是睡前开脑洞的内容
12月23日｛
打算学一些社会网络分析的内容，看看能不能有什么帮助
信息均匀分布是没有约束时的最大熵状态，是熵增的方向，而那同时也是这里的引力的方向。为什么？
｝
12月24日｛
我的猜想是，就像这里的例子一样，某种视角下的熵增，都是另一种视角下的引力。｛猜想下的子猜想，听说Jaynes从信息论加了点约束推出过统计力学，会不会这个就能直接作为答案结束这条猜想的母猜想。｝
比如熵可以由信息论导出，任何一种熵增现象都可以在某个信息空间下定义引力现象。
｝
那如何把现实中的引力看做什么的熵增呢？我想起荷兰物理学家E.P. (Erik) Verlinde搞出了引力的熵力解释，打算了解一下。
同样，如果我不把他当成力，而是当成在一个合适的球面沿测地线运动，任何一种熵增现象都可以看作在某个球面沿着测地线运动……
｝
12月25日{
和朋友讨论了这个想法，突然想起一件事要补充进来，不同模型引力上的最大熵状态是不一样的，他们的目标不一样，趋向的结果甚至有冲突。
比如一团气体空间上的最大熵可能就是均匀分布，但某种信息上的引力的最大熵分布就正好是牛顿模型里的引力，最大熵分布就是聚成一团。
他们的目标是不一样的，相互在竞争着什么。
说到这里我突然想起最近两天看到的一个视频
【Numberphile】从混沌游戏中得到的是什么https://m.bilibili.com/video/av17246283.html
}
12月26日{
信息空间可以用词向量？然后来刻画交谈中两个人的用词逐渐统一的过程？
}
12月27日｛
25号那个视频其实是想说自然界的自相似现象会不会是因为几个趋向不同的熵增相互拉扯导致的。
最近考虑了一下大量小球在封闭空间中运动的情况，一开始都在某个角落里，最后均匀分布在这个封闭空间里时，熵增现象对应的引力现象。这里只是简写，过两天会把详细的内容单写一篇文章。
把他们运动的封闭空间视作离散的格点时会比较好处理问题。
这时格点就与之前社交网络上的节点（人）一样，到了信息空间上时就从空间变成了信息空间上运动的粒子。
这里有多少个运动的小球，信息空间就有多少个维度。每个维度代表对应的小球可能在这里的概率。
嗯，在思考时是把小球考虑成概率分布的云了。足够长的时间每个小球的概率分布会均匀分布在封闭空间的每个格点上。
原本的格点空间变成了信息空间上的运动粒子，原本现实空间上的运动粒子变成了信息空间。
空间变成了粒子，粒子变成了空间。
｝
