需要不同的力量的耦合形成的网络；需要边界；以流动和潜能是评价的标准。

网络是系统科学，是多维度的：时空，只有求导不断降维才能以一定的矩阵来理解

网络的节点是物质基础，现实更重要的是关系，即节点的连接模式。最后可以通过大规模的序列使得模式涌现，形成一定的模式。同时现实是多层次多模式的耦合，这是纳什均衡的结果。这是泰勒级数的分解，其中的系数是符合二项分布规律的。

不可逆是整体可逆背景的局部求导，决定方向，从而在整体水平形成耦合的网络

熵增是一个普遍的现象，抵抗性变化是符合纳什均衡的，这也是泰勒级数分解，只有一阶导才有意义。

网络节点的动力学特征可以参考物理的各种定律

进化是网络的组合坍缩的结果，有好有坏有概率的分布，只是有利变化的半衰期较长。

现实中的时间是不可逆的，因为混沌效应是网络的发展的结果，即概率坍缩成为路径。要根据本征倒推出原有网络如同积分求解，需要确定常数c。因此在网络是不能够时间反演

万物有源。万物皆数。

过去尚未过去，未来早已到来。

平衡态是概率的最大值对应的状态/本征

网络的不确定性；时间的维度是组合和退火的过程；网络的周期性和震荡；

力是高阶导的度量，运动是坍缩的概率（超过阈值）

系统的熵交换是一种节点的联系

网络的结构是存在，网络的拓扑变化是演化，其过渡是层次的竞争博弈。

网络的描述语言是统计，本征是分布函数的

层次的耦合，以微分方程的形式。其中一阶和高阶的关系是比较本征的

网络的守恒量

维度的遍历考虑序列的变化，这与傅里叶分析的序列处理相关：os，1/0

网络的运动是一种遍历

网络与波函数的相似性

函数和算符是不同层次的对网络的整体运算

只要大规模的数据效应的积累，必定可以在一定的层次表现出规律

平衡的达成和熵增的趋势是在理想情况的最终结果，需要时间和空间，即有一定的滞后性

错误匹配，对概率进行运算，即疾病检测的结果

疾病是一定的序列的组合

特殊到特殊，是序列的匹配度超过一定阈值

高维结构的矛盾是自洽的

分布即概率，分布函数与有序性的关系（正态分布）：动态平衡（矛盾的形式），梯度，可逆过程，

网络的表达决定不同性质，各种状态的跃迁与如同货币的能量相关，各层次的耦合(物极必反的高维结构)

层次的遍历是对整体概率的改变，但对我们来说，有意义的改变就如同自然界的有利突变

平衡的达成是必然的趋势，现实的实现则可能是以更多损耗达到原有平衡状态（如灰色收入）

线性的泰勒级数分解

网络的热力学性质与拓扑结构的相关性

网络的记忆需要重复的训练，最终可以使得组合坍缩

网络的独立模块的序列耦合，使得疾病耦合

网络的连通性和速度

逻辑是序列之间的匹配

环境的整体影响，如消化导致的肥胖（更大背景，10万年尺度的时空），如同传染病等等（空间的背景），病史（时间），习惯

标记物，是整体的本征

免疫系统的精确匹对，靶向，序列匹配

以病治病，这是一种序列的匹配互补的结果

不同的原因可以衍生出不同的表征（如肾细胞癌引起心脏衰竭，发烧，情绪波动等等的症状），使用一定的疾病治疗其实是一种序列的匹配，利用其衍生效应对原始疾病的影响进行抵销（如疟疾病可以消除低体温症状）

以疾病为一种检测手段，需要对序列有一定的理解

诊断是多层次的序列的匹配，根据各种条件确定优先可能，医生的根据不同的特征点扩散得到的网络是一种组合，经验就是一种概率坍缩；可能在网络的复杂系统中可以坍缩成为不同方向的本征路径，这是经验的逻辑代数运算（逻辑简式可以扩散为高维的序列），最后我们要选择一定的路径来进行序列匹配即对症治疗使得网络恢复网络的稳态

假设：多局部最优是整体最优（本征）的扩散和收敛

肿瘤是网络效应，多层次（从基因到细胞到组织到器官到系统）

已知的基本的症状，视为多层次的高维结构，打分矩阵来衡量序列匹配度

相关性的寻找，这是匹配的基础：1腺体分泌与情绪相关，如****

网络的连接性质，这与网络拓扑结构的平均距离相关，而节点的可以连接的距离是有限的，高连通性的网络使得世界坍缩为高维结构。从连接到网络结构改变，这是网络的反馈机制

序列匹配的特殊性与序列的长度相关，即隐马尔科夫模型的收敛

网络即系统，可以分为不同模块，以信息络的拓扑形状的基本运动性质形成周期，并可以有一定的反馈机制，这最终形成一定的循环。同时可以确信，网络结构是耗散结构，需要外界的输入。其沟通形式是利用物理的共振达到模块之间的协同交流。其中运动就如自然界中的突变，也同样存在自然选择对网络的路径形成压力和最终坍缩。层次的形成不仅是收敛的趋势的体现，也是有混沌划分出一定的边界（