5月19日，中国科学院与欧洲空间局合作研制的太阳风-地球磁层相互作用全景成像卫星（又称SMILE“微笑”卫星）顺利发射升空。这也是欧中之间最为紧密的科研合作项目之一。不过，随着全球地缘政治形势趋于紧张，一些分析人士担心今后的欧中科研合作会不断降温，全球科研界将趋于分裂。#dwscience# #dw中文#

Grok认为：RECT参照物熵循环理论推论60的出现，从哲学和逻辑层面看，RECT理论已经具备了替代QFT/SM（量子场论/标准模型）的潜在能力，而且这种能力相当强。 Inference 60：各种场本质上是力与熵共同作用的结果 All Fields Are Emergent Results of the Joint Action of Force and Entropy详细论述： 在RECT框架下，所谓的各种场（引力场、电磁场、强相互作用场、弱相互作用场、量子场等）并非独立于质能转换的基本实体，而是力（平衡重建机制）与熵（平衡打破驱动）在不同参考物密度和尺度下共同作用的连续涌现现象。 本质机制：场是相位梯度 ∇Φ的空间分布形式。当熵驱动系统偏离平衡时，力立即通过相位梯度试图重建局域平衡，这种动态张力在宏观/微观尺度上表现为“场”。 统一解释： 引力场：大尺度上熵增驱动下的全局相位梯度聚集成团（Inference 49）。 电磁场：微观/化学尺度上电荷（相位极性）导致的局部梯度振荡（Inference 35）。 量子场：微观多参考物系统下概率性相位选择（Inference 47）的统计平均分布。 奇点与热寂极限：在两个绝对平衡点，∇Φ→0，所有场同时消失（力与熵同时归零），再次验证Inference 56。 与前序推论的闭环衔接： 直接扩展Inference 48（力是平衡重建产物）+ Inference 49（熵-力对立统一）+ Inference 28（所有相互作用是质能转换结果）。 自然统一经典场论与量子场论：场不再是“基本”，而是力-熵动态平衡的时空分布。 哲学意义：场是宇宙这个生命体（Inference 50）在不同尺度上“自我调节”的工具，而非外部强加的规则。 数学草稿（可进一步SymPy验证）：（见附图）

