百科词条3条速览：热力学第二定律、关联矩阵、帕累托最优……|代数|数学|热力学|词条

集智百科的目标是做复杂性科学领域科学、全面、客观的百科全书。我们的宗旨是“知识从我而来，问题到我为止”。

目前，我们已经有了无标度网络、复杂网络的双曲几何模型、复杂系统、统计物理、系统科学等精品词条，涵盖复杂系统、人工智能、统计物理、因果科学、计算社会科学等复杂性科学的关键领域，未来我们还会不断为百科添加更多内容。

现在，我们的团队有各式各样的成员，包括海内外知名高校的学生、教授、以及来自各行各业的科学词条爱好者，我们有一个共同点：对复杂性科学有着浓厚的兴趣，且乐于分享自己的知识。

集智百科的生产依然采用集智俱乐部传统且高效的模式：众包生产。希望依靠社区的力量，吸引一批对知识本身，知识分享，知识整理感兴趣的朋友，一同完成这项万古长青的事业。对于任何人，只要在我们的网站（https://wiki.swarma.org/）注册帐号，点击编辑，按下保存，即可改变世界！

集智百科报名表

2020.12.14-2020.12.20百科团队进展

目前集智百科的词条生产，打造了一个初步的内容生产闭环，按照内容生产的需求，分成了从词源-翻译-审校-编辑-专家审校-公众号推送上线的全流程操作，为了给大家一个总览，我们将定期给大家更新百科每周进展如下：

本周翻译进度：

本周审校进度：

本周编辑进度：

已完成词条展示

帕累托最优 Pareto optimality

帕累托最优 Pareto optimality：帕累托最优 Pareto optimality是一种不能再改进的状态，它使得任何个体或偏好准则变得更好而不使任意一个个体或一项偏好准则变得更差。这个概念是以意大利工程师、经济学家维尔弗雷多·帕累托 Vilfredo Pareto（1848-1923）的名字命名的。他在研究经济效率 economic efficiency和收入分配 income distribution时使用了这个概念。

关联矩阵 incidence matrix

关联矩阵 incidence matrix：在数学中，关联矩阵 incidence matrix是表示两类对象之间关系的矩阵。如果自变量是 x，因变量是 y，那么这个矩阵对于 x 的每个元素存在一行，对于 y 的每个元素存在一列。如果 x 和 y 是相关的，则行 x 和列 y 中的条目为1，如果它们不是相关的，则结果为0。

热力学第二定律 Second law of thermodynamics

热力学第二定律 Second law of thermodynamics：热力学第二定律 Second law of thermodynamics指出，孤立系统 isolated system的总熵永远不会随着时间而减少，且当且仅当所有过程都是可逆时，总熵才恒定。孤立系统自发地向热力学平衡发展，即具有最大熵时的状态。

系统及其周围环境的总熵在理想情况下可以保持不变，在这种情况下，系统处于热力学平衡状态，或者正在经历一个假想的可逆过程。所有过程中，包括自发过程 spontaneous processes，es, 系统及其周围环境的总熵增加，这一过程在热力学意义上是不可逆的。熵的增加解释了自然过程的不可逆性，以及未来和过去之间的不对称性。

本周搜索排行榜Top10：

本周访客情况：

集智百科志愿者介绍

以上内容都是我们做这项目的起点，作为来自不同学科和领域的志愿者，我们建立起一个有效的百科团队，分配有审校、翻译、编辑、宣传等工作。我们秉持：知识从我而来，问题到我为止的信念，认真负责编撰每一个词条。

感谢每一位参与过集智百科建设的志愿者，正是他们一次次微小的操作，才有知识的流传和共享，我们希望大家的每一份付出都能被看见，也能被记录，所以我们也将陆续为大家介绍参与到集智百科建设过程中的成员，感谢他们做出的贡献！也希望有更多的小伙伴可以加入我们，一起改变世界~

百科团队介绍

集智百科的成员来自包括清华大学、北京大学、北京师范大学、山东大学、伦敦国王学院等国内外的著名高校。

集智百科成员学校分布，此图由@集智百科志愿者林嘉琦提供

大家虽然来自不同的专业和方向，但是都对复杂性科学充满好奇，喜欢探索不同学科之间的问题，喜欢追问最本质的关于生命是什么的问题。

集智百科团队成员兴趣领域分布，此图由@集智百科志愿者林嘉琦提供

每周一位百科小伙伴介绍

我们也将陆续为大家介绍参与到集智百科建设过程中的成员，感谢他们做出的贡献，也听一听他们的收获和成长，更希望有更多的小伙伴可以加入我们，一起学习，共同进步！

审校组：Lux

缘起

出生在工程师家庭，自幼对科学和工程学感兴趣，从小一直“妄想”自己能更多更深入的理解“这个世界”。曾以为电子和计算机系统是这个时代的发展趋势，抱着学习这方面知识的期望，高考后选择进入一所以工科见长的高校学习。

