Przełomowe podejście MIT do odkrywania przyczyn zmian w skomplikowanych sieciach systemów
WarsawInżynierowie z MIT opracowali nową metodę identyfikacji związków przyczynowo-skutkowych w złożonych sieciach, co stanowi wyzwanie dla naukowców. Takie sieci mogą obejmować ekosystemy czy rynki finansowe. Nowa metoda korzysta z teorii informacji, aby badać, jak zmiana w jednym elemencie wpływa na zmiany w innym. Dzięki temu uzyskujemy nowe spojrzenie na przyczynowość, które wcześniej było niewidoczne przy użyciu starszych metod.
Ta metoda wyróżnia się dzięki dokładnej analizie przyczyn i skutków.
- Równoczesne badanie wielu zmiennych, a nie tylko ich par.
- Ocena, czy relacje są unikalne, synergiczne czy redundantne.
- Szacowanie wycieków przyczynowych, wskazując na możliwe nieznane wpływy.
Te udoskonalenia są istotne, ponieważ rozwiązują problemy występujące w starszych metodach. Starsze techniki często koncentrowały się na sile połączenia, przez co mogły pomijać mniejsze, ale wciąż ważne powiązania. Nowy algorytm analizuje system jako sieć informacji, gdzie każda zmienna łączy się z innymi i przekazuje informacje. Takie podejście nawiązuje do teorii informacji Claude'a Shannona, w której interakcja między zmiennymi oznacza, że wzajemnie na siebie oddziałują.
To odkrycie niesie ze sobą istotne konsekwencje. Dzięki traktowaniu zmiennych jako źródła i odbiorniki informacji, algorytm potrafi wskazać, które z nich wymagają dalszych badań. Szczególnie interesująca jest koncepcja wycieku przyczynowego, ponieważ sugeruje, że niewidoczne czynniki mogą wpływać na zachowanie systemu, skłaniając badaczy do dokładniejszego zbadania nieznanych elementów.
Inżynierowie zamierzają wykorzystać to narzędzie w przemyśle lotniczym do analizowania wpływu różnych elementów konstrukcji na wydajność samolotu. Narzędzie to znajdzie zastosowanie także w innych dziedzinach. W naukach o klimacie może poprawić dokładność modeli pogodowych, a w opiece zdrowotnej pozwoli zrozumieć, jak różne terapie oddziałują na wyniki pacjentów.
Naukowcy opracowali narzędzie o nazwie SURD, które jest dostępne online dla wszystkich. To rozwiązanie umożliwia szerszy dostęp do zaawansowanej technologii i wspiera współpracę między różnymi osobami. Dzięki zastosowaniu tego algorytmu w modelach naukowych możliwe jest ulepszanie prognoz i podejmowanie lepszych decyzji w wielu dziedzinach. Metoda ta jest wszechstronna i może inspirować do tworzenia innowacji, które wcześniej były nieosiągalne.
Badanie jest publikowane tutaj:
http://dx.doi.org/10.1038/s41467-024-53373-4i jego oficjalne cytowanie - w tym autorzy i czasopismo - to
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/s41467-024-53373-4Udostępnij ten artykuł