⚡ electrical engineering

NEXIS Theory: Interaction Topology and Continuous Sustainability Inference

本文提出了 NEXIS 理论，该理论将可持续性重新定义为由子系统状态与随时间变化的相互作用拓扑结构的协同演化所驱动的持续推断潜在状态，并证明了具备拓扑感知能力的模型在预测系统稳定性与结果方面优于传统的仅基于状态的模型。

原作者： Kin Sing Ericson Lau, Daniel W.M. Chan

发布于 2026-08-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Kin Sing Ericson Lau, Daniel W.M. Chan

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

几十年来，衡量一个城市、一座建筑或一个生态系统是否“可持续”的方式，一直依赖于一个简单的、静态的清单。科学家和政策制定者传统上会统计单个数值：一家工厂排放了多少碳、一个社区消耗了多少水，或者某件特定机械的效率如何。这些数字被相加以创建一个单一的分数，就像一份成绩单一样。这种方法假设，如果你了解每一个组成部分的状况，你就了解了整个系统的健康状况。它将系统视为一系列独立项的集合，而这些项之间的关系则被视为次要细节。然而，越来越多的研究表明，这种观点是不完整的。现实世界的系统——从森林到电网——不仅仅是部分的集合；它们是网络，其中的连接关系在不断变化。组件之间如何相互作用、信息如何在它们之间流动，以及它们纽带的强度，与部分本身同样至关重要。如果连接断裂或重新布线，即使单个部分保持不变，整个系统的行为也可能发生变化。理解这些不断变化的连接，是预测一个系统是蓬勃发展还是走向崩溃的关键。

由香港理工大学的研究人员刘易生（Ericson Lau）和陈丹尼尔（Daniel Chan）提出的一种新视角挑战了旧有的清单法。他们引入了一个名为 NEXIS 的框架，代表“网络化交换与系统集成”（Networked Exchange and Integration of Systems）。NEXIS 不再将可持续性视为源自孤立数据点的固定分数，而是将其视为一种隐藏的、演进的状态，这种状态产生于自然、工程结构、数字网络、制度和人类社会这五个不同领域之间不断的舞动。其核心思想是，可持续性不是可以用单一传感器直接测量的东西；它是一种必须通过观察这五个领域随时间推移而产生的相互作用来推断出的潜在状态。研究人员认为，这些相互作用的结构——即拓扑结构，也就是谁与谁连接以及连接强度如何的地图——是系统行为的主要驱动力，而不仅仅是背景细节。

为了测试这一想法，研究人员并没有建造一台新的物理机器或从头开始运行复杂的模拟。相反，他们转向了四个包含建筑和能源系统真实世界数据的庞大公开数据集。这些数据集收集自诸如 ASHRAE Great Energy Predictor III 和 Building Data Genome Project 2 等来源，包含了关于能源使用、环境条件和运行负荷的连续信息流。团队利用这些记录重建了这些系统的“相互作用拓扑”。通俗地说，他们绘制了不同变量如何随时间影响彼此的图谱，创造了一个系统内部连接的动态图景。随后，他们比较了两种预测系统行为的方法。第一种方法是传统方法，它仅关注单个组件的状态，例如温度或能源需求。第二种基于 NEXIS 的方法，则同时观察组件及其连接结构的不断变化。

这项分析的结果表明，我们理解系统稳定性方式的重大转变。研究人员发现，当两个系统的单个部分具有几乎相同的条件时，如果它们的内部连接结构不同，它们仍可能遵循完全不同的路径。在某些情况下，具有相似能源需求和环境条件的系统，其表现出现了剧烈分歧。那些在各部分之间维持着密集、连接良好的交互网络的系统，往往表现得更稳定，并且在压力下恢复得更平稳。相比之下，连接稀疏或破碎的系统则表现出更多的波动性，并在条件变化时难以稳定下来。这种分歧发生时，即便单个部分的原始数值看起来是一样的，这证明了连接的排列本身携带了部分所不能揭示的重要信息。