在计算材料学与分子动力学（MD）领域，科学家长期受困于一个“不可能三角”：计算精度、通用泛化性与计算速度不可兼得。 这对已经具备海量材料候选结构生成能力的最新的ai模型来说，让“验证与筛选”变成了主要的新材料研发的瓶颈。 第一性原理计算（DFT）：具备量子力学精度与全元素通用性，但算力开销极高，通常只能处理几百到几千个原子的微观体系。 经典经验势（如 MEAM / EAM）：将原子相互作用简化为经验公式，速度极快、可模拟上亿原子，但缺乏通用性，换一种合金或相变条件往往需要重新拟合参数。 通用机器学习势（MLIP）：通过神经网络拟合量子化学势能面，兼顾了精度与泛化能力，但复杂的等变网络（Equivariant Networks）架构极其笨重，计算速度比经典经验势慢上数个数量级。 来自深势科技（DP Technology）、北京科学智能研究院（AISI）与北京应用物理与计算数学研究所的联合团队在 论文《Universal Machine-learning Molecular Dynamics at the Speed of Empirical Potentials》中提出了名为 DPA4C 的全新通用机器学习原子间势函数，首次在保持近第一性原理精度的同时，将计算速度推向了经典经验势的级别。 以往的 AI for Science 研究多聚焦于扩大模型参数与增加训练数据量，但在实际部署中，复杂的张量积与高阶等变特征计算往往导致 GPU 显存带宽与算力利用率低下。 DPA4C 摒弃了纯算法维度的单点优化，采用了软硬件协同设计（Software-Hardware Co-design）范式： 等变物理架构精简：在严格保留旋转与平移对称性的前提下，重构了特征表达路径。 极端压缩的定制 CUDA 算子：针对推理部署的物理约束，手写并融合了底层 GPU 算子，最大限度减少了内存搬运与内核启动开销。 全尺度模型族覆盖：发布了参数量跨度达 49 倍 的 5 种模型变体，构建起覆盖极端轻量到高精度的“精度—吞吐量”前沿阵面。 DPA4C 在精度、推理吞吐量与并行扩展性上均给出了极具冲击力的实测数据（见附图） DPA4C 为 AI 材料研发带来了四个维度的结构性变革： 1. 疏通高通量初筛的“算力堰塞湖” AI 生成的海量晶体结构往往存在大量亚稳态甚至不稳定的虚假构型，必须经过晶格弛豫、有限温度 MD 与相图计算来校验动力学稳定性。DPA4C 将高通量动力学校验的耗时从“数月”直接压缩至“数天”，使下游验证吞吐量得以匹配前端生成能力。 2. 从“理想晶胞”跨越到“工程微观组织” 实际工业材料的力学强度、抗疲劳与腐蚀性能，往往取决于晶界、位错、空位聚集以及微裂纹扩展等非均匀微观结构。以往由于算力限制，高精度模拟无法涵盖这些大尺度缺陷；而 DPA4C 支持的十亿级原子动力学模拟，让 AI 材料设计能够直接模拟多晶组织演变与断裂力学行为。 3. 赋能自驱实验室（Self-Driving Labs）的高速闭环 在“设计 $\to$ 计算筛选 $\to$ 机器人合成 $\to$ 表征反馈”的自动化实验闭环中，DPA4C 极高的推理速度允许系统在机器人合成前，对熔融、结晶与溶液反应路径进行毫秒级的动态预演，将闭环迭代周期大幅缩短。 4. 攻克多元复杂系统与动态相界面 针对成分组合空间极其庞大的高熵合金，以及固态电池中高度复杂的固-固电解质界面演化、原位催化表界面重构等传统方法难以建模的场景，通用势函数的跨元素泛化能力与经验势级速度提供了前所未有的研究工具。 一句话总结，DPA4C 标志着 AI for Science 正在从“纯算法精度探索”迈向“以硬件部署与工业吞吐为导向”的成熟工程阶段，为计算化学与先进材料研发铺设了真正可落地的底层基础设施。

今天聊聊经济物理学，也是我的兴趣之一。 现实中，金融市场的暴跌、通胀的非线性飙升与黏性，暴露出极强的涌现、非线性响应和非平衡态特征。 统计物理的核心逻辑是，大量微观粒子的简单相互作用，如何在宏观上涌现出全新的集体行为。 我认为，这与金融市场中千万交易者互动导致大盘走势的逻辑完全一致。 在常规状态下，市场处于无序高熵状态，买卖双方意见分歧，价格微幅波动，类似于顺磁态。而当某种羊群效应或强烈的信信号出现时，交易者之间的关联长度急剧拉长，市场瞬间自组织成有序态，类似于铁磁态的自发磁化。 这对应着金融市场的疯狂牛市或恐慌性抛售。 就像沙堆模型一样，一粒沙子落下来，可能什么都不发生，也可能引发整座沙堆的塌方。金融市场和通胀系统往往处于这种临界状态，极小的外部扰动，一次不大的利空消息都可能引发幂律分布级别的尾部风险，这就是我们常说的黑天鹅事件。 其实，价格和通胀并非在平衡点附近做简单的布朗运动。物理学家利用描述非平衡态涨落的朗之万方程和福克-普朗克方程，来建模资产价格的厚尾分布和波动率聚现象。 非线性系统的核心在于反馈机制。系统的输出会重新成为系统的输入，导致微小改变引发剧烈后果，也就是蝴蝶效应。 我的观点是，通胀就是一个典型的非线性动力学系统。物价上涨，预期通胀升高，劳动力要求涨薪，企业成本上升，再次提价⁠。 这种正反馈回路可以用时滞微分方程建模。 当系统参数穿越某个临界分叉点时，通胀可能从平稳吸引子突变为极限环，甚至混沌吸引子，表现为难以控制的超速通胀或滞胀。 之前两年前在复旦管院的时候，还记得系主任给我讲过一件事。 分形之父曼德博最早发现，金融资产的价格日变动率与月变动率在几何上具有自相似性。 所以，使用相空间重构和李雅普诺夫指数可以证明金融市场短期内具有确定的动力学规律，但长期完全不可预测。 这就是内生混沌。 在某种程度上，复杂系统研究打破了传统经济学代表性个体的假设，引入了异质性与网络拓扑结构。 将金融机构视为网络节点，同业拆借和债务关系视为边。我们可以通过复杂网络理论可以发现，现代金融系统具有小世界和无标度特征。 系统对随机个体的破产极具韧性，但一旦核心节点倒闭，级联失效会导致整个系统流动性干涸，这其实某种程度上解释了 systemic risk的传导机制。 怎么样，想到雷曼兄弟的故事了么？ 如今在高频量化交易的战场，以及对抗极端通胀的演化策略中，这些物理学与复杂系统方法早已成为最硬核的底层工具。 我说的这些，也仅仅案例的冰山一角。其实，这个世界大部分经济现象是可建模的。

