綜述：涌現自組織的原理

導語

為了理解復雜系統中的自組織和涌現現象，近期，復雜系統和非線性動力學領域的知名學者、美國加州大學戴維斯分校物理系教授 James P. Crutchfield 與合作者在 Physics Reports 發表綜述文章，基于內在計算（intrinsic computation）和演化算子（evolution operators）構建了一套新的自組織現象研究框架——關于涌現的統計力學（ statistical mechanics of emergence）。涌現統計力學通過分析系統中不同層次的相互作用，揭示了宏觀行為與微觀機制之間的復雜關系，從而能夠處理跨越多個尺度的復雜系統。

研究領域：非平衡熱力學，模式形成，自組織，涌現，內在計算，演化算子，熵產生

龔銘康| 編譯

論文題目：On principles of emergent organization 論文地址：https://www.sciencedirect.com/science/article/pii/S0370157324001327 期刊名稱：Physics Reports

自20世紀起，自組織現象逐漸成為物理學和復雜系統科學的研究熱點之一。對自組織現象的描述挑戰了傳統熱力學和統計力學，因為這些現象并不總是符合平衡態熱力學的經典理論。近年來，隨著對自組織理論的研究逐漸深入，許多重要概念已經逐漸明晰，這篇由Crutchfield等撰寫的綜述文章詳細介紹了自組織理論研究的歷史和現狀，并基于內在計算 （intrinsic computation） 和演化算子 （evolution operators） 構建了一個新的自組織現象研究框架。

James P. Crutchfield，復雜系統和非線性動力學領域的知名學者，目前是美國加州大學戴維斯分校物理系的教授。

1. 自組織研究的背景與挑戰

在自然界和人造系統中，遠離平衡態的系統常常表現出驚人的自組織行為。例如，貝納德不穩定性是一種典型的現象，當流體在加熱時會形成規則的六邊形對流單元。這個現象展示了一個簡單系統在外部驅動下如何通過自發對稱性破缺而產生有序結構。這類現象廣泛存在于自然界，從晶體的形成到生物體的模式發育，再到天氣系統中的風暴和行星氣旋。然而，盡管這些現象看似簡單，其背后的物理機制卻非常復雜。

對稱性破缺是理解自組織的一個關鍵概念。物理學中，對稱性破缺指的是一個系統從高對稱性狀態向低對稱性狀態的轉變。舉例來說，貝納德不穩定性中，均勻加熱的流體層具有高度的對稱性，但隨著溫度梯度的增加，流體不再均勻地流動，而是形成了穩定的六邊形對流單元。這種結構的形成即是對稱性破缺的結果。

然而，盡管對稱性破缺為理解自組織提供了一個基本框架，它在處理復雜系統時卻顯得力不從心。復雜系統中的自組織往往涉及多個尺度的相互作用和不同的動力學機制，傳統的對稱性分析在這些情況下難以適用。模式形成（Pattern formation） 理論是目前研究自組織的一種有力工具，但其在面對遠離平衡態的復雜系統時也面臨挑戰。具體而言，模式形成理論主要關注小擾動的增長如何導致特定結構的形成，但對于復雜的、多尺度的自組織現象，顯得捉襟見肘。

要理解遠離平衡態的復雜自組織現象，僅僅依靠傳統的物理理論是不夠的。傳統的還原論方法試圖通過將系統分解為簡單的部分來理解整體行為，這種方法在處理復雜系統時顯得無力。復雜系統通常具有涌現（emergence） 現象，即系統整體的行為不能簡單地歸結為各部分行為的總和。涌現是自組織現象中的一個重要概念，表明系統在宏觀尺度上展示出與微觀規則完全不同的行為模式。

為了理解復雜系統中的涌現和自組織，現代物理學家和復雜系統科學家開始轉向新的數學框架：涌現統計力學（statistical mechanics of emergence） 。內在計算和演化算子是這一新框架中至關重要的兩種工具。

2. 演化算子：揭示動力系統的隱藏結構

演化算子，如Koopman算子和Perron-Frobenius算子，為分析動力系統提供了一個強有力的數學工具。這些算子通過在高維空間中分析系統的動力學演化，捕捉到系統中隱藏的結構和模式。

Koopman 算子是一種線性算子，可以作用于非線性系統，并在線性空間中描述系統的演化。這種方法的一個優點在于，它能夠在希爾伯特空間中捕捉到系統動力學的本征特性，而這些特性往往是復雜自組織現象的核心所在。

Perron-Frobenius算子則通過描述概率密度的演化來捕捉系統的動力學行為。這種方法特別適用于分析隨機性較高的系統。通過對這些算子的本征函數和本征值的分析，可以揭示出系統中長時間尺度上的穩定結構。這種分析方法不僅適用于物理系統，也能擴展到生物學、經濟學等其他領域，幫助理解這些領域中的自組織現象。

3. 內在計算：預測復雜系統中的自組織

內在計算提供了一種從預測角度理解自組織的途徑。內在計算的核心思想是預測等價性（predictive equivalence） ，即系統的歷史能夠用來預測其未來行為的程度。通過構建預測模型，內在計算能夠識別系統中的結構，并量化這些結構的復雜性和穩定性。這個框架使得我們能夠將自組織視為系統中規律性和規則性的涌現，而這些規律性和規則性是系統在特定的初始條件和外部驅動下自發形成的。

