• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Fisica
    Il carro davanti ai buoi:un nuovo modello di causa ed effetto

    Credito:CC0 Dominio pubblico

    Piccoli scienziati naturali, i bambini umani amano lasciar andare le cose e guardarle cadere. Il primo esperimento di Baby insegna loro qualcosa di più della forza di gravità. Stabilisce il concetto di causalità, la relazione tra causa ed effetto da cui dipende tutta la conoscenza umana. Lasciarlo andare, cade. La causa deve precedere nel tempo il suo effetto, come scienziato da Galileo nel XVI secolo a Clive Granger nel 1969 definì la causalità.

    Ma in molti casi, questa relazione unidirezionale tra causa ed effetto non riesce a descrivere accuratamente la realtà. In un recente articolo in Comunicazioni sulla natura , scienziati guidati da Albert C. Yang, dottore, dottorato di ricerca, del Beth Israel Deaconess Medical Center, introdurre un nuovo approccio alla causalità che si allontani da questo modello temporalmente lineare di causa ed effetto.

    "La realtà nel mondo reale è che causa ed effetto sono spesso reciproci, come nei circuiti di feedback osservati nelle vie fisiologiche/endocrine, regolazione neuronale, ecosistemi, e anche l'economia, " ha detto Albert C. Yang, dottore, dottorato di ricerca, uno scienziato nella Divisione di Medicina Interdisciplinare e Biotecnologie. "Il nostro nuovo metodo causale consente la causalità reciproca o bidirezionale, in cui l'effetto di una causa può tornare simultaneamente alla causa stessa".

    Il nuovo approccio di Yang e colleghi definisce la causalità indipendentemente dal tempo. Il loro principio di covarianza di causa ed effetto definisce causa come ciò che, quando presente, l'effetto segue, e quello che una volta rimosso, l'effetto viene rimosso. Il team dimostra il nuovo approccio applicandolo ai sistemi di predatori e prede. Inoltre, Yang e colleghi hanno dimostrato che il loro modello può funzionare bene in sistemi in cui altri metodi di causalità non possono funzionare.

    "Mi aspetto che il metodo rappresenti una svolta nella valutazione causale dei dati osservativi, " ha detto Yang. "Può essere applicato a una vasta gamma di questioni causali in campo scientifico".

    © Scienza https://it.scienceaq.com