苏园别裁——被误读的狮子林

距离上一次游狮子林，已然八九年。记忆是模糊的：正门口“狮子林”题字。假山。石舫。建筑窗洞的彩色玻璃。

狮子林题匾

石舫。又称“不系舟”。位于狮子林水池西北。

建于民国初年。石舫采用混凝土结构。

制作精巧，造型逼真，细部花饰已带有一些西洋风味。

狮子林假山印象。仙境与人间。

建筑窗洞的彩色玻璃。类似巴黎圣母院的玫瑰窗。

中西合璧的处理方式。

约是七月末。闷热。闹哄哄。不时闯入镜头的游人。夹杂导游解说……

记忆二则：

银杏，又名公孙树，是家族中子孙的象征，多种在门前。

香樟，作为女子的象征，往往种在庭园中。待庭中香樟长大成材，女子也到了出阁的年纪。以此树做一对樟木箱子陪嫁，取意“两厢情愿”。

种于庭园的香樟，是家族中女子的象征。

那些关于老园子的典故传说，旧时风月，多为后人附会。

惟典故二则，记忆犹新。特意与园友老盛考证，确有其事。是昔年园林印象。那些元素背后的人文意味。

狮子林其名：

园内“林有竹万，竹下多怪石，状如狻猊（狮子）者“，又因天如禅师惟则得法于浙江天目山狮子岩普应国师中峰，为纪念佛徒衣钵、师承关系，取佛经中狮子座之意，故名“狮子林”。 亦因佛书上有“狮子吼”一语（“狮子吼”是指禅师传授经文），且众多假山酷似狮形而命名。

以上为官方版本。

倪瓒《狮子林图》

以假山著称的狮子林，通体以湖石为素材。这样大体量的湖石假山在苏州园林里亦是少见的（苏园假山多以黄石堆叠，点缀湖石，作为峰石。亦有纯湖石假山，通常体量较小，怡园与环秀山庄已是其中翘楚）。

狮子林，通体以湖石为素材。

这样大体量的湖石假山在苏州园林里亦是少见的。

徽宗钟爱湖石，故而有了花石纲。不晓得这场声势浩大的造园活动是否影响一个朝代的覆灭，文人的湖石情结却是自此缘起……

文人比德，器以载道。

太湖石，在文人心目中是昆仑是蓬莱是泰岳，更是神明仙灵是圣贤伟人是先哲高士。一种文化精神的图腾。

文人的湖石情结。一种文化精神的图腾。

因此，今人对于假山石组的象形解读。像狮子或是美人。我一直是不屑的。无趣。格也低了许多。

狮子林太湖石假山。

瘦漏皱透的写意美。一种物化诗画的园林哲学。

太湖石，象征意义高于形象本身。瘦漏皱透的写意美。一种物化诗画的园林哲学。意同现代抽象画，可以多角度解读。

状如狻猊，这是直观感受，最初层面对于园中假山的认知。

狮子暗合佛经中狮子座之意，而众多假山意指五百罗汉之数（佛经数字多为概数，五百，千，万并不指具体数目，表示数目众多）。此为第二层面认知，形式隐喻的禅机。

观山，是与人有关的山水经验。狮子林假山观法，依赖表面褶皱的模糊维度，成为一种具有自然意味的连续的表面涌动……攀爬。把玩。观景。多维度赏玩。

“狮子林”其名，在意会与顿悟间。

狮子林九狮峰：状如狻猊，是最初的直观感受。

注，九为概数。并不指具体的数量。佛教中数字多为概数，强调数量之多。

非导游所解读的能从假山中数出九头狮子。此为后人误读。

同时，在峰石中现山势。不出城廓而获得林泉之怡。是古人的山水情结。

宅与园：

古典园林有个误区：宅园的说法，给人一种印象，似乎住宅和庭园是相互交织、相互融合的。

事实上，在东方居住哲学里，宅园分离，有明确的边界。

狮子林沿袭了这种居住关系。除了住宅与园林，它还有祠堂（宗祠）。属于较高规格的居住形式。

狮子林平面图

红框范围较规整部分为狮子林住宅区，几进院落，近乎对称的布局，是中国古典哲学精神（孔孟之道）在居住方面的体现。

宅子是规矩的，是身体居住的空间。

相应地，古典家具也沿袭了这种“端着”的姿态。比如官帽椅，不同于现代的沙发或者圈椅，需要正襟危坐。礼制，是这样从身到心的恭敬。

古典家具也沿袭了这种“端着”的姿态。需要正襟危坐。

礼制，是这样从身到心的恭敬。

园林布局要自由许多，随景就境。

建筑意味上的消极空间，因园林介入而趣味横生。比如半亭。原是为了解决边界的局促空间，演化成为古典园林建筑中的特有形式，流传至今。

半亭。原是为了解决边界的局促空间。

演化成为古典园林建筑中的特有形式，流传至今。

园林，是精神意味的居住象征。它是乌托邦式的。既体现趣味，又彰显思想。是其主人生活方式和生活态度的载体。

说园，不可忽视的是围墙。无墙不成“園”。“園”字本身是四面围合的结构，形象地表现园子的空间界限。

园墙是高明的，一方面白墙高耸，构成关起门来的精致。一方面墙上开窗，透出与现世的亲近与交融。墙外的滚滚红尘与墙内的寂寂仙境，似隔非隔，出世而入世。

园墙是高明的。白墙高耸，构成关起门来的精致。

墙上开窗，透出与现世的亲近与交融。

之间：

东方居住格局，决定了宅园边界处理的重要性。住宅是现世，身体居住的场所。园林是境界，精神居住。境界转换，在宅园之间。“之间”，亦是破解园林的重要密码。

清晨的狮子林是沉寂的，似醒非醒。

从宅到园，几重院落。沿院落边廊前行，几折空间，光线昏暗。恰恰在将要失去耐性时，突然一个转角，一处门洞，透出花木扶疏，石笋参次。

宅园之间，几折空间，光线昏暗。

苏园多门洞、漏窗，空间得以延伸、渗透。影影绰绰，一种无声的诱惑。

点睛是门洞匾额，上书“入胜”。一个空间的到达和一种境界的交会。遐想。以及洞开的景致，吸引着游人进入。

门洞一边，是仙境。另一边，则连接着宅间日常。在仙境与现世之间，亦设有一处小天井。乱石丛竹。方寸间境界转换。

素以为绚。

园林，是基于想象的空间处理……

“入胜”是提醒，由人间步入仙境。

一个空间的到达和一种境界的交会。

遐想。以及洞开的景致，吸引着游人进入。

意境：古典园林中，意境比景致更重要。

意境，在可说与不可说间……是漫步园中某一瞬间的参悟。是光影留驻。风花雪月渐次呈现。

题匾，是园中一个重要元素。点题破题。意境表达。犹如一条线索的线头，循它问去，看去，多少回忆就一一复活。现场诸人往往都被打动。

到达。

破境。

入口处两门上方砖额，分别题为“右通”，“左达”。意为右面通向用以藏书的广内殿，左面到达朝臣休息的承明殿。神似戏台上“出将”，“入相”门。借用“将”“相”，有盼成大器的意思。出则将军，入则丞相。旧时堂皇。一种穿越的错觉。

