本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
相關性並不意味著因果關係，這一事實是眾所周知的。兩個位點的變數之間的相關性並不意味著這兩個位點直接相互作用，因為，例如，遠距離位點之間的相關性可能是由一組介入的、直接相互作用的位點之間的相關性鏈引起的。這種「非因果相關性」在統計物理學中是很好理解的：一個例子是自旋系統中的長程有序，其中僅具有短程直接相互作用的自旋，例如：伊辛模型，在一定距離處顯示相關性。人們很少認識到，這種長期「非因果」相關性實際上可能比直接相互作用引起的任何因果相關性更強。我們將這種現象稱為超加性相關性（SAC）。我們透過（i）模型自旋系統和（ii）模型連續變數系統中的明確範例證明了這種違反直覺的現象，其中兩個模型都使得兩個變數具有間接交互作用的多個介入路徑。我們應用稱為抽取的技術將 SAC 解釋為我們還使用描述介入自旋變量的集體模式的定義來解釋這種效應，除了相關性測量之外，對於互資訊測量也是如此，這使得 SAC 成為一種潛在的普遍現象，例如透過檢查相關性來推斷相互作用的現象。多元機率分佈方法，引入基於連續相關階的參數[S1063-651X(99)07105-6]。