科学学术

控制论深度实战:从维纳反馈回路与阿什比必要多样性定律到 AI 自指系统与主动推断的完整工程链路

控制论(Cybernetics)是研究"动物与机器中控制与通信"的科学,由诺伯特·维纳(Norbert Wiener)在 1948 年《Cybernetics: Or Control and Communication in the Animal and the Machine》中奠基。它既是反馈调节的数学语言,也是人工智能的隐秘祖先——神经网络、强化学习、主动推断与大模型对齐,本质上都是控制论思…

凸优化计算实战:从凸集凸函数、次梯度与投影梯度到近端方法、ADMM 与加速梯度的完整工程链路

凸优化是现代机器学习的"底层发动机":从 SGD、Adam 到近端梯度、分布式 ADMM,几乎所有训练算法都可以统一在凸分析的语言下。本文从第一性原理出发,用可运行的 Python 代码把凸集、凸函数、次梯度、投影梯度、近端方法(ISTA/FISTA)、坐标下降与 ADMM 串成一条完整工程链路,并给出与深度学习优化器的精确映射表。全部数值实验均用纯 NumPy 从零实现,不依赖任何优化求解器。

计算神经科学深度实战:从 Hodgkin-Huxley 离子通道与漏积分发放神经元到脉冲编码、STDP 可塑性与群体解码的完整工程链路

计算神经科学(Computational Neuroscience)是架在生物学与计算科学之间的一座桥:它用可运行的数学模型回答"一个由几亿到上千亿个神经元构成的网络,如何完成感知、记忆、决策与运动"这一根本问题。它既是现代神经科学的方法论内核,也是今天深度学习的隐秘源头——感知机、Hebb 学习、脉冲神经网络、神经形态计算,乃至注意力与集成编码,都能在生物神经元的动力学里找到原型。本文用一条"生…

范畴论深度实战:从范畴、函子与自然变换到单子、Yoneda 引理与 Kleisli 范畴的完整工程链路

范畴论常被误读为"抽象代数之上的另一层抽象",但它的真正价值在于提供一套描述"结构如何被保持、计算如何被组合"的通用语言。本文用纯 Python 从零实现范畴、函子、自然变换、单子与 Yoneda 引理,并逐条用代码验证代数定律,最后落到它与深度学习、Agent 工作流的工程映射。

量子化学计算实战:从 Hückel 分子轨道、Hartree-Fock 自洽场到密度泛函与 Kohn-Sham 的完整工程链路

量子化学是用量子力学求解分子体系电子结构的学科。对习惯"矩阵、特征值、迭代优化"的 AI/ML 工程师而言,它的数学骨架异常熟悉:分子哈密顿量是一张大稀疏矩阵,波函数是它的特征向量,而 Hartree-Fock 自洽场(SCF)本质上就是**不动点迭代**——和训练一个网络求参数不动点同构。本文用可运行代码把三条主干链路从头实现一遍,所有数值都与教科书/文献精确吻合。