“右通”、“左达”门

从住宅到园林，“入胜”匾额，是提示，也是点醒。胜即殊胜。是林泉高致，在山水中漫游与生活的诗意方式。

从住宅到园林，“入胜”匾额，是提示，也是点醒。

由“入胜”而“通幽”，迈过洞门，乱石丛竹如画卷依次展开。

迈过洞门，先“入胜”而“通幽”。渐入佳境。

经燕誉堂往小方厅，两侧游廊或设门洞，或设漏窗。“赏胜”，“读画”。结合园中景致。一种特别的视觉经验。

两侧游廊或设门洞，或设漏窗。

“赏胜”，“读画”。结合园中景致。一种特别的视觉经验。

出九狮峰小院，左转，往前几步，又一门洞。“探幽”。景致洞开，湖石相互映衬。点到即止的九狮峰。云深不知处的假山石组。它最终引导人们，走向无数的可能性。

探幽，亦是探寻园林细微之美。

探幽，是两侧湖石的对照呼应。

狮子林假山，适合游观。

九条山路，二十一个洞口。迷失，云深不知处。园林的趣味正是在此。

探幽，亦是探寻园中细微之美。

园林是自由的，以院墙、花木相隔，如同若干“须弥世界”。人们在每个既相似又不同的世界里，饮茶、清谈、沉思。它们既有清晰的界限，又彼此照应。

题匾，串起整个“须弥世界”。

题匾，串起整个“须弥世界”。

游观的线索与提示。

吸引。了然。回顾。那些不可言说的感动，我们称之意境。

假山别解：

狮子林的基因是石头。

传统文人将石头比作“云根”，认为云“触石而出”，故称石头为“云根”。而在江南名石的命名中，往往也与“云”有关，冠云峰、瑞云峰、岫云峰……

文人所倾慕的石介于云和石之间，虽为石作却有云势。杭州的绉云峰，其势宛若从石中升腾而上的云。正是这种出石入云的姿态使得石与云可以得兼。

杭州绉云峰。出石入云的势态。

狮子林假山亦如是。叠石如浓云裹挟。间以青松翠柏，悬葛垂萝，恍若仙乡幻境。故而假山簇拥的一室，亦以“卧云”命名。

浓云裹挟的卧云室。

“卧云”取意元好问诗“何时卧云身，因节遂疏懒”。

自“探幽”门出，过了石桥，抵达仙境。

过石桥，抵达仙境。

在云端。

整座山体分上、中、下三层，共九条山路、二十一个洞口。游观，亦现禅机。

先生提议，园友各择一方向，去往卧云室。看谁先到达。

园友大多依习惯右拐（西行），经几处石洞，忽而便到了峰顶，忽而又见壑谷……迷失。对面石势阻，回头路忽通。同游偶分散，音闻人不逢。身体配合出仰止、抬望、观峦等具有山水意味的程序化动作。恍惚间不知是在云里，或是山间。

反其道左转（东行），却是最先抵达的。

索性弃了好胜心，漫步云中，感受景致。南面，光影最为丰富。北面临水，俯瞰诸景……洞室。险峰。似在眼前，忽而又转于身后……行路，同处世。既要坚持，又不执著眼前。摈弃功利心，享受当下，亦在不知不觉间抵达胜境。

狮子林，洞室与险峰。

枯木奇峰。苍劲的残缺之美。

观山。亦可将其视作湖石博物馆，曾经散落民间的“花石纲”，以这种形式展现。可远观，可攀爬，可把玩。有别于传统博物馆参观经验。数座奇峰，狮子，含晖，吐月。亦有立玉、昂霄峰……掩映花木间。五峰，抑或十二峰？需行走其中，细细寻觅。久而不得。却在隔山回望间，乍现。有忐忑，有期待，有欣喜。是观山的独特经验。

观山。奇石名峰，可远观，可攀爬，可把玩。

有别于传统博物馆参观经验。

云墙，是苏园的重要元素。有别于粉墙的规则，云墙墙头呈弧曲形，无论从哪个角度看，都柔和婉曲，似云浮动，故而得名。

除分隔空间外，云墙本身造型别致，具有良好的景观价值。

粉墙。

云墙。

狮子林云墙，依山而建。故而墙头顺应山势，逶迤起伏：湖石如浓云，云墙为云浪。有风吹云卷的动态之美。

园林中常见这样的通感设计：以静态表现动态之美。云墙。折桥。以及网师园游廊。俱以表现风势。如马远画水，实则画气象。

云墙衬着几峰湖石，如云浪翻涌，匠心独到。云卷云舒，强化了假山石组仙与脱俗的意境。而古典园林的诗情画意，亦在景致、意境，以及通感间。

湖石如浓云，云墙如云浪。

风吹云卷。以静态表现动态之美。

传统园林有包容错误的弹性。恰似中国画，落笔之后，不可控制的机变。

假山石组经历年久坍塌与重修的过程。不同于现今复原重建老宅的严谨做法，将每一构件编号，绘图，再根据图纸一一对应重装。当时条件不允许，故而重修时不求形似，但求神似。尊重错误。并且顺势而为（山势）。

齐白石论画时曾说过“太似则媚俗，不似则欺世”。狮子林假山的魅力，也正在这似与不似间。

狮子林假山旧照。

对照。神似，而非形似。顺势而为。

狮子林石峰。7月实景。

重游，如同拜会多年未见的老友。记忆似是而非，想象与错觉……随着进入，一个美好而微差的空间呈现。曾经的错过与忽略。

对照，是这些年的偏见与执念。

且留一分遗憾，日后细细品读。

来源：知乎 www.zhihu.com

作者：窈慕颜

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

女员工离职后发现怀孕，能否恢复劳动关系？

女员工离职后发现怀孕了，能否恢复劳动关系？

  如女职工已与原用人单位双方已经签订了协商解除劳动合同的相关协议书，并已办理了离职交接手续，则双方劳动关系已经解除，无法恢复。 

《最高人民法院关于审理劳动争议案件适用法律若干问题的解释（三）》第十条规定：

劳动者与用人单位就解除或者终止劳动合同办理相关手续、支付工资报酬、加班费、经济补偿或者赔偿金等达成的协议，不违反法律、行政法规的强制性规定，且不存在欺诈、胁迫或者乘人之危情形的，应当认定有效。 

前款协议存在重大误解或者显失公平情形，当事人请求撤销的，人民法院应予支持。 

根据我国现行的《劳动法》、《劳动合同法》等相关法律规定，**<u>虽然法律对孕期妇女作了特别的保护性规定，禁止用人单位随意解除、终止孕期女职工的劳动合同，但并未禁止怀孕妇女与用人单位协商解除劳动合同。即使女职工和企业已知女职工怀孕，仍然可以依法协商一致解除劳动合同。</u>**

 如双方是经协商一致解除劳动合同并签订相关的协议，并非用人单位单方解除，则该协议系双方当事人的真实意思表示，且协议签订过程中并不存在欺诈、胁迫的情形，女职工在签协议时不知晓自己已怀孕，亦不属于法律规定的重大误解、显失公平的范畴，协议不具有可撤销的事由，协议合法有效，双方均应当遵守约定。

来源：知乎 www.zhihu.com

作者：唐广凌律师

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

生成函数的思想怎样应用于组合恒等式？

生成函数在证明许多组合恒等式的过程中都十分有用哦 ~不过，我不是专门做组合的，所以这里我就抛砖迎玉讲个简单的吧 ~

我们以 Chu-Vandermonde 恒等式为例。二项式展开（Binomial theorem, Binomial expansion）告诉我们

\left(1-x\right)^{-\alpha}=\sum_{m=0}^{\infty}\frac{\left(\alpha\right)_m}{m!}x^m

