論文の概要: Closure of Self-Determining System Based on Causal and Constitutive Relations

• arxiv url: http://arxiv.org/abs/2606.21010v1
• Date: Fri, 19 Jun 2026 00:46:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 11:15:27.528674
• Title: Closure of Self-Determining System Based on Causal and Constitutive Relations
• Title（参考訳）: 因果関係と構成関係に基づく自己決定システムの閉鎖
• Authors: Yoshiyuki Ohmura, Earnest Kota Carr, Yasuo Kuniyoshi,
• Abstract要約: 自己決定システムは、システム内で発生した原因がシステム自体に影響を与えるシステムである。 この定義は、システムの境界をどう指定するかという問題を提起する。 本稿では,これらの関係によって形成されるループの閉包としてシステム境界を定義することを提案する。
• 参考スコア（独自算出の注目度）: 4.231181719953953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A self-determining system is defined as one in which causes originating within the system influence the system itself. This definition raises the question of how to specify system boundaries. Although the concept of "closure" is commonly used for this purpose, defining boundaries solely in terms of causal relations introduce challenges, such as how to handle external causes and circular causality. To address this issue, we introduce two types of asymmetric relations: causal and constitutive. We propose that system boundaries can be defined as closures of loops formed by these relations, referred to as causal-constitutive loops. By constraining constitutive relations, the resulting system necessarily includes internal causes and thereby satisfies self-determination. Furthermore, to prevent reduction to supervenience, constitutive relations must involve at least two independent variables. This minimal requirement leads to two interdependent loops, which implies a dual-process organization.
• Abstract（参考訳）: 自己決定システムは、システム内で発生した原因がシステム自体に影響を与えるものとして定義される。 この定義は、システムの境界をどう指定するかという問題を提起する。 この目的のために「閉鎖」という概念は一般的に用いられるが、因果関係の観点でのみ境界を定義することは、外部原因の扱い方や円周因果関係などの課題をもたらす。 この問題に対処するために、因果関係と構成的関係という2つの非対称関係を導入する。 システム境界はこれらの関係によって形成されるループの閉包として定義でき、因果構成ループと呼ばれる。 構成的関係を制約することにより、結果のシステムは必然的に内部原因を含み、したがって自己決定を満足する。 さらに、超越性を減らすために、構成的関係は少なくとも2つの独立変数を含む必要がある。 この最小限の要件は、二重プロセスの組織を意味する2つの相互依存ループにつながる。

関連論文リスト

• Complementarity Beyond Definite Causal Order [0.0]
  本研究では,経路の識別性,空間的コヒーレンス,因果順序間のコヒーレンスを同時に捉える線形加法的相補関係が存在しないことを示す。 結果は、相補性は基本的に因果構造によって形成されており、一般に、還元された量子状態のレベルだけでは完全に捕獲できないことを証明している。
  論文  参考訳（メタデータ） (2026-03-29T17:24:51Z)
• Correlations and quantum circuits with dynamical causal order [0.0]
  量子過程の一部が不確定な因果順序と動的因果順序の両方を持つことを示す。 これにより、ある量子過程が不確定な因果順序と動的因果順序の両方を持つことができる感覚を正確に定式化することができる。
  論文  参考訳（メタデータ） (2025-07-10T17:59:12Z)
• Entanglement of Disjoint Intervals in Dual-Unitary Circuits: Exact Results [49.1574468325115]
  絡み合いのダイナミクスはカオスシステムに期待されるものと一致していることを示す。 多くの保存電荷を持つにもかかわらず、電荷保存二重単位回路は一般にヤン・バクスター積分とはならない。
  論文  参考訳（メタデータ） (2024-08-29T17:45:27Z)
• New Rules for Causal Identification with Background Knowledge [59.733125324672656]
  オープンな問題に対する新たな視点を提供するBKを導入するための2つの新しいルールを提案する。 これらのルールは、観測データによる因果効果のセットを決定するなど、典型的な因果関係のタスクに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-07-21T20:21:21Z)
• Characterizing Signalling: Connections between Causal Inference and Space-time Geometry [0.0]
  因果関係は世界を理解する上で重要なものであり、情報理論と相対論的という異なる形態で自己を表現している。 PRA 106, 032204 (2022) で導入されたフレームワークを使用し、これら2つの概念を一般物理理論で正式に結合する。 本研究では,情報理論因果モデルの時空への埋め込みについて,相対論的原理に反することなく検討する。
  論文  参考訳（メタデータ） (2024-03-01T19:00:45Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• Hierarchical Graph Neural Networks for Causal Discovery and Root Cause Localization [52.72490784720227]
  REASONはTopological Causal DiscoveryとPersonal Causal Discoveryで構成されている。 Topological Causal Discoveryコンポーネントは、根本原因を辿るために断層伝播をモデル化することを目的としている。 個々の因果発見コンポーネントは、単一のシステムエンティティの突然の変化パターンのキャプチャに重点を置いている。
  論文  参考訳（メタデータ） (2023-02-03T20:17:45Z)
• Consistent circuits for indefinite causal order [0.0]
  論理的に一貫性があるが、循環因果構造を特徴とする多くの量子過程が提案されている。 ここでは,エキゾチックな因果構造を持つプロセスを構築する方法を提案する。 因果不等式に反するプロセスを含む、エキゾチックなプロセスの標準的な例が、このような方法で生成可能なプロセスのクラスであることを示す。
  論文  参考訳（メタデータ） (2022-06-20T23:15:52Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• From Checking to Inference: Actual Causality Computations as Optimization Problems [79.87179017975235]
  本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。 8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
  論文  参考訳（メタデータ） (2020-06-05T10:56:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。