科学空间|Scientific Spaces

推翻相对论

民科，是“平民科学家”的简称，本来，无论怎么看，这个词都是一个褒义词，代表了一群默默进行科学研究的人，本来，我等天文爱好者都可以用上“民科”这一漂亮词语。然而，“得益于”某些民科（至少在中国是这样的）的狂妄自大，使得“民科”成为了另外一群人的代名词。他们他们从最基础的物理学比如牛顿力学开始，就和正统的物理学分道扬镳。他们使用的专业术语跟正统的物理学都不同。你说东，他说西，以致于民科和专业人士完全不能交流。还有一些民科从易经八卦这些所谓的哲学原理出发，提出一些自以为是的邪乎学说，完全不在物理学的轨道上。这一群人，仿佛自认为自己是救世主，他们就是崭新而又来源已久的新“民科”。由此看，民科和物理学之间存在一个无法沟通的真空。

点击阅读全文...

上一篇文章我通过欧拉数学的方式简单地讲了数论中的“黎曼ζ函数”和“金钥匙”。事实上，这把“金钥匙”与很多问题之间的联系已经被建立了起来，换句话说，“金钥匙”已经插入到了相应的“锁孔”中，数学家的工作就是要把这个金钥匙“拧动”，继而打开数学之门！

接下来我们看看如何证明所有素数的倒数之和发散的。在入正题之前，我们得需要看一个引理：

无限数列${a_n}$的每一项都大于0，那么$\sum\limits_{n=1}^{\infty} a_n$与$\prod\limits_{n=1}^{\infty} \left(1+a_n\right)$的敛散性相同。换句话说，两者互为充分必要条件！

点击阅读全文...

2、量子力学中的作用量量子化方法

在发现经典电动力学的这个新作用量之后，费曼便试图将它量子化，以期得到一个令人满意的量子电动力学。当时，量子物理学中还没有采用作用量方法。常规的途径是从哈密顿函数开始，用算符来取代经典哈密顿函数中的位置和动量，再应用非对易关系。费曼当时还不知道，狄拉克在1932年的一篇文章中已经将作用量和拉格朗日函数引进了量子力学[9]。正当他百思不得其解时，一位在普林斯頓访问的欧洲学者吿诉他，狄拉克在某某文章中讨论过这一间题。得知此信息后，费曼次日即去图书馆翻阅此文。

狄拉克在1932年的文章中引进了一个非常重要的函数$ < q_{t+dt}|q_t > $，并指出它“相当于” $\exp[\frac{i}{\hbar}Ldt]$[9]。这“意味着”,狄拉克强调：“我们不应该把经典的拉格朗日函数看成是坐标和速度的函数，而应把它看作两个不同时刻t和r+dt的坐标的函数。"[9]在狄拉克思想的启发之下，费曼径直把“相当于”改写为“正比于”：

点击阅读全文...

BoJone很喜欢Python，也很喜欢数论，所以就喜欢利用Python玩数论了。平时也喜欢自己动手写一些数论函数，毕竟Python支持大整数高精度运算，这点是非常好的；但是，在很多实际应用中，还是希望能有一个现成的数论函数库来调用。之前尝试过数学研发网的HugeCalc库，但是由于各种不熟悉不了了之。后来论坛上的无心老兄推荐了PARI/GP，小试一下，居然在Python上成功调用了。以后再也不用担心Python上的数论计算问题了，呵呵~

点击阅读全文...

在之前的欧拉数学中，我们计算过所有素数的倒数之和，得出素数的倒数之和是发散的，从而这也是一个关于素数个数为无穷的证明。在本篇文章中，我们尝试计算所有素数之积，通过一个简单的技巧，得到素数之积的一个上限（以后我们也会计算下限），从而也得到$\pi(n)$的一个上限公式。更重要的，该估计是初等地证明Bertrand假设（说的是n与2n之间定有一个素数）的重要基础之一。本文内容部分参考自《数学天书中的证明》和《解析和概率数论导引》。

素数之积

笔者已经说过，数论的神奇之处就是它总是出人意料地把数学的不同领域联系了起来。读者很快就可以看到，本文的证明和组合数学有重要联系（但仅仅是简单的联系）。关于素数之积，我们有以下结论：

不超过$n$的所有素数之积小于$4^{n-1}$。

点击阅读全文...