\left(1-x\right)^{-\beta}=\sum_{n=0}^{\infty}\frac{\left(\beta\right)_n}{n!}x^n

上面等式的左边就相当于右边 x^m 或 x^n 前面序列的生成函数（generating function）。把他俩乘在一起，就得到了

\sum_{m=0}^{\infty}\sum_{n=0}^{\infty}\frac{\left(\alpha\right)_m}{m!}\frac{\left(\beta\right)_n}{n!}x^{m+n} =\left(1-x\right)^{-\alpha}\left(1-x\right)^{-\beta}=\left(1-x\right)^{-\alpha-\beta}

然后，利用对 \left(1-x\right)^{-\alpha-\beta} 使用二项式定理进行展开，便得到了

\sum_{m=0}^{\infty}\sum_{n=0}^{\infty}\frac{\left(\alpha\right)_m}{m!}\frac{\left(\beta\right)_n}{n!}x^{m+n} =\sum_{m=0}^{\infty}\frac{\left(\alpha+\beta\right)_m}{m!}x^{m}

左边的二重级数可以进行重排，从而得到

\sum_{m=0}^{\infty}\left(\sum_{n=0}^{m}\frac{m!}{\left(m-n\right)!n!} \left(\alpha\right)_{m-n}\left(\beta\right)_n\right)\frac{x^{m}}{m!} =\sum_{m=0}^{\infty}\frac{\left(\alpha+\beta\right)_m}{m!}x^{m}

比较系数以后，我们便得到了：

\sum_{n=0}^{m}\frac{m!}{\left(m-n\right)!n!} \left(\alpha\right)_{m-n}\left(\beta\right)_n =\left(\alpha+\beta\right)_m

用组合数来表示的话就有

\sum_{n=0}^{m}\binom{m}{n} \left(\alpha\right)_{m-n}\left(\beta\right)_n =\left(\alpha+\beta\right)_m

或者，利用 \binom{-\lambda}{n}=\left(-1\right)^n\frac{\left(\lambda\right)_n}{n!} 将其写作

\sum_{n=0}^m\binom{\alpha}{m-n}\binom{\beta}{n}=\binom{\alpha+\beta}{m}

这里主要的关键步骤是

\left(1-x\right)^{-\alpha}\left(1-x\right)^{-\beta}=\left(1-x\right)^{-\alpha-\beta}

也就是说，等式的两端可以通过两种不同的方式进行计算（这是常用的技巧）。其他非常多组合数的等式都是用这种方法得到的。除此之外，许多有关多项式序列的等式也是通过这种方法得到的，例如 Bernoulli 多项式，Euler 多项式等等。

来源：知乎 www.zhihu.com

作者：罗旻杰

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 2 个回答，查看全部。

不存在暗物质的星系首次被发现，假设观测没有太大的误差，那么是否会危及到一部分天文学的理论？

首先，天体物理专业的学生，如果对这个感兴趣，直接看一作Pieter van Dokkum专门写的分析和针对质疑的回复：mysite

个人看法，部分之前在微博上分享过：

  1. 低面亮度星系本身是非常有意思的一类天体，我们对其形成演化了解甚少。近年来，Pieter van Dokkum等人利用Dragonfly设备的新发现让这个领域重回主流视野，这是非常好的事情。
  2. 这类天体的观测难度非常大，从发现到进一步认证不是需要特殊的设备，就是需要10米级望远镜的观测能力。Nature文章里所用的观测来自Keck DEIMOS设备对一个低面亮度星系附近的暗弱点源的观测，认证这些天体是不是球状星团，以及是不是属于这个低面亮度星系，这个难度更是翻倍。即便如此，参考他们文章里的光谱图也可以看到信噪比不是很高。
  3. 『不存在暗物质』属于引申发挥的结果。文章的结论是基于一系列的假设，这个系统的动力学质量和恒星质量很接近。目前的证据就到这，你想引申出什么看你个人爱好了。。。。缺少暗物质的矮星系在理论上完全可以存在。
  4. 按照Lambda-CDM宇宙学，星系的演化是随着暗物质结构的演化，内部的重子物质按一定的效率转换成恒星，形成星系的过程。这个持续了100亿年的过程里，发生着无数复杂的物理过程。这个观测结果无论多么『好玩』，都不能证明或者否定冷暗物质理论模型，也不能证明或者否定修正引力模型。在小尺度上，星系的演化不仅由暗物质的聚集历史(assembly history)决定，也受到重子物质过程的影响，还会受到和周围星系相互作用的影响。MOND的最大敌人在于拟合CMB功率谱，在于解释宇宙大尺度物质分布等对宇宙学有强限制的观测结果。在星系尺度上，尤其是低面亮度星系这种小尺度上，两个理论都几乎是『无敌』的。不是因为引力理论的问题，而是我们对星系里面重子物质的演化了解得还很少。
  5. 参考上面Pieter自己写的话：In any case, I don’t think it’s going to be possible to completely exclude the presence of dark matter in any galaxy （这么说吧，我认为基本不可能在任何星系中证明暗物质完全不存在）。。。
  6. 发Nature，除了工作的原创程度，抢眼程度，还要看能不能取悦Nature天文部分的守门员Leslie Sage。这位大爷的审美和偏见也许我没资格评论，但是近年来Nature出现的不甚靠谱的天文文章太多了 (这篇不算，这篇还是比较扎实的)，国内也应该慢慢试着习惯了。

如果你看到这还没有腻，那我简单说两句这个观测里面涉及的偏差和假设。

对于用球状星团示踪星系动力学质量这个问题上，首先要知道一个星系可能拥有很多球状星团系统，他们的亮度有一定的分布，总体上始终会是暗弱的星团比亮的多得多。但是天文观测上，只能观测那些现在可以分辨的，观测手段力所能及的星团。这也就意味着这样的工作首先假设一个高亮度偏差的小样本能代表真实的球状星团系统的分布。夸张一些说：你觉得中超射手榜前十名能代表中超整体水平吗？

在这之后涉及到的是用球状星团视线方向的运动速度来反应系统的动力学质量。首先要假设球状星团系统全部被这个星系的引力束缚，并且能真实的反映出引力势的性质；其次，由于我们无法观测三维的分布和运动信息，必须要做一系列的假设。比如这个星系的质量分布是一个三维椭球，而不是更复杂的结构；比如球状星团的视线方向速度能反应整个星系的运动学 (速度分布的非各向同性低) 等等。而且，如何考虑每个球状星团的速度测量误差，以及是不是有可能有Outlier混进来等问题。在这之后和恒星质量估计的比较上，还需要假设恒星成分的初始质量函数和基本的星族演化模型，恒星形成历史模型等等。这里面的假设可以轻松地让恒星质量变大变小一倍以上。。。。

不过尽管这么复杂，天文学家还是会继续关注这些惹麻烦的小星系的。毕竟不了解的天体才是最右意思的。这篇Nature文章拿到的结论其实显著度还不是那么高，原则上他们完全可以再申请新的观测，更加确定这个结论后再发出来。不过现在看到点苗头先抢着发出来也算是业界标准了，谁也不能免俗。这样受关注的文章也会增加他们团队后面拿到更多观测时间的可能。毕竟，就算天文学家对Nature评价参差不齐，可哪个院系或者机构不希望沾沾Nature的仙气呢？