此外，研究观察到，这些连接结构的改变往往发生在系统表现发生任何可见变化之前。例如，在压力时期，不同变量开始相互影响的方式会发生偏移，这可以作为系统即将转型进入新状态的早期信号。一个关注这些不断变化的连接的模型，能够比仅观察单个数字的模型更早、更准确地检测到这些转型。这表明系统的“布线”并非静态的；它会根据压力进行重新配置，而这种重新配置是决定一个系统保持可持续还是陷入失败的关键因素。

作者谨慎地指出，这项工作是一个概念性的基础，而非最终的、决定性的证明。他们将发现描述为“理论上的合理性与经验上的一致性”，这意味着现实世界的数据与他们的理论相符，但仍需要更严格的测试来确认该模型在所有类型系统中的预测能力。他们承认，目前的分析主要集中在工程和环境数据上，而全面整合社会和制度领域将需要在未来使用更复杂的数据。然而，在四个不同数据集中的结果一致性提供了一个强烈的信号，即旧的思维方式——将可持续性视为简单的部分之和——遗漏了拼图中的关键部分。

这项研究提出了评估复杂系统健康状况的一种根本性变革。它表明，要真正理解可持续性，我们必须停止将部分之间的连接视为次要，而应开始将其视为系统本身的一个主要且活性的组成部分。通过从静态的成绩单转向持续的、对结构敏感的推断，我们能够洞察驱动稳定与崩溃的隐藏动态。NEXIS 框架提供了一个新的视角，它承认系统的未来不仅取决于它的部分是什么，更取决于它们如何相互交流。如果这种方法在进一步的审查下站得住脚，它可能会改变我们管理从单体建筑到整个城市的一切的方式，使我们从“修复损坏部件”的反应式立场，转变为“设计韧性连接”的预见性策略。

技术摘要：NEXIS 理论——交互拓扑与持续可持续性推断

1. 问题陈述

传统的可持续性评估依赖于静态的、聚合的指标（例如 ESG 得分），这些指标将系统组件视为相互独立的个体。这种范式假设可持续性是子系统状态（环境、社会、经济）的属性，并将交互结构视为次要或静态的描述符。然而，社会-生态系统是复杂的适应性系统，其韧性和可持续性源于跨多个领域的持续适应。

识别出的核心问题是一个“结构计算悖论”：虽然现代数字基础设施（数字孪生、AI 感知）提供了对系统状态的高频可观测性，但它们无法推断交互网络中潜在的结构转型。目前的框架无法解释为什么在统计学上具有等效子系统条件的系统中，可持续性轨迹会发生分化。目前缺乏一个统一的理论，将交互拓扑（组件之间关系的架构）视为一个一阶的、内生的、随时间变化的变量，而非一个固定的支架。

2. 研究方法

本文提出了**网络化交换与集成系统（NEXIS）**理论，该理论通过一个五阶段计算设计进行操作化实现：

A. 理论框架

NEXIS 将可持续性概念化为一个潜在动态状态 ( $S(t)$ )，它产生于五个耦合领域共同演化过程中的涌现：

自然 (N)： 生态系统、气候、资源。
工程 (E)： 建筑、基础设施、能源系统。
数字 (X)： 物联网 (IoT)、人工智能 (AI)、数字孪生、信息物理系统。
制度 (I)： 治理、法规、政策。
社会 (S)： 人类行为、决策制定、文化。

核心推断模型定义为：
$S(t) = F(X(t), T_{NEXIS}(t))$
其中 $X(t)$ 是子系统状态向量， $T_{NEXIS}(t)$ 是随时间变化的交互拓扑。至关重要的是， $T_{NEXIS}(t)$ 被视为一个一阶内生状态变量，它与 $X(t)$ 共同演化，而非静态的描述符。

B. 数据与重构

为了测试理论的可行性，本研究利用了四个公开的高分辨率数据集：

ASHRAE Great Energy Predictor III (GEPIII)
Building Data Genome Project 2 (BDG2)
UK-DALE Residential Energy Dataset
Pecan Street Dataport

