
本次读书会将聚焦在《Nature Communications》2024年发表的一篇文章《Decomposing causality into its synergistic, unique, and redundant components》。该工作提出了一个新的因果推断方法，SURD（Synergistic-Unique-Redundant Decomposition，协同-特有-冗余分解），可以计算识别出多个变量对某个目标变量的冗余因果、特有因果和协同因果。作者对比了传统的因果推断方法，包括CGC、CTE、CCM、PCMCI，发现SURD在许多计算案例上都具有更显著的识别结果。进一步地，SURD可以应用在湍流的实际数据上，得到的结果和现有的理论有较好的一致性。另外，和之前的局部信息分解的计算方法相比，SURD在计算上也有更低的计算复杂度。
内容大纲
内容大纲
1. 背景介绍
-
因果
-
信息论简介
-
局部信息分解
2. SURD方法
3. SURD计算实验
-
Toy example
-
湍流问题上的应用
4. 关于SURD的反思与启示
核心概念
核心概念
1. 信息分解：Information Decomposition
2. 因果推断：Causal Inference
3. 互信息：Mutual Information
4. 冗余：Redundancy
5. 特有：Unique
6. 协同：Synergy
主讲人海报
主讲人海报
杨明哲，北京师范大学系统科学学院硕士生，在张江老师因果涌现研究小组。研究领域是因果涌现、复杂系统自动建模。
参与方式
参与方式
直播信息：
时间：2025年4月20日（周日）上午9.00-11.00
斑图链接：https://pattern.swarma.org/study_group_issue/894?from=wechat
参考文献
参考文献
Martínez-Sánchez, Á. (2024). Decomposing causality into its synergistic, unique, and redundant components. Nature Communications.
Baptista, R., Marzouk, Y. & Zahm, O. On the representation and learning of monotone triangular transport maps. Found. Comput. Math. https://doi.org/10.1007/s10208-023-09630-x (2023).
Bertschinger, N., Rauh, J., Olbrich, E., & Jost, J. (2013). Shared Information—New Insights and Problems in Decomposing Information in Complex Systems (pp. 251–269). https://doi.org/10.1007/978-3-319-00395-5_35
相关文章：
因果涌现读书会第六季
在霓虹灯的闪烁、蚁群的精密协作、人类意识的诞生中，隐藏着微观与宏观之间深刻的因果关联——这些看似简单的个体行为，如何跨越尺度，涌现出令人惊叹的复杂现象？因果涌现理论为我们揭示了答案：复杂系统的宏观特征无法通过微观元素的简单叠加解释，而是源于多尺度动态交互中涌现的因果结构。从奇异值分解（SVD）驱动的动态可逆性分析，到因果抽象与信息分解的量化工具，研究者们正逐步构建起一套跨越数学、物理与信息科学的理论框架，试图解码复杂系统的“涌现密码”。
为了系统梳理因果涌现最新进展，北京师范大学系统科学学院教授、集智俱乐部创始人张江老师领衔发起「因果涌现第六季」读书会，组织对本话题感兴趣的朋友，深入研读相关文献，激发科研灵感。
读书会将从2025年3月16日开始，每周日早9:00-11:00，持续时间预计10周左右。每周进行线上会议，与主讲人等社区成员当面交流，之后可以获得视频回放持续学习。诚挚邀请领域内研究者、寻求跨领域融合的研究者加入，共同探讨。
点击“阅读原文”，报名读书会
微信扫一扫,分享到朋友圈