来源：知乎 www.zhihu.com

作者：黄崧

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 6 个回答，查看全部。

为什么现在基础心理学（认知心理学）都要泛仪器化呢？fMRI、ERP、眼动、多道生理等？

目前认知心理学研究，确实有题中所说的泛仪器化趋势，不过至少还不是唯仪器论。而且，很多国内的心理学家（比如浙大沈模卫老师，比如北大余聪老师），还是主要在用行为实验做研究的。

我个人主要用核磁，脑电、脑磁做认知神经科学的研究，关于为什么要用这些仪器做研究，个人觉得还是研究问题决定的。

认知心理学是研究认知科学的一个子学科，而认知科学就是研究信息是如何在大脑进行加工和处理的学科（维基百科） 哪个研究方法更容易研究这些问题，就用哪一个吧。其实严格来说，我们这些用着各类仪器做研究的，应该算认知神经科学，但国内以及国际上，这两个基本不太分家。况且，有些关于大脑工作机理的研究问题，真的是上了机器，解决起来能轻松很多。

举个我们自己研究的鸡尾酒会效应的例子：鸡尾酒会效应（英语：cocktail party effect）是指人的一种听力选择能力，即在嘈杂的环境中，我们也能把注意力集中在某一个人的谈话之中，而忽略背景中其他的对话或噪音（维基百科）。这个过程有两种方式可以实现：放大要注意听的声音，或者抑制背景噪声。这两种工作方式，最后在行为上很可能都表现为：实现了要注意听的内容和噪声的分离。所以在行为上是分不开的，而用脑电或者脑磁就可以很好的解决：
下图是我们最近接收的研究里边的一个实验结果。Y轴表示的是通过脑磁信号解码语音的能力。我们这个实验主要研究目标语音相关的先验知识（prime条件），能否促进目标语音(target)从噪声语音(non-target)中的分离，以及在大脑中是如何实现的。
结果表明先验知识确实能帮助目标语音从噪声中的分离，而且，这种分离是通过抑制噪声而实现的。

并且，如下图脑磁图的溯源结果所示，这个过程发生的还很早，在50-150ms的时候就发生了。这个时间一般认为是反映听觉的初级加工的，而我们的结果说明高级信息（先验知识）能够反向调控早期的加工过程。

因此，如这一类研究，通过行为可能就很难测量了，或者需要通过非常精巧的实验设计才能完成。但是借助仪器，很大程度上就能简化设计的复杂度，当然，数据分析的复杂度是上去了。。。

其实我自己也不喜欢动不动就用最好的仪器，然后去研究一个压根就不是什么重要问题的那种研究。不过，确实是有部分的研究，在行为上做出了差别，然后用各种仪器又测了一遍，但其实回答的是同样的科学问题。觉得这类研究还是不太有意义的。

个人觉得，科学研究的核心还是回答特定的科学问题，至于用什么技术，应该根据问题定。
另外，其实现在脑科学还有一块是做系统神经科学本身的，研究点着眼于大脑作为一个复杂系统，有什么特定的属性。这一类研究就不涉及到行为研究的问题了，因为本来就是研究脑。但好多时候，做这部分研究的研究人员也是在心理学系里边的，从而更增加了泛仪器化的感觉。

PS，文章刚接收没多久，reference后面出来了再补。

来源：知乎 www.zhihu.com

作者：张剑锋

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 23 个回答，查看全部。

延伸阅读：

为什么人们愿意沉浸在负面情绪中？

大脑有可能越用越笨吗？

搜狗vs百度：中国专利第一案，为什么搜狗败得这么惨？

搜狗和百度的专利战争，从来不仅仅是法律之战，更是科技生态之争，而这场绵延数年的大战，总要争出个是非曲直，抑或是，输赢。

2018年4月4日，号称中国专利第一案的“搜狗vs.百度专利系列案件”迎来了最后一批一审判决，北京知识产权法院认定百度公司在“一种中文词库更新系统及方法”案、“一种网络资源地址输入的方法和一种输入法系统”案和“在中文输入法中恢复候选词顺序的方法及系统”案三案中的涉案行为不侵权，判决驳回原告北京搜狗科技发展有限公司的全部诉讼请求。至此，历时近3年“中国专利第一案”告一段落，搜狗在与百度的17件专利系列案中迎来了第14次败北。

当一场战争尘埃落定时，对战争过程的剖析，总是比战争的结果本身更加耐人寻味。让我们把目光放回两年半之前，2015年10月与11月，搜狗携17项专利，气势汹汹地向百度发起了专利战，并在新浪微博等自媒体上开展了强大的舆论攻势，一时间百度输入法的地位岌岌可危——如果法庭上百度输入法的重要功能被接连判决侵权并责令整改，百度这一“后发先至”的产品在市场上恐将一败涂地。

然而在这之后，事情的发展出乎所有人的意料，搜狗引以为豪的17项专利竟然一项接着一项地被宣告无效，最终接连有11个专利被全部或者部分宣告无效，搜狗也被迫撤回了相关诉讼。好不容易被维持下来的少量专利，又分别在北京和上海接连下判的几个案件中品尝到了败诉的苦果。

中国互联网行业的发展史上不乏专利纠纷案件，但论涉及专利之众多、涉案金额之巨大、案件转折之戏剧，搜狗与百度的专利系列案件堪称“第一案”。值此帷幕即将落下之时，让我们对这个注定载入中国专利史册的案件做一个简单的回顾。

——————————————事件背景——————————————

重要事件节点回顾：

一、

双方的恩怨，起源于2014年的“搜索候选”一案。

2014年，百度搜索在搜索引擎市场占据优势地位，正如搜狗输入法在输入法市场占据优势地位。这一年，搜狗将旗下输入法与搜索引擎相结合，当用户使用搜狗输入法在百度、Bing等搜索框输入文字时，输入法自动跳出“搜索候选词汇”。用户点击“搜索候选词汇”，页面自动跳转到搜狗搜索网页。

搜狗的“搜索候选词汇”让一些用户误以为是百度搜索的衍生产品或功能，从而基于对百度的信任而点击，“分”走了百度搜索一部分的流量。用3Q大战时流行的话说，这是一次“互联网底层服务对互联网应用型服务的侵扰”。

断人财路，如杀人父母，2014年，百度以不正当竞争为由起诉搜狗，2015年10月，北京市海淀区法院认定搜狗不正当竞争成立，判令搜狗停止侵权，赔礼道歉，并赔偿损失50万元。

搜狗在不正当竞争诉讼中败北后，在当月立即向北京知识产权法院起诉，称百度输入法侵犯了其8项专利侵权，向百度索赔8000万元，誓要以专利战来巩固搜狗输入法的领导地位，颇有苹果公司的风范。

笔者分析，搜狗这么做，有其深刻的内在原因：一来，搜狗输入法一直都是搜狗的拳头产品，搜狗在输入法领域积累了相当多的技术，甚至连谷歌公司都曾因侵犯搜狗输入法的技术而被迫通过达成和解来“息事宁人”；相比之下，2010年才诞生的百度输入法显得稚嫩得多，尽管凭借百度的技术积累后发制人，却不得不在创新过程中不断规避搜狗已经确立的专利壁垒。但这似乎并没有阻碍百度输入法的发展，以及百度输入法对搜狗输入法的持续威胁。二来，搜狗所采用的“输入法+搜索引擎”模式，一度为其击败“智能ABC”“五笔输入法”等传统输入法迅速抢占市场份额立下汗马功劳；在和百度输入法的市场角逐中，搜狗也试图借助这一手段对百度“反戈一击”。而伴随着百度起诉和法院的一纸判决，这一反击行为也宣告失败。所谓“卧榻之侧，岂容他人鼾睡”，归根结底，输入法领域的产品较量和市场争夺，决定了双方最终不可避免地在专利领域展开宿命对决。

