机构名称：
¥ 2.0
近年来，Giulio Tononi 及其合作者开发了一套用于研究综合因果行为的工具包，名为综合信息理论 (IIT) [Ton04, OAT14]。该理论最初是作为一种意识的科学理论提出的，其基础是意识起源于大脑中综合的或“整体的”内部动态。更广泛地说，IIT 方法已被用于研究简单信息处理系统中的综合行为，包括自主性 [MKW + 17]、因果关系 [AMHT17]，以及状态分化研究 [MGRT16]。虽然 IIT 背后的原理似乎非常通用，但它通常仅适用于简单、有限的经典物理系统（通常描述为相互作用的“元素”图）。在相关文章 [KT20] 中，本文作者表明 IIT 的核心算法可以得到显著扩展，从而允许人们基于非常广泛的物理系统概念正式定义广义 IIT。在本文中，我们展示了如何用物理过程理论的语言自然地研究 IIT 的关键概念，包括系统、积分和因果关系，物理过程理论在数学上被描述为对称幺半范畴。过程理论带有直观但严谨的图形演算 [Sel11]，使我们能够以图形方式呈现 IIT 的许多方面。特别是，我们展示了如何从任何合适的过程理论出发定义广义 IIT，从而允许我们将 IIT 扩展到新的物理设置。选择经典概率过程理论本质上产生了 [OAT14] 意义上的 IIT 3.0。相反，从量子过程理论出发，可以得到 Zanardi、Tomka 和 Venuti [ZTV18] 定义的量子集成信息理论的一个版本，这是本研究的主要动机。这里我们只概述了分类视角在 IIT 等理论中的应用。未来还有很大的发展空间，可以开展更丰富的研究
过程理论中的综合信息
主要关键词
相关文件推荐
