|
因果分析是科学研究的核心问题，同时也是哲学上的重要问题,包括诺贝尔奖获得者Granger、Angrist、Imbens以及图灵奖获得者Pearl在内的科学家们已经为此努力了半个多世纪。我们的系列研究表明，因果性可用信息流衡量，而信息流是真实的物理概念，可由第一性原理严格导出、不必如传统方法那样以半经验的形式出现（如Liang,2016, Phys. Rev. E, 94, 052201）。传统的因果分析在很多情况下验证不了这样一个被称为“零因果准则”的事实在这里以一个被证明的定理出现。尤为重要的是，所得因果量的形式对任意非线性变换保持不变，表明它刻画的是一种真实的物理性质。针对一些动力系统如baker 变换、Hénon 映射等，我们已经得到一些解析解。对于线性系统来说，因果量的最大似然估计可以用两序列之间的样本协方差的组合表示。一个推论是：在线性条件下，有因果必有相关，但有相关不必有因果，用一个数学表达式明晰了自Berkeley(1710)以来哲学上关于相关与因果的长期争论。
我们的结果已经在众多现行的因果分析解决不了的问题中得到了验证，并成功地用到越来越多的学科中，如地球科学、脑神经科学、经济学、流体力学（湍流）、环境科学、机器学习等。2016年，Stips等发现二氧化碳与全球变暖的有着明确的、几乎单向的因果关系，对于最近一百多年来说，CO2确实导致了全球变暖，但在一千年以上的古气候尺度上，这个因果关系可能完全颠倒过来，是全球变暖导致了CO2浓度的升高。作为例子，我将简单介绍最近关于El Niño预报的一项突破性进展（对El Niño进行一年以上的预报现已成为人工智能应用的一个具有挑战性的标杆）--我们发现，迄今为止，中太平洋El Niño至少能提前十年以上预报。除此以外，我还将介绍一种快速的、几乎无成本的污染物（如雾霾）的溯源法，以及一个成功的对台风突然转折的路径进行预报的例子。
美国学术媒体《Physics Today》的报道:
http://scitation.aip.org/content/aip/magazine/physicstoday/news/10.1063/PT.5.7124 | 