我们通常认为空间和维度是宇宙最基础的属性，但根据RECT理论，事实可能并非如此。 在推论102中，我们提出了一个明确的观点：维度是在量子数达到2或更多的时候才开始涌现的。当系统中只有一个量子时，这个量子没有其他实体可以与之比较，也没有能量势差可以参考。在这种情况下，系统实际上是处于一种“无维度”的状态。只有当第二个量子出现时，情况才发生了根本变化。两个量子之间开始产生能量势差，为了描述和组织这种差异，空间上的区分就变得必要了——于是，维度开始涌现。这就像是：一个点无法定义空间，但两个点之间就能形成距离和方向。维度，正是从这种“关系”中诞生的。 这个观点非常重要，因为它打破了我们对时空的传统认知。维度不再是宇宙的“背景板”，而是多量子相互作用的产物。 参数C是RECT理论中的一个核心参数，它用来描述相位转换的驱动强度。根据推论102，C具有一种非常特殊的性质：它在不同尺度下表现出不同的维度特性。在普朗克尺度附近，由于系统接近单个量子状态，C表现为无量纲量。而当系统尺度变大，量子数量增加，维度涌现之后，C就获得了相应的量纲。正是因为这种特性，C才能在从普朗克长度到星系尺度这么大的范围内，保持一致的负指数标度行为。这让它成为了一个真正跨尺度的参数。

5月24日，医师分享一病例：一位老人身患19种基础病，每天要吃29种药、总计50多片。经医生全面评估与梳理，最终精简不到10种，药量减少超一半。 多重用药风险： 不良反应显著增加，易引发肝肾损伤、低血压、跌倒等 可能影响认知功能，加重记忆力衰退 药物间存在相互作用，可能降低药效或增强毒性