这些数据集提供了同步的时间解析能源、环境和运行变量测量数据。研究方法包括：

协调化： 将异构数据聚合到统一的小时级分辨率。
拓扑重构： 从可观测的交互中推断随时间变化的有向加权图 $T_{NEXIS}(t)$ （例如使用相关性、因果关系或专家定义的逻辑关系）。
AI 代理前经验筛选： 采用 AI 代理进行“前经验一致性筛选”。该逻辑检查旨在评估：在子系统状态保持不变的情况下，假设的拓扑差异是否会产生方向稳定的可持续性影响，从而在进行定量验证前确保理论的内部一致性。

C. 实证识别策略

研究采用比较法来测试“拓扑驱动分化”的假设：

控制条件： 具有统计等效子系统状态向量的系统（A 和 B， $X_A(t) \approx X_B(t)$ ）。
变量条件： 具有不同交互结构的系统（ $T_A(t) \neq T_B(t)$ ）。
模型比较：
- 仅状态模型： $Y(t) = g(X(t))$
- 拓扑感知模型： $Y(t) = g(X(t), T_{NEXIS}(t))$
指标： 通过包含拓扑结构后预测/重构损失的减少量来衡量解释增益 ( $\Delta L$ )。

3. 核心贡献

重新定义可持续性： 将可持续性的定义从一个可测量的聚合得分转向一个由子系统条件与交互拓扑共同演化生成的持续推断的潜在状态。
提升拓扑地位： 明确将交互拓扑视为一阶系统属性，它主动塑造可持续性轨迹，而非被动的结构描述符。
统一的五领域框架： 将自然、工程、数字、制度和社会领域整合进一个单一的演化架构中，解决了生态、组织与数字可持续性研究之间的碎片化问题。
方法论创新： 引入了 AI 辅助的前经验逻辑筛选机制来验证理论一致性，并提出了用于持续可持续性评估的拓扑感知推断框架。

4. 结果

针对建筑与能源系统的实证分析展示了三个一致的规律：

分化轨迹： 具有相似子系统状态但不同交互拓扑的系统，表现出系统性的不同可持续性结果。具体而言，具有密集连接和互惠反馈结构的系统在压力下表现出更平滑的轨迹和更高的稳定性；而破碎的网络则表现出更高的变异性和延迟的稳定化过程。
卓越的解释力： 拓扑感知模型在对齐观察到的系统行为方面始终优于仅状态模型，尤其是在发生机制转变（regime shifts）和外部扰动期间。引入交互结构降低了重构误差。
早期预警信号： 交互拓扑的变化往往先于可观测的子系统层面指标（如能耗）的变化。结构性重组作为一种早期信号，预示着传统基于指标的方法所无法捕捉到的系统转型。

5. 重要性与主张

本文将 NEXIS 定位为一个建立“以交互为中心的可持续性范式”概念基础的观点（Perspective），而非一项决定性的定量验证研究。

理论转向： 研究结果支持从静态、基于指标的报告转向持续的、对结构敏感的系统评估。
治理启示： 该理论表明，可以通过“交互重构”（优化反馈密度和跨领域协调）来提升可持续性表现，而不一定需要改变物理资产或资源存量。
科学定位： NEXIS 弥合了定性纽带（nexus）思维与定量状态空间建模之间的鸿沟，提供了一个通用的理论，其中可持续性是系统组织演化的涌现属性。
主张的审慎性： 作者明确指出，全面的统计验证、预测性能基准测试（如 RMSE, MAE）以及因果干预研究属于未来的工作。目前的结论旨在证明理论上的可行性与经验一致性，即证明交互拓扑携带了子系统变量本身无法捕捉的独立解释内容。

总之，本文认为可持续性科学的基本单元可能不再是孤立的子系统，而是通过其不断演化的交互网络所产生的一系列持续涌现的可持续性。