二、

在搜狗起诉后的次月，百度很快便做出反应，向专利复审委员会提出搜狗专利无效的异议申请。百度的思路非常明确：第一步，釜底抽薪，如果异议成立，搜狗专利无效，专利诉讼不攻自破；第二步，水来土掩，如果异议不成立，则继续在庭审中主张不侵权。

百度的强硬态度激怒了搜狗。搜狗在2015年11月再次分别向北京知识产权法院、上海知识产权法院、上海市高级人民法院起诉，称百度侵犯其另外9项专利，并在这次起诉中提出了高达1.8亿人民币的索赔请求。至此，这起案件已经涉及到搜狗输入法17项专利，涉案金额总计高达2.6亿人民币。

在诉诸法律的同时，搜狗在舆论战场上同样来势汹汹，通过在起诉同时展开大规模宣传的方法，搜狗在各媒体平台、自媒体平台，赢得了不少好评，树立了“挑战大公司”的受害者形象。无论在法律战场还是舆论战场，2015年11月，搜狗在这场旷日持久的战争中，曾一时间占据最大的优势地位。

然而，在这之后，形势急转直下，仅仅一年时间，专利复审委员会就先后发出决定，认定搜狗多项专利全部或部分无效。百度“釜底抽薪”的策略初见成效。截至2018年3月25日，搜狗有7件专利被判全部无效，4件专利被判部分无效，6件专利被判有效，专利有效率仅为35.3%。搜狗也因此被迫撤回了多项诉讼。

三、

已经申请了专利，为什么还会被大面积地异议成功，宣告无效？这与专利审查制度的制度设计有关，同时也与搜狗的专利质量有关。

根据国家法律规定，申请专利的核心要点，是经过审查员的检索，判定该项技术不属于现有技术。由于我国近年来专利申请数量暴涨，审查员很难穷尽现有的技术来审查专利，导致大量质量不高的专利被授权。

而当发生专利纠纷时，纠纷的另一方往往会花重金聘请资深专业人士对现有技术进行检索，在发现属于现有技术后再提交专利复审委员会提请异议，可以说现有的制度设计，导致专利复审往往比专利申请要严格许多，已经申请的专利被宣告无效的现象可谓数见不鲜。

与此同时，搜狗看似庞大的17项专利，有多项显属“纸老虎”，在真正严格的审查面前不堪一击。

以专利号为200710179718.1的“表情

输入方法及装置”专利为例，该专利的摘要如下：

本发明公开了一种表情输入方法及装置，该方法包括步骤：确定用户输入词语，列出预设的与词语相对应表情；接收选择表情指令，确定用户选择表情并输出。通过本发明的表情输入方法及装置，能够方便快捷输入表情，且能够根据用户输入的词语表情对应关系设置指令来确定与词语相对应的表情，或根据用户的输入记录确定与词语相对应的表情，由此直接输入符合用户需要或用户习惯的表情。

根据搜狗的宣传，该功能允许用户通过输入法输入表情和颜文字，但问题在于，当时以苹果手机系统输入法为代表的一些输入法均允许输入表情，而颜文字更早已经被日本众多的输入法收录，搜狗又何以专美？

至于专利号为200710073274.3的“ 一种文字输入的方法及系统”专利就更厉害了，该专利的摘要如下：

本发明适用于计算机技术领域，提供了一种文字输入的方法及系统，所述方法包括：接收用户输入的字符；根据所述字符，查询字符数据库，搜索与字符匹配的所有候选词；显示所有候选词；接收用户的候选词选择指令，将与所述指令对应的候选词输出。本发明实施例提供的文字输入系统当接收到用户发出显示全部候选词的命令时，能够显示所有候选词，并能通过鼠标、键盘上的数字键以及方向键等进行候选词的快速选择。

以笔者的IT知识理解，这项专利描述的“输入-显示-选择”不是所有输入法的基本功能吗？如果这项专利有效，那么搜狗要么重新定义“输入法”，要么重新定义“专利”。总之，这两项质量低劣的专利，不由让人怀疑，搜狗有滥用专利权的倾向。综上所述，正是由于搜狗的专利质量不高，才导致气势汹汹的专利攻势被百度轻易化解，多项专利被宣告无效后，搜狗分别向北京知识产权法院和上海知识产权法院提出了相应的撤诉申请。

四、

专利屡屡被宣告无效，搜狗不得不在维持有效的专利上发力，然而令搜狗意想不到的是，涉及维持有效的专利案件，第一个判决书便认定百度不侵权。

涉案专利是“一种用户参与只能组词输入的方法及一种输入法系统”（专利号：200810113984.9）。在这一类专利侵权案件中，法院在确认涉案专利权利有效并判定涉案专利权利的技术特征的基础下，要做出三层判断：

第一：涉案的两种技术是否属于同一类型技术，即是否解决同一问题，答案为是，则进入第二层，答案为否，则直接判定不侵权；

第二，涉嫌侵权的技术方案是否包含涉案专利权利的全部技术特征，如答案为是，则进入第三层，答案为否，则直接判定不侵权；

第三，涉嫌侵权的技术方案是否属于现有技术，如答案为否，则判定侵权，如答案为是，则判定不侵权。

具体到这个案件，法院判定两者属于同一技术，本案争议的焦点就落到了第二层判断上，根据《最高人民法院关于审理侵犯专利纠纷案件应用法律若干问题的解释》第七条的规定，百度输入法必须包含搜狗输入法全部的技术特征才构成侵权，有一个特征不符合，即不构成专利侵权。

法院根据搜狗的权利要求认定该专利有4个技术特征：

法院经过审查进一步认定，涉案两项技术均记录并存储用户对句子的输入和对上屏词的选择，因此技术特征1和4均符合。问题的关键在于技术特征2和技术特征3。

关于技术特征2，我们首先要了解“字词对”的概念。所谓的“字词对”是指在打字过程中先后输入的字与字、词与词、字与词。

先输入“智”，再输入“合”，则“智”与“合”为一个字对。

先输入“智合”，再输入“东方”，则“智合”与“东方”为一个“词对”。

先输入“智”，在输入“合东方”，则“智”与“合东方”为一个“字词对”。

示例：

搜狗输入法的技术会区分不同“字词对”的相邻关系，并对其加以区分。

根据搜狗的测试，法院发现当输入顺序相同但组合不同的自造词时，百度的16进制代码均相同，可以证明搜狗记录了字词的相邻关系，而百度未记录相邻关系。在实际使用中，两者存在不小的差异，笔者在此以“智合东方”四个字为例加以说明。

