Ursachen in komplexen Systemen verstehen: Neue MIT-Methode enthüllt verborgene Einflussfaktoren
BerlinWissenschaftler haben Schwierigkeiten zu verstehen, warum sich Dinge in komplexen Systemen verändern. Ingenieure am MIT haben eine neue Methode entwickelt, um Ursache-Wirkungs-Beziehungen in komplizierten Netzwerken zu erkennen. Diese Netzwerke können unter anderem Ökosysteme oder Finanzmärkte umfassen. Die Methode nutzt die Informationstheorie, um zu analysieren, wie eine Veränderung in einem Element eine Änderung in einem anderen vorhersagen kann. Dies eröffnet neue Einblicke in die Kausalität, die mit älteren Methoden nicht sichtbar waren.
Diese Methode ist besonders innovativ, da sie gründlich die Wechselwirkung von Ursache und Wirkung analysiert.
- Gleichzeitige Analyse mehrerer Variablen statt nur von Paaren.
- Stellt fest, ob Beziehungen einzigartig, synergistisch oder redundant sind.
- Schätzt kausale Einflüsse ein und zeigt, wo unbekannte Einflüsse bestehen könnten.
Diese Verbesserungen sind entscheidend, da sie Probleme älterer Methoden beheben. Traditionelle Ansätze legten oft Wert auf die Stärke einer Verbindung, wodurch kleinere, aber dennoch bedeutende Verknüpfungen übersehen werden könnten. Der neue Algorithmus betrachtet das System als ein Informationsnetzwerk, in dem jede Variable mit anderen verbunden ist und Informationen weitergibt. Dieser Ansatz folgt der Informationstheorie von Claude Shannon, bei der die Interaktion zwischen Variablen bedeutet, dass sie sich gegenseitig beeinflussen.
Diese Entwicklung hat vielfältige bedeutsame Auswirkungen. Indem die Variablen als Quellen und Empfänger von Informationen behandelt werden, kann der Algorithmus aufzeigen, welche näher untersucht werden müssen. Besonders interessant ist das Konzept des kausalen Lecks, da es darauf hinweist, dass unsichtbare Faktoren das Verhalten des Systems beeinflussen könnten, was Forscher dazu anregt, unbekannte Elemente genauer zu erforschen.
Ingenieure möchten dieses Werkzeug in der Luftfahrt einsetzen, um zu analysieren, wie verschiedene Designkomponenten die Leistung eines Flugzeugs beeinflussen. Das Tool findet auch in anderen Bereichen Anwendung. In der Klimawissenschaft kann es dazu beitragen, Wettermodelle präziser zu gestalten. Im Gesundheitswesen hilft es, die Wechselwirkungen zwischen verschiedenen Behandlungen und deren Auswirkungen auf die Patientenergebnisse besser zu verstehen.
Ein Forscherteam hat ein Werkzeug namens SURD entwickelt, das online für jedermann zugänglich ist. Dies erweitert den Zugang zu fortschrittlicher Technologie und fördert die Zusammenarbeit. Durch den Einsatz dieses Algorithmus in wissenschaftlichen Modellen können wir in vielen Bereichen genauere Vorhersagen treffen und bessere Entscheidungen fällen. Diese Methode ist vielseitig einsetzbar und könnte neue Innovationen ermöglichen, die zuvor nicht möglich waren.
Die Studie wird hier veröffentlicht:
http://dx.doi.org/10.1038/s41467-024-53373-4und seine offizielle Zitation - einschließlich Autoren und Zeitschrift - lautet
Álvaro Martínez-Sánchez, Gonzalo Arranz, Adrián Lozano-Durán. Decomposing causality into its synergistic, unique, and redundant components. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-53373-4Diesen Artikel teilen