以前学物理时最让我觉得惊艳的就是,最小作用量原理: δS=0。
这个可以把物理各个部分连起来的公式大家还记得么。
在光学里是费马原理 δS=0 ,光程取极值——几何光学最基本原理。
在力学里是δS=δ∫Ldt=0,直接导出经典力学的基本方程——拉格朗日方程。
在电磁学/电动力学里也和力学相似,只不过电磁波的拉氏密度是四维张量,需要积分一下才变成经典力学里的形式。然后δS=0就导出了麦克斯韦方程组(实际上就是电磁学中“拉格朗日方程”)——电磁学&电动力学最基本的方程。
在量子力学里,一定要用薛定谔方程作为最基本的方程吗?当然不是。费曼的路径积分表述就是基于最小作用量原理δS=0。这个S就是波函数ψ=Cexp[iS/h~]里出现的那个S。然后我们可以走经典力学的路子得到量子力学中的“哈密顿-雅克比方程”。于是量子力学的基本方程——薛定谔方程就变成最小作用量原理的一个推导了。
从光学到力学到电磁学再到量子力学,我们竟然都能找到这样一个最小作用量原理。费曼的演讲也很喜欢科普最小作用量的思想。
针对某个问题,我们也许已经找到了完备的物理定律。但还不够。我们还可以寻找更简洁优美的定律。更简洁的理论意味着更深刻的理解。
这种最小作用量的思想是超越物理的。
在其他领域也完全有可能得到一些有用的最小作用量原理。比如深度学习动力学可以用朗之万方程(Generalized Langevin Equation)在特定的随机梯度噪音假设下来描述。在这个很接近统计物理的框架里,就不难想象会存在最小作用量原理(类似路径积分的形式)可以描述训练神经网络参数时产生的轨迹。
在生物学领域,有个定律叫做伯格曼法则(Bergmann's rule)。当然也有人翻译成贝格曼定律。
这个定律是德国生物学家伯格曼在1847年的时候研究恒温动物提出并定义的,简单的说,就是越冷的地方,生物体型越大;反之越热的地方,体型越小(针对同一个种属,不能拿北极熊跟北极狐比哇)。
典型的比如东北虎和华南虎。
这是wiki上关于伯格曼法则的介绍
Bergmann's rule is an ecogeographical rule that states that within a broadly distributed taxonomic clade, populations and species of larger size are found in colder environments, and species of smaller size are found in warmer regions.
我们可以看到,这事实上是个生态地理学的法则。
那么其背后的逻辑是什么?
对这一原则的一般解释为:大型动物由于具有小的体表面积与体积之比,在体温调节中比小型动物消耗的能量少,因此,生活在寒冷气候中的大型动物比小型动物更经济。再进一步扩展就成了体重增大是对寒冷环境的适应。
其物理原理是散热面积的问题。
体型越大,平均散热面积越大。极端例子,模型化,我们拿一个球来举例
球的表面积计算公式:球的表面积=4πr^2,r为球半径 .
球的体积计算公式:V球=(4/3)πr^3,r为球半径
球的相对表面积是3/r。
也就是说,相对表面积跟半径成反比。
把上述原理套用在生物上,就是身高越大,相对散热面积越小。
直观的,如下图所示
随着半径增加,体积的增加速度明显高于表面积增加速度
二者的比例,即相对表面积变化趋势
这就是随着半径增加,相对散热面积显著下降。
当然了,伯格曼法则虽然叫做rule,但并非通用的,比如,生物学里还有个对立的,叫做反伯格曼法则。
反伯格曼法则则认为随着纬度升高, 生长季缩短, 动物的发育时间相应减少, 因而生物体型会变短变小。
此外,关于散热的理论,也是有争议的,毕竟随着体重增加,代谢也相对的增大了。
阿伦定律:阿伦定律是
生态学的一条定律,生活在寒冷地区的恒温动物,同种的个体或近缘的异种之间,其耳、吻、首、肢、翼和尾等.突出的部分显有缩短的倾向。这是由于减少体表面积,有利于防止体温发散,说明动物为了保持体温而具有的一种适应性。
ref.
Bergmann, Carl (1847). "Über die Verhältnisse der Wärmeökonomie der Thiere zu ihrer Grösse". Göttinger Studien. 3 (1): 595–708.