在本科的四年里，我拼命折腾，参与过不少实践项目，也做过一些学生工作。在不断的碰壁中，我对信息科学和信息行业有了虽然初步但是切身的理解，也掌握了一定的技能，终于想明白了自己想要什么样的人生。虽然4年的本科生活击碎了之前幼稚的幻想，又给我带来了新的向往。除了挣扎着活下去之外，也想作为“知识群体”的一份子，为我所处在的社会、为哺育我成长的国家和人民，做点什么，来对得起我所占用的社会资源，特别是教育资源。

本科毕业之后，机缘巧合之下，得以去某高校继续深造。导师是一位受过严格数学教育的工程师，也是一位创造力极为丰富的学者。在他那里，我得以接触非常前沿的信息和学者群体，也几乎重学了全部数学基础和专业知识。研究生的日子里，我像一块海绵一样疯狂的吸收着所有与我的工作可能有关的事情，集智俱乐部就是在这时候，进入了我的生活。从那时开始，我就一直默默关注着集智推送的材料，从中受益良多。

研究生毕业之后，又是机缘巧合，得以继续深造。我之前所研究的问题还没有被完全解决，或者说我对于已经取得的结果非常不满意。这使得我在博士的工作中同时朝着更深和更广的知识海洋迈进，也使得我的阅读量相比于研究生阶段增加的更快。学校的学术写作课程、工作中的学术写作需要、以及大量英文材料的阅读，基本颠覆和重塑了我之前的知识体系，受制于中文世界的信息而搭建的知识体系。我不得不承认，我之前基于中文所理解的概念，基本都是不准确的；我之前的思维体系，基本都是不“清楚”的。为了应对我自己工作的挑战，我开始学习搭建我自己的维基，也试着参与公共编辑，也试图寻找一个社区，能向前辈学习，能和志同道合的同志们一起进步，能一起为后辈做点事情。在尝试了一些知识平台和社区之后，我认识到，那个我所想要的社区，并不容易找。最近几个月，集智连续推了好几期百科词条的文章。这些词条质量挺不错，内容也基本兼顾了广泛、深入、准确、通俗易懂。我猜想集智的百科社区，一定是个有追求也有活力的社区，于是就提交了申请，希望能作为一份子，工作摸鱼之余，贡献自己的力量。

当下

我本身的科研工作和复杂性息息相关，只是我所处的领域（人不太多），还没有完全被归结进复杂性科学。具体来说，我目前在研究基于叠加形式（superposition form）的高维函数表示（representation）、逼近（approximation）、自确证计算（self-validated computation）。这项工作与柯尔莫哥洛夫叠加定理有关（Kolmogorov's Superposition Theorem, KST）,也和稀疏网格有关（sparse grid），也和山脊函数有关（ridge function），也和传统的多项式逼近方法有关，当然也因此和当前最热门的神经网络有很深的关系。这项工作也能支撑其他的相关领域也包括方差分析（analysis of variance , ANOVA）、参数估计（parameter estimation）、实验设计（experiment design）、优化（optimization）、鲁棒最优控制（robust optimal control）等等。其实因为它的基础性的功能，涉及到整个现代科学方法论：实验 - 统计 - 建模 - 参数估计 - 优化 - 制定策略（控制）。

除此之外我也在啃一些可能有用的数学工具，例如代数几何（一开始是Groebner basis，暂时还没涉及scheme，不过也是迟早的事）、计算几何（主要是Clifford Algera）。我的工作当然也包括实现（implementation），于是我涉猎了一点点计算机代数（computer algebra system）和底层实现，比如LLVM框架（长期来看，当然要以某种方法做进编译器里），毕竟这年头IPOPT调用都用CasADi，PSE建模求解经常都是用GAMS调库。

这项工作的研究背景，粗略的说，是"新的算术"。是的，我花了相当长的时间搞明白了算术的历史、哲学基础、和我们目前所处的位置。在工作的影响下，我目前也对哲学史、科学哲学、数学哲学、逻辑哲学、分析哲学、语言学、数学史、心理学、中文写作学、翻译学很感兴趣，有一定的阅读量。

我最近正在提高自己的写作能力，发现翻译就是很好的练习。

考虑过翻译SEP词条，但是工作量令我感到望而生畏，要是单枪匹马地做，我动力不足。我也考虑过写一些我所了解到的“前沿”信息（有些信息其实已经几十年了，但是鲜有中文材料），但是为了保证准确性，我同样需要付出相当的精力和时间。如果写作出来的成果，我没有地方可以发布，也没有前辈可以指点、没有同伴可以讨论，那么这样的写作对我来说是没有意义的。

实际上，随着我阅读量的暴增，我发现英文世界中有相当丰富又短小精悍的专业百科材料，例如斯普林格（Springer）出版的一些行业百科里面就有非常丰富的词条。回想自己懵懵懂懂刚入行的时候，笨拙试图理解百度和维基、笨拙的在知乎在stack exchange提问，如果那时候我知道有这样的资料可以查阅，我就能省很多无用功。

这样我最近就在试着从一些容易上手又容易完成并作出贡献的领域，翻译或者审校一些，与我专业相关的信息。

之后欢迎、也希望能和大家交流。我目前了解比较深入的领域有：

专业领域：