[论文解读] Statistical measures of complexity for strongly interacting systems

Ricard V. Solé, Bartolo Luque|arXiv (Cornell University)|Aug 27, 1999

Complex Network Analysis Techniques参考文献 1被引用 6

一句话总结

本文提出了一种基于 LMC（Luisi-Morita-Crutchfield）框架的广义复杂性度量方法，用于检测强相互作用系统在临界点附近的复杂性。该方法应用于二维伊辛模型和随机布尔网络，通过概率性和信息论原理，证明了其在相变点识别复杂性的有效性。

ABSTRACT

In recent studies, new measures of complexity for nonlinear systems have been proposed based on probabilistic grounds, as the LMC measure (Phys. Lett. A 209 (1995) 321). All these measures share an intuitive consideration: complexity seems to emerge in nature close to instability points, as for example the phase transition points characteristic of critical phenomena. Here we discuss these measures and their reliability for detecting complexity close to critical points in complex systems composed of many interacting units. Both a 2-dimensional spatially extended problem (the 2D Ising model) and a infinity-dimensional (random graph) model (random Boolean networks) are analysed. It is shown that the LMC measure can be easily generalized to extended systems and a new measure is proposed

研究动机与目标

• 将 LMC 复杂性度量扩展至具有强相互作用的空间扩展系统和高维系统。
• 评估概率性复杂性度量是否能可靠检测复杂系统在临界点附近的复杂性。
• 分析在相变现象中（如二维伊辛模型和随机布尔网络）复杂性的行为。
• 提出一种适用于超出平均场近似的扩展系统的广义复杂性度量。

提出的方法

• 通过引入局部概率分布，将结合统计熵与非均衡性的 LMC 度量适配于空间扩展系统。
• 将广义度量应用于二维伊辛模型，以评估在相变附近临界温度下的复杂性。
• 通过随机布尔网络作为复杂相互作用单元的模型，将框架扩展至无限维系统。
• 利用概率性和信息论原理，将复杂性定义为系统有序与无序程度的函数。
• 比较不同系统尺寸和相互作用区域下复杂性度量的行为。
• 采用数值模拟和解析近似方法，验证度量在临界点的敏感性。

实验结果

研究问题

• RQ1 LMC 复杂性度量能否有效推广至如二维伊辛模型这样的空间扩展系统？
• RQ2 广义复杂性度量是否能可靠检测具有大量相互作用单元的系统中的临界性？
• RQ3 在随机布尔网络中，基于 LMC 框架测得的复杂性在相变点附近如何表现？
• RQ4 所提出的度量是否对系统接近不稳定时复杂性的出现具有敏感性？
• RQ5 系统维度与使用概率性度量检测复杂性的能力之间存在何种关系？

主要发现

• 通过引入局部概率分布，LMC 度量可成功推广至扩展系统，如二维伊辛模型。
• 在二维伊辛模型中，广义复杂性度量在临界温度附近表现出峰值，表明相变点处复杂性达到最大。
• 在随机布尔网络中，度量在连接度的临界区域附近检测到复杂性的显著增加。
• 该度量能可靠识别出在不稳定点处复杂性的出现，支持其作为临界现象诊断工具的适用性。
• 该框架在不同系统维度下表现出鲁棒性，涵盖有限的二维格点至无限维随机图。
• 结果证实，根据 LMC 框架定义的复杂性，在有序与无序达到平衡的临界点处达到最大值。