笔者在一台iPhone7手机上分别删除原有的百度输入法和搜狗输入法并重新下载，之后打开iPhone自带的“备忘录”，分别输入“智合”，再输入“东方”。

测试一：第一次输入“智合”时，两输入法均未自动显示“东方”。

测试二：输入一定次数的“智合”+“东方”后，再次输入“智合”时，系统均自动跳出“东方”。

测试三：以百度输入法输入“智”，会自动跳出“合东方”，输入“智合东”，会自动跳出“方”，以搜狗输入法输入“智”“智合东”，未显示“智合东方”相关信息。

以搜狗输入法输入“智”“智合东”未显示与“智合东方”相关信息，是因为搜狗输入法区分了“字词对”的“相邻关系”，判定“智合”+“东方”是一个词对，“智”+“合东方”或者“智合东”+“方”是另一个词汇，而百度输入法未作此区别，再加上百度输入法各种组合的16进制代码均相同，法院认定，百度输入法没有对词对的相邻关系进行判定，不符合搜狗输入法该项专利的技术特征2。

关于技术特征3的判定在技术上更加简单，但在使用上很难区分。搜狗输入法字词对可能存在多种组合，搜狗输入法对各种组合出现的“概率”来确定先后顺序，而百度输入法则以组合出现的“频次”来确定先后顺序。我们可以简单认为，“概率”=某词对的“频次”÷所有词对输入总频次，实际换算过程更为复杂。

搜狗认为，“概率”与“频次”是可以通过数学公式直接换算的，因此属于同一概念。

的确，在实际使用过程中， “频次”越高，“概率”也越高，用户在使用时并不会感受到差异。

但是，根据专利法的规定，只要实现的技术手段不同，就属于不同的技术特征，就不能判定侵权。

同时，搜狗在权利要求中，明确区分了“概率”与“频次”两个概念，并给出了相应的计算方法。

此外，鉴定人还通过技术手段，在未相应修改“概率”的情况下，直接修改了百度输入法“频次”的数据（相当于开了作弊器），这直接导致百度输入法的次序排列发生了变化。

据此，法院判定，使用“概率”排序的搜狗输入法与使用“频次”的百度输入法在技术特征4方面并不相同。

由此，鉴于涉案技术在两个方面的技术特征均不符合，上海市高级人民法院认定百度其他抗辩理由无须审查，直接认定百度不侵权，并驳回了搜狗的诉讼请求。

五、

正如战争是政治的延续，诉讼也是商业的延续。搜狗在被判败诉前后，股价也应声走跌，在2018年2月9日跌至谷底。

2018年3月14日，搜狗的一项专利经过审查，专利复审委员会第二次作出“维持专利有效”审查决定书，这似乎能让王小川松一口气。但涉及专利的案件是否又会再一次败诉仍是未知数，对搜狗来说最坏的时期或许还没有过去。

这场由搜狗挑起的专利大战，尽管搜狗前途并不光明，但却让众多从业者受益匪浅，除了意识上的启蒙和知识上的洗礼，搜狗一系列专利被宣告无效的结局及其所反映出的问题，都牵动着很多知识产权从业者的心。

打铁还需自身硬，百度在专利领域带了一个好头。也许，打到这个程度，这场战争究竟谁输谁赢已经不那么重要，重要的是它带给我们何种启示。我想，对于任何一个高科技企业而言，在技术创新、产品迭代的过程中，只要能仔细研究对方的专利，绕开对方的技术特征，就不怕被诉专利侵权，甚至还能反杀！

来源：知乎 www.zhihu.com

作者：知乎用户（登录查看详情）

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

一道量子力学的习题

前一段时间,有朋友问怎样估计一个原子的极化率或者介电常数,我马上意识到这就是熟悉的stark效应,可以算作一道量子力学的微扰论的习题了.

首先,极化是指,原先呈现电中性的系统,例如一个处于基态的氢原子,在外场的作用下,正负电荷的中心发生偏离,系统被诱导出一个偶极矩的过程,其中,在外场为微扰的情况下,可看做是材料对外场的线性的响应,也就是说,精确到第一阶,有

\mathbf{P}=\chi \mathbf{E} +O(\mathbf{|E|}^2)

在一般的线性介质中, \chi 是一个张量,而在各向同性的系统中, \chi 就是一个标量,称为极化率.

对于一个氢原子系统来说,在外加静电场的作用下,本征态发生的微扰叫做stark效应.发生stark效应后,氢原子的基态就带有了极性,也就是说,它被诱导产生了一个不为零的偶极矩,

所以我们就可以用量子力学中的微扰论来计算这个偶极矩的大小,从而计算出极化率.

一阶微扰论:

在量子力学中,如果哈密顿受到修正 ,\lambda 为一个耦合常数,是小量

H(\lambda)=H+\lambda V

则,基态的本征值和本征函数都会受到扰动,扰动的强度由 \lambda 决定

H\psi=E\psi\to H(\lambda)\psi(\lambda)=E(\lambda)\psi(\lambda)

两边同时展开到 \lambda 的一阶项得到

(H+\lambda V)(\psi+\lambda\psi^{(1)}+O(\lambda^2))=(E+\lambda E^{(1)}+O(\lambda^2))(\psi+\lambda\psi^{(1)}+O(\lambda^2))

对比系数得到

V\psi+H\psi^{(1)}=E\psi^{(1)}+E^{(1)}\psi

而由Hellmann–Feynman 定理

E^{(1)}=\frac{\partial E(\lambda)}{\partial\lambda}=\langle\psi|\frac{\partial H(\lambda)}{\partial \lambda}|\psi\rangle=\langle\psi|V|\psi\rangle

所以只需要解方程

(E-H)\psi^{(1)}=(V-E^{(1)})\psi

就可得到 \psi^{(1)}

这里要注意,这是一个非齐次的线性偏微分方程, \psi^{(1)}具有一个自由性,可以相差一个齐次方程的解 ,但是,若将微扰后的波函数作归一化的约束:

\langle\psi|\psi\rangle=1;\langle\psi+\lambda\psi^{(1)}|\psi+\lambda\psi^{(1)}\rangle +O(\lambda^2)=1 \implies \langle\psi|\psi^{(1)}\rangle=0

则方程的解就是唯一的.

根据偶极矩的定义

\mathbf{P}=\int\rho(\mathbf{r})\mathbf {r}d^3\mathbf{r}=-e\langle\psi(\lambda)|\mathbf{r}|\psi(\lambda)\rangle=-\lambda\cdot2e\langle\psi|\mathbf{r}|\psi^{(1)}\rangle+O(\lambda^2)

注意到,由于氢原子基态的对称性,零级微扰必然为零.

求解微扰方程

在数学物理中,格林函数法在是处理非齐次方程的直接解法.

对于非齐次方程

(E-H)\psi^{(1)}=(V-E^{(1)})\psi

定义广义格林算符为:

G(E)=\sum_{\{n\neq1,l,m\}} \frac{|{n,l,m}\rangle\langle n,l,m|}{E-E_n+i\epsilon}- |\psi\rangle\langle\psi|

其中, \psi:=|1,0,0\rangle 是系统的基态, E=E_1

可以形式化的表示出方程的一个特解,

\psi^{(1)}=G(E)(V-E^{(1)})\psi

在约束条件 \langle\psi|\psi^{(1)}\rangle=0 ,之下,这也唯一解

\begin{eqnarray}\psi^{(1)}(\mathbf{r})=&\sum_{n\neq1}\frac{1}{E-E_n} \sum_l \sum_{m=-l}^l\psi_{n,l,m}(\mathbf{r})\int_{ \mathbb{R}^3}\psi_{n,l,m}^*(\mathbf{r}

在本问题中,受到外场作用,势能的微扰为:

\lambda V=e\mathbf{E\cdot r}

其中, \mathbf{E} 为外加的电场,

我们知道,基态时,系统的能量为

E=E_1=-\frac{e^2}{2\rho_0} ,其中, \rho_0=\frac{\hbar^2}{\mu e^2} 为Bohr 半径.

