是睡前開腦洞的內容

12月23日｛

打算學一些社會網絡分析的內容，看看能不能有什么幫助

信息均勻分布是沒有約束時的最大熵狀態(tài)，是熵增的方向，而那同時也是這里的引力的方向。為什么？

｝

12月24日｛

我的猜想是，就像這里的例子一樣，某種視角下的熵增，都是另一種視角下的引力。｛猜想下的子猜想，聽說Jaynes從信息論加了點約束推出過統(tǒng)計力學，會不會這個就能直接作為答案結束這條猜想的母猜想。｝

比如熵可以由信息論導出，任何一種熵增現象都可以在某個信息空間下定義引力現象。

｝

那如何把現實中的引力看做什么的熵增呢？我想起荷蘭物理學家E.P. (Erik) Verlinde搞出了引力的熵力解釋，打算了解一下。

同樣，如果我不把他當成力，而是當成在一個合適的球面沿測地線運動，任何一種熵增現象都可以看作在某個球面沿著測地線運動……

｝

12月25日{

和朋友討論了這個想法，突然想起一件事要補充進來，不同模型引力上的最大熵狀態(tài)是不一樣的，他們的目標不一樣，趨向的結果甚至有沖突。

比如一團氣體空間上的最大熵可能就是均勻分布，但某種信息上的引力的最大熵分布就正好是牛頓模型里的引力，最大熵分布就是聚成一團。

他們的目標是不一樣的，相互在競爭著什么。

說到這里我突然想起最近兩天看到的一個視頻

【Numberphile】從混沌游戲中得到的是什么https://m.bilibili.com/video/av17246283.html

}

12月26日{

信息空間可以用詞向量？然后來刻畫交談中兩個人的用詞逐漸統(tǒng)一的過程？

}

12月27日｛

25號那個視頻其實是想說自然界的自相似現象會不會是因為幾個趨向不同的熵增相互拉扯導致的。

最近考慮了一下大量小球在封閉空間中運動的情況，一開始都在某個角落里，最后均勻分布在這個封閉空間里時，熵增現象對應的引力現象。這里只是簡寫，過兩天會把詳細的內容單寫一篇文章。

把他們運動的封閉空間視作離散的格點時會比較好處理問題。

這時格點就與之前社交網絡上的節(jié)點（人）一樣，到了信息空間上時就從空間變成了信息空間上運動的粒子。

這里有多少個運動的小球，信息空間就有多少個維度。每個維度代表對應的小球可能在這里的概率。

嗯，在思考時是把小球考慮成概率分布的云了。足夠長的時間每個小球的概率分布會均勻分布在封閉空間的每個格點上。

原本的格點空間變成了信息空間上的運動粒子，原本現實空間上的運動粒子變成了信息空間。

空間變成了粒子，粒子變成了空間。

｝