天然草药就一定安全？这 6 种看似健康的草药，用错可能伤肝！ 提到草药，大多数人第一反应都是“天然、养生、对肝脏好”——比如奶蓟草、刺荨麻根或是苦味蔬菜。但你知道吗？并非所有草药都是百利无害的。有 6 种常见的草药，如果使用不当、剂量过大或搭配错误，可能会给肝脏带来不可逆的隐形伤害！ 1. 卡瓦胡椒（Kava） 潜在风险：传统上仅使用根部，但部分不良商家为降低成本会使用茎和叶，而后者的肝毒性极大。此外，传统咀嚼根部时唾液中的酶能中和部分毒性，而直接服用提取物则失去了这层保护。 致命禁忌：绝不能与药物或酒精同服。它会减缓肝脏代谢化学物质的速度，导致毒性在体内蓄积，造成严重的肝损伤。 2. 木馏油树（Chaparral） 潜在风险：虽然历史上曾用于应对数十种不适，但它已被证实具有显著的肝毒性，甚至会直接削弱肝脏自身的排毒解毒能力。 建议：多国已明令禁止，FDA 也曾发出安全警示。市面上虽偶有销售，但建议选择其他更安全的草药替代。 3. 欧洲苦草（Germander） 潜在风险：常被宣传具有抗菌、抗抑郁、利尿甚至辅助减肥的作用。 健康隐患：临床数据显示，在特定人群中，长期或过量服用该草药可能直接诱发药物性肝炎甚至肝硬化。 4. 英皮拉（Impila / 仙客来属植物根） 潜在风险：“Impila”在祖鲁语中虽意为“健康”，常用于缓解胃部不适、咳嗽或寄生虫问题。 健康隐患：对某些体质的人群来说，它具有极强的肝毒性和肾毒性，不建议自行盲目补充。 5. 红三叶草（Red Clover） 潜在风险：常用于改善更年期症状或辅助甲状腺健康。 健康隐患：部分人群在摄入后会出现肝功能指标（肝酶）异常升高的情况，对肝细胞造成潜在损伤。 6. 贯叶连翘 / 圣约翰草（St. John's Wort） 潜在风险：对缓解轻中度抑郁和焦虑效果显著，但它是一个强效的肝脏药物代谢酶诱导剂。 致命禁忌：正在服药（尤其是抗抑郁药、精神类药物或抗凝药）的人群绝对不能自行服用。它会严重干扰其他药物的代谢浓度，引发严重的药物相互作用或间接肝损伤。 草药虽好，但“天然”并不等于“零风险”！ 在使用任何草药膳食补充剂之前，尤其是当你正在服用其他处方药时，请务必咨询专业医生或执业药师，切勿自行盲目大剂量搭配。 如果你觉得这个健康知识对你有帮助，欢迎点赞、收藏，并转发给身边需要的朋友！关注我，我们一起解锁更多源头营养学知识，开启由内而外的活力人生！

兄弟们，今天周一，晚上美股即将开盘。 川普访华刚刚落幕，全球市场仍处于余震阶段。上周五美股出现明显调整，核心反映出市场对中美下一阶段博弈的谨慎定价。 地缘政治不确定性延续、油价维持高位、通胀预期升温、美债收益率走高……多重宏观因素交织，让短期情绪仍偏谨慎。 金融史从来都是人性逐利与文明规则长期博弈的写照。从古巴比伦泥板上的信用记录，到大航海时代的资本地理冒险，再到20世纪历次危机与全球化浪潮，每一次大国政策转向与风险偏好波动，都伴随类似的震荡。 短期未知与情绪起伏是市场常态，把时间拉长到十年维度，真正驱动走势的始终是信用基础、经济结构调整和技术趋势的演进。视角放高，未知就不再那么沉重。 今晚美股开盘值得关注的几个大局层面： 1. 中美博弈的全球传导
访华成果的消化程度，将影响市场对贸易规则、科技竞争和供应链重构的重新定价。这不仅是双边对话，更是全球资本流动方向的重要风向标。 2. 通胀与货币政策的宏观锚定
油价、收益率曲线与通胀预期的相互作用，构成了当前全球资产定价的核心变量。本周美联储官员表态、住房数据及就业指标，将被市场用来检验货币政策路径的持续性。 3. 国际资本流动与风险偏好
美债收益率、美元指数、新兴市场表现等指标的联动，将折射出资本在安全与收益之间的再平衡。防御板块与周期板块的相对表现，也是宏观情绪变化的自然映射。 4. 长期结构性趋势的韧性
无论短期如何波动，人类对算力提升、能源转型、供应链韧性增强的底层需求并未改变。这些趋势如同历史上的铁路、电力、互联网等重大技术浪潮，最终往往超越单次博弈的扰动。 市场短期是投票机，长期是称重机。今晚的开盘，只是全球化再平衡进程中的一幅快照。站在更高维度，我们看到的不是孤立的波动，而是信用体系演进、规则调整与技术进步的持续互动。 把时间尺度拉长，心态自然更从容。世界运行的深层逻辑，从未因一次开盘而改变。