该文综述多元信息分解研究，提出测量共享、独特与协同信息的新方法，可准确量化多变量对单一结果的协同效应，并证明独立预测因子可含积极冗余信息。研究还给出高斯系统PID、冗余格及信息筛等扩展方法，应用于神经成像与高维学习。