內在計算的一個重要應用是在理解從完全規則到完全無序之間的組織結構。比如，木星的大紅斑是一個經典的自組織現象，其規模和穩定性無法通過簡單的流體力學方程直接解釋。然而，內在計算能夠通過分析該現象的歷史數據，構建出一個能夠準確預測其未來行為的模型，從而揭示出其背后的自組織機制。

4. 涌現統計力學：超越還原論的新框架

通過結合演化算子和內在計算，我們可以期望建立起一種新的涌現統計力學。傳統的還原論方法試圖通過解析系統的基本方程來理解其行為，但復雜系統的一個顯著特點是其行為無法通過簡單的方程描述。涌現統計力學提供了一種超越傳統還原論的方法，它不依賴于事先指定的數學基礎或封閉形式的運動方程，而是通過分析系統行為本身，提取出其背后的組織結構。

在涌現統計力學中，復雜系統的行為被視為由多種相互作用的動力學機制所驅動。這些機制可能包括確定性的動力學、隨機性和外部驅動的相互作用。涌現統計力學的目標是通過分析這些相互作用，揭示系統中組織結構的形成機制。

這一方法的一個關鍵特點是它能夠處理跨越多個尺度的復雜系統。復雜系統的一個典型特點是其行為在不同的空間和時間尺度上可能呈現出不同的特征。比如，氣候系統中的大氣循環、海洋流動和生物圈相互作用，使得氣候系統表現出多尺度的復雜行為。傳統的熱力學和統計力學難以處理這種多尺度的復雜性，而涌現統計力學通過結合內在計算和演化算子，為理解這種復雜行為提供了新的途徑。

5. 生物學與社會科學中的自組織

涌現統計力學還在生物學中具有重要應用。例如，在形態發生 （morphogenesis） 中，生物體從一個單細胞發育為具有復雜結構的多細胞個體，涉及一系列的自組織過程。傳統的生物學理論主要關注基因的作用，但在形態發生中，基因表達的空間模式和細胞間的相互作用同樣重要。通過涌現統計力學，可以構建出描述這些復雜相互作用的數學模型，從而揭示形態發生過程中的自組織機制。

另外，社會科學中群體行為的研究也可以從涌現統計力學中受益。例如，城市的形成、社會網絡的結構以及經濟市場的動態，都可以看作是復雜自組織現象。傳統的社會科學研究往往依賴于簡單的因果關系模型，而復雜系統中的群體行為卻往往無法通過這些模型解釋。涌現統計力學提供了一種新的方法，通過分析系統中個體的相互作用和行為模式，揭示出群體行為中的自組織現象。

6. 通向自組織原理之路

涌現統計力學的一個重要貢獻在于它強調了系統整體行為與微觀機制之間的關系。傳統的物理學理論通常關注微觀粒子的行為，并試圖通過這些微觀行為推導出宏觀現象。然而，在復雜系統中，宏觀現象往往無法簡單地歸因于微觀粒子的行為。涌現統計力學通過分析系統中不同層次的相互作用，揭示了宏觀行為與微觀機制之間的復雜關系。這種方法在理解自然界和人類社會中的復雜現象方面具有廣泛的應用前景。

涌現統計力學的一個核心理念是“學習”而非“構建”。傳統的物理學方法試圖通過構建一組描述系統行為的基本方程來理解系統，而涌現統計力學則通過從數據中學習系統的行為模式，提取出系統中的組織結構。這種“數據驅動”的方法特別適用于復雜系統，因為復雜系統的行為往往無法通過簡單的方程描述，而數據卻可以揭示出系統中的潛在規律。

在實踐中，涌現統計力學可以應用于一系列的復雜系統研究。例如，在生態系統中，物種之間的相互作用、環境變化和人為干預使得生態系統表現出復雜的自組織行為。通過涌現統計力學，可以分析生態系統中不同物種的動態關系，揭示出生態系統穩定性和多樣性的機制。

要理解自組織現象，需要超越傳統的物理學框架，結合現代數學工具和統計力學的方法。涌現統計力學通過結合演化算子和內在計算，為理解復雜系統中的自組織現象提供了新的視角。無論是在物理學、生物學還是社會科學中，這一理論框架都展現出了巨大的潛力。

相關讀書會推薦：

James P. Crutchfield 是計算力學框架的提出者，集智俱樂部「因果涌現讀書會」此前介紹了這一量化涌現的框架。感興趣的朋友可以觀看視頻回放深入了解。

• 因果涌現讀書會第三季

楊明哲：

https://pattern.swarma.org/study_group_issue/532

• 因果涌現讀書會第二季

薛金鑫：計算力學：模式、預測、結構與簡潔性

https://pattern.swarma.org/study_group_issue/259

• 集智百科詞條“計算力學”：

https://wiki.swarma.org/index.php/計算力學

系列課程推薦：統計物理基礎課程

集智學園聯合上海大學理學院教授、知乎“物理學”話題優秀答主李永樂，共同推出「統計物理基礎」系列課程。課程以熱力學和經典力學為起點，依次展開 Boltzmann 統計、系綜理論、量子統計、相變與非平衡統計等核心內容，圍繞一個核心問題展開：大量微觀粒子的隨機運動如何涌現出穩定的宏觀定律？本課程強調物理圖像與方法論，幫助你建立清晰的微觀—宏觀統計思維，掌握處理多粒子系統和復雜隨機過程的一套通用工具。

課程詳情可見：

1.

2.

3.

4.

5.

6.

7.