现在我们来关注黎曼曲率。总的来说，黎曼曲率提供了一种方案，让身处空间内部的人也能计算自身所处空间的弯曲程度。俗话说，“不识庐山真面目，只缘身在此山中”，还有“当局者迷，旁观者清”，等等，因此，能够身处空间之中而发现空间中的弯曲与否，是一件很了不起的事情，就好像我们已经超越了我们现有的空间，到了更高维的空间去“居高临下”那样。真可谓“心有多远，路就有多远，世界就有多远”。

如果站在更高维空间的角度看，就容易发现空间的弯曲。比如弯曲空间中有一条测地线，从更高维的空间看，它就是一条曲线，可以计算曲率等，但是在原来的空间看，它就是直的，测地线就是直线概念的一般化，因此不可能通过这种途径发现空间的弯曲性，必须有一些迂回的途径。可能一下子不容易想到，但是各种途径都殊途同归后，就感觉它是显然的了。

怎么更好地导出黎曼曲率来，使得它能够明显地反映出弯曲空间跟平直空间的本质区别呢？为此笔者思考了很长时间，看了不少参考书（《引力与时空》、《场论》、《引力论》等），比较了几种导出黎曼曲率的方式，简要叙述如下。

点击阅读全文...

不知道从什么时候开始，我发现我也掉到了GAN的大坑里边了，唉，争取早日能跳出来...

这篇博客介绍的是我最近提交到arxiv的一个关于GAN的新框架，里边主要介绍了一种对概率散度的新理解，并且基于这种理解推导出了一个新的GAN。整篇文章比较偏理论，对这个GAN的相关性质都做了完整的论证，自认为是一个理论完备的结果。

文章链接：https://papers.cool/arxiv/1811.07296

先摆结论：

1、论文提供了一种分析和构造概率散度的直接思路，从而简化了构建新GAN框架的过程。

2、推导出了一个称为GAN-QP的GAN框架$\eqref{eq:gan-gp-gd}$，这个GAN不需要像WGAN那样的L约束，又不会有SGAN的梯度消失问题，实验表明它至少有不逊色于、甚至优于WGAN的表现。

GAN-QP效果图

论文的实验最大做到了512x512的人脸生成（CelebA HQ），充分表明了模型的有效性（效果不算完美，但是模型特别简单）。有兴趣的朋友，欢迎继续阅读下去。

点击阅读全文...

这是一篇“散文”，我们来谈一下有着千丝万缕联系的三个东西：变分自编码器、信息瓶颈、正态分布。

众所周知，变分自编码器是一个很经典的生成模型，但实际上它有着超越生成模型的含义；而对于信息瓶颈，大家也许相对陌生一些，然而事实上信息瓶颈在去年也热闹了一阵子；至于正态分布，那就不用说了，它几乎跟所有机器学习领域都有或多或少的联系。

那么，当它们三个碰撞在一块时，又有什么样的故事可说呢？它们跟“遗忘”又有什么关系呢？

变分自编码器

在本博客你可以搜索到若干几篇介绍VAE的文章。下面简单回顾一下。

理论形式回顾

简单来说，VAE的优化目标是：
\begin{equation}KL(\tilde{p}(x)p(z|x)\Vert q(z)q(x|z))=\iint \tilde{p}(x)p(z|x)\log \frac{\tilde{p}(x)p(z|x)}{q(x|z)q(z)} dzdx\end{equation}
其中$q(z)$是标准正态分布，$p(z|x),q(x|z)$是条件正态分布，分别对应编码器、解码器。具体细节可以参考《变分自编码器（二）：从贝叶斯观点出发》。

点击阅读全文...