所以可以用 \lambda=\frac{e\rho_0\mathbf{|E|}}{2E}=\frac{\rho_0^2}{e}\mathbf{|E|} 作为表征耦合强度的无量纲参数,

这样一来,V=\frac{e^2\mathbf{E\cdot r}}{\rho_0^2|\mathbf E|}

我们不妨先计算一下积分

\begin{eqnarray}\sum_{l} \sum_{m=-l}^l\psi_{n,l,m}(\mathbf r)\int_{ \mathbb{R}^3}\psi_{n,l,m}^*(\mathbf{r}

由Wigner-Eckart定理,这个积分含有不可约张量算符的矩阵元

\langle n,l,m|\mathbf{r}|1,0,0\rangle

所以,有”选择定则”: 只有l=1 矩阵元才不为零

所以积分为:

\begin{align} =&\frac{1}{\sqrt{4\pi}}R_{n,1}(r)\int\sum_{m=-1}^{+1} Y_{1,m}(\mathbf n)Y_{1,m}^*(\mathbf{n}

其中, \mathbf{n}:=\frac{\mathbf{r}}{r} 为方向矢量.

所以

\begin{eqnarray}\psi^{(1)}(\mathbf{r})=&\sum_{n\neq1}\frac{1}{E-E_n} \sum_l \sum_{m=-l}^l\psi_{n,l,m}(\mathbf{r})\int_{ \mathbb{R}^3}\psi_{n,l,m}^*(\mathbf{r}

我们发现,这里陷入了一个无穷求和的困境,

但是我们从这个复杂的形式中看出, \psi^{(1)} 是可以分离变数的.

所以不妨设 \psi^{(1)}(\mathbf{r})=\frac{\mathbf{E\cdot n}}{|\mathbf{E}|}\cdot u(r),

直接带到原方程中,分离变数法得以下径向方程,(这里进行了代换 r\to{\rho_0}r )

\{-\frac{1}{r^2}\frac{d}{dr}r^2\frac{d}{dr}+\frac{2}{r^2}-\frac{2}{r}+1\}u(r)=-\frac{1}{\sqrt{\pi}}re^{-r}

令u(r)=e^{-r}\xi(r),则 \xi(r) 满足

\{-\frac{1}{r^2}\frac{d}{dr}r^2\frac{d}{dr}+\frac{2}{r^2}+2\frac{d}{dr}\}\xi(r)=-\frac{1}{\sqrt{\pi}}r

可考虑多项式形式的解

\xi(r)=Ar^2+Br ,带入方程中得到

-6A+2A+4Ar+2B=-\frac{1}{\sqrt{\pi}}r

解得 A=-\frac{1}{4}\frac{1}{\sqrt{\pi}},B=-\frac{1}{2}\frac{1}{\sqrt{\pi}}

恢复标度 r\to\frac{r}{\rho_0} 得

\psi^{(1)}=-\frac{1}{\sqrt{\pi\rho_0^3}}(\frac{1}{2}\frac{r}{\rho_0}+\frac{1}{4}\frac{r^2}{\rho_0^2})e^{-{\frac{r}{\rho_0}}}\frac{\mathbf{E\cdot n}}{|\mathbf{E}|}

极化率的计算

经过简单的计算可以得到

\langle\psi|\mathbf{r}|\psi^{(1)}\rangle=-\frac{9}{4}\rho_{0}\frac{\mathbf{E}}{\mathbf{|E|}}

\mathbf{P}=-\lambda\cdot2e\langle\psi|\mathbf{r}|\psi^{(1)}\rangle+O(\lambda^2)= \frac{9}{2}\rho_0^3\mathbf{E}+O(|\mathbf{E}|^2)

所以

\mathbf{P}= \frac{9}{2}\rho_0^3\mathbf{E}+O(|\mathbf{E}|^2)

所以氢原子基态的极化率为

\chi=\frac{9\rho_0^3}{2}

来源：知乎 www.zhihu.com

作者：姚舜辉

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

目前除了恐龙（含鸟类）的蛋，还发现过哪些羊膜动物的蛋的化石？

题主已经在问题中提到了翼龙（pterosaur）蛋及胚胎的新闻，是我国汪筱林老师课题组在新疆发现的，论文链接如下
Egg accumulation with 3D embryos provides insight into the life history of a pterosaur

比较值得一提的是这个胚胎复原图里给翼龙宝宝加上了破卵齿（egg-tooth）结构，上颌上白色的那个尖尖，这个结构在论文中没有提到，但是现生的爬行类（包括鸟）和一些恐龙（个人观点，欢迎讨论）都有这个结构。

另外一点关于恐龙蛋值得说一下的是，目前，恐龙蛋的分类和恐龙的分类是两个系统！

两个系统！

两个系统！

重要的事说三遍！

这一点可能比较难理解，主要问题在于大量的恐龙蛋化石没有和恐龙化石一起发现，而且经过漫长的地质时间蛋内部的胚胎结构也已经无从得知，即使使用CT或者同步辐射等技术也很难看到内部结构。同时保存了蛋和胚胎的化石非常罕见。

这个分类如果不是做恐龙蛋的人（比如我）基本上属于都不认识的状态，不过大家可以猜猜Protoceratipsidovum是什么。恐龙蛋的分类基本是按照形态和蛋壳的内部结构来划分的，和恐龙的分类很难构成一一对应的关系。而且蛋这个东西，形态大小和生物的形态大小之间的关系不是特别明显，也是研究上的一个难点。当然，也有一些保存非常好的恐龙蛋可以归类到某种恐龙，比如窃蛋龙类和伤齿龙类的。

羊膜动物中产卵的不少，留下蛋化石的也不少，除了恐龙外我知道的还有鳄鱼，蜥蜴，乌龟等等，比较具体的我也不是很了解，但是列举一些论文，希望可以有帮助。

海龟与壁虎蛋化石的系统分类：
Parataxonomic classification of fossil chelonian and gecko eggs

来自始新世的科罗拉多州鳄鱼类蛋化石
Fossil Crocodilian Eggs from the Eocene of Colorado

来自中国山东省莱阳盆地晚白垩世的新乌龟蛋化石
New turtle egg fossil from the Upper Cretaceous of the Laiyang Basin, Shandong Province, China

等等，相关的论文和书不少，但是英文的偏多，感兴趣可以多查阅了解一下。关于蛋化石的保存问题其实我也不是很了解。。。。。。（业务水平真的要提高了），现在找到的恐龙蛋基本都是硬壳蛋，软壳蛋的话也有可能，但是很难保存下来。现存的爬行动物里蜥蜴类（Squamata，包括蛇）里的一些物种会产软壳蛋，当然，还有营养不良的鸡（滑稽）。化石的话，我国热河生物群中的翼龙类（pterosaur）和离龙类（Choristodera，一类水生爬行动物，不是恐龙）的一些化石暗示它们应该是产软壳蛋，在前文中的复原图也可以看出来这种观点。

新闻报道
含胚胎的爬行动物软壳蛋化石(图)

