北京
導語
為了系統梳理因果涌現最新進展，北京師范大學系統科學學院教授、集智俱樂部創始人張江老師領銜發起，邀請對復雜系統與涌現問題感興趣的研究者與同好共同研讀前沿文獻、碰撞科研靈感。
本周開啟第七季第十期，主題“部分有效信息分解”。楊明哲學者將聚焦PEID框架與高階因果分析應用，厘清相關與因果的區別，拆解復雜系統協同因果核心機制，結合典型案例與空氣質量預測實際應用場景，講解該框架的原理、拓展應用與研究價值，為復雜系統因果涌現研究提供全新工具。
報告簡介
本次分享聚焦“部分有效信息分解（PEID）”框架及其在高階因果關系分析中的應用，圍繞復雜系統中的協同因果、因果涌現與多尺度因果結構展開系統討論。報告將從“相關性”與“因果性”的區別出發，介紹有效信息（Effective Information）與部分信息分解（PID）的理論背景，進一步說明PEID如何在最大熵干預條件下，將多變量因果作用分解為獨特信息與協同信息，從而刻畫“整體大于部分之和”的高階因果機制。報告還將結合布爾網絡、多尺度因果圖與向下因果等toy example，展示協同因果在復雜系統中的表現形式，并討論其在連續動力系統與機器學習模型中的擴展。最后，以空氣質量預測任務為例，說明PEID如何用于識別具有可解釋性的跨站點因果結構，為復雜系統中的因果分析與因果涌現研究提供新的信息論工具。
分享大綱
從相關到因果
有效信息分解及其數學性質
案例分析
應用及展望
核心概念
有效信息，高階因果，信息分解，整合信息，向下因果
主講人介紹
主講人：楊明哲，北京師范大學系統科學學院碩士生，在張江老師因果涌現研究小組。研究領域是因果涌現、復雜系統自動建模。
參考文獻
Yang, M., Wang, S., & Zhang, J. (2026). Partial Effective Information Decomposition for Synergistic Causality (arXiv:2605.03267). arXiv. https://doi.org/10.48550/arXiv.2605.03267
時間信息
2026年5月31日（周日）上午10:00-12:00，騰訊會議線上進行，感興趣的朋友掃碼報名加入因果涌現讀書會后，可進入學員群進行交流。
報名讀書會：「因果涌現第七季」
為系統梳理因果涌現領域的最新進展，北京師范大學系統科學學院教授、集智俱樂部創始人張江老師領銜發起，組織對該主題感興趣的研究者與探索者共同研讀前沿文獻、交流研究思路。讀書會將于2026年2月22日起每周日上午（創建讀書會暫定時間為10:00-12:00）線上開展，持續約10周，包含主講分享與討論交流，并提供會后視頻回放，誠邀相關領域研究者及跨學科興趣者參與。
掃描海報中二維碼報名參加讀書會
報名方式：
第一步：微信掃碼填寫報名信息。
第二步：填寫信息后，付費報名。如需用支付寶支付，請在PC端進入讀書會頁面報名支付：
第三步：添加運營助理微信，拉入對應主題的讀書會社區（微信群）。
PS： 我們鼓勵圍繞因果涌現、復雜系統與人工智能及相關具體問題的深入探討。為保證討論質量，請避免發表脫離本期讀書會主題、缺乏實證基礎或過于空泛的哲學思辨類內容。
加入社區后可獲得的資源
完整權限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創任務獲取積分等。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