论文：中国辽西地区热河生物群的早白垩世离龙胚胎化石
EMBRYOS OF EARLY CRETACEOUS CHORISTODERA (REPTILIA) FROM THE JEHOL BIOTA IN WESTERN LIAONING, CHINA

所以总结一下大概就是：

  1. 羊膜类中产卵的类群很多都有蛋化石保存，包括产软壳蛋的；
  2. 恐龙蛋的分类和恐龙的分类很难一一对应；
  3. 恐龙蛋基本都是硬壳蛋，但是不排除有恐龙产软壳蛋的可能。

来源：知乎 www.zhihu.com

作者：Congyu

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载

此问题还有 3 个回答，查看全部。

延伸阅读：

生物学界发现新物种有多大学术价值？

现在看来恐龙灭绝似乎非必然，而如果没有远古恐龙的那次大灭绝，那么从进化的角度看，人类还有没有可能在地球占有统治地位？

金融科技的趋势

近几年，一个叫做“Fintech”的新名词在全球范围都被炒得火热，中文译为“金融科技”。近30年来最大最深远的科技进展来自计算机和互联网技术的发展，信息技术与各传统行业的深入结合是经济发展的大势所趋，与财富结合最紧密的金融行业首当其冲，让金融科技成为当前最火热的话题之一。金融科技正在渗透到金融领域的方方面面，从支付清算、投资管理、借贷保险，众筹融资，甚至零售银行和房屋中介。

尽管涉及甚广，但总结起来金融科技发展趋势可以归纳为两点：

1. 智能化：如金融市场的交易员逐渐被自动交易取代，投行和基金的投资研究员也面临智能的量化投资算法的挑战，而结合了人工智能发展迅猛的智能投顾产业也已经让传统只为富人服务的投资顾问走进千家万户。

2. 去中心化：正像计算机系统发展的那样，从集中式系统走向分布式系统，以区块链技术为代表的“分布式信任记账系统”也在颠覆着传统金融行业，去年比特币和各种ICO代币的疯狂或许仅仅是开始中的开始。

下面我们就简单讨论资产管理行业发展的趋势，着重讨论量化投资/交易，金融科技的其他话题，我们会在后续文章中继续讨论。

资产管理或者投资管理，说到底就是买入并卖出资产，以达到资产保值、增值的目的。资产从大类上讲，可以分为房地产，股票，货币，债券，大宗商品等，每个大类又有很多细分子类众多资产品种，这些标的物都是可以投资的金融工具。任何投资本质上就两个操作，买入某些资产，卖出某些资产，我们希望通过低买高卖，获得资产升值。投资的关键问题是：

1． 投资对象：买入/卖出什么资产；

2． 时间：何时买入/卖出?

这和我们打扑克或麻将有些类似，我们一直换牌，卖掉劣质资产，买来优质资产，让手中的资产长期最大化。

什么是量化投资/交易：

“量化”这个词在金融领域近来非常火热，比如量化投资、量化交易、量化资产配置等等在西方社会已经长足发展，在我国近年来也开始走上飞速发展的进程。但社会上不少人对量化的概念理解不太准确，简单地把量化方法等价于计算机自动化、智能化或者算法化。那么什么是量化方法呢？量化方法就是把目标或任务具体明确，可以清晰地用数量进行度量。而量化投资，或者量化交易就是指使用数学的方法，建立明确的模型来指导投资或者金融市场的交易。量化的好处在于理性的投资决策，而非感性的冲动的决策，由于人性的贪婪以及恐惧等情绪，非理性的决策往往导致失败的投资结局，即使一手好牌也会打坏。量化未必是高大上的自动算法交易。只要是符合量化原则，按照既定的数量化模型进行交易，不使用计算机也可以做量化投资。比如一个非常简单但也实用的量化投资模型，二八轮动法则：

衡量沪深300指数与创业板指数，对比收盘价与20日之前的涨跌，买入涨幅大的那个，如果两个都下跌，就卖出股票买入货币基金。如下回测图显示了这个模型非常简单但很强大，目前有些股票基金就是基于这个简单模型的变种进行投资交易的。

量化投资模型：

回到前面提到的投资本质，一个量化投资模型要回答何时买什么的问题。一个量化模型需要输入，比如一个多因子选股模型，可以根据市场基本面、国家政策、公司财报，甚至网上热门话题舆论等对各支股票进行打分，选出合适的股票组合。而大类资产投资与整个市场经济周期有很大关系，下面就简单介绍一个经典的投资模型。

著名的美林投资时钟模型(Investment clock)将经济周期划分为衰退、复苏、过热和滞胀四个阶段，资产大类分为债券、股票、大宗商品和现金四类资产。它构造了一幅经济运行周期下的大类资产轮动经典模型，这一理论很好地诠释了欧美历史上大类资产轮动的规律。运用1973-2004年美国市场数据测试可以发现，美林投资时钟理论完整的展示了在一轮完整的经济周期中，经济从衰退逐步向复苏、过热方向循环时，债市、股市、大宗商品轮流领跑大类资产。

  • 在衰退期：经济下行，产出缺口减少、通胀下行。货币政策趋松，债券的表现最突出。债券>现金>股票>大宗商品
  • 在复苏期：经济上行，产出缺口增加，通胀下行。经济转好，企业盈利改善，股票获得超额收益。股票>债券>现金>大宗商品
  • 在过热期：经济上行，产出缺口增加，通胀上行。通胀上行增加了现金的持有成本，加息的可能性降低了债券的吸引力，商品受益于通胀的上行，明显走牛。大宗商品>股票>现金/债券。
  • 在滞胀期：经济下行，产出缺口减少，通胀上行。经济下行对企业盈利形成拖累，对股票构成负面影响，债券的吸引力提升。现金>债券>大宗商品/股票。
美林投资时钟

这是一个非常实用的指导投资周期的工具，通过历史数据检验可以发现，美林投资时钟不仅在欧美市场，在中国市场也是基本有效的，对于基金投资有指导意义。但模型需要具体量化，如何界定经济过热还是复苏，是经济下滑还是滞胀，回溯历史容易，但实际市场投资什么时间节点入市，何时出市的把握还需要更好的指标量化。

投资的核心—-风险控制：

对于任何投资，投资安全总是重中之重。毕竟一万次投资成功只要一次投资失败就能葬送，任何的量化投资模型和策略，达摩克利斯之剑都要一直高悬。大家都知道“高风险高收益”这句话，可是怎么理解呢？高收益的投资是要面临高风险的，这句话是对的；但反过来说高风险一定带来高收益是错的，没有必要的风险是可以尽力避免的。量化资产配置的核心思想就是分散投资，分散配置有弱相关的多类资产上，这主要还是看投资者对风险和收益的期望。

当然绝对的安全是不存在的，不投资看着钱放在银行一天天贬值也是巨大的风险。中国量化投资的先行者林健武总结量化投资经验，他说“量化投资目前重点在于风险控制，只有生存下来才能迎接下一个春天。”

FoF母基金：既然分散投资可以控制风险，那么每个基金公司因为策略不同，不把钱投资一个基金，而是分散投资给多个基金不就可以进一步控制风险了吗？于是就有了基金的基金，Fund of Fund，即最近开始愈发流的母基金。母基金是一种专门投资于其他证券投资基金的基金，FoF将多只基金捆在一起，投资FoF等于同时投资多只基金，但比分别投资的成本大大降低；它的特点是风险较小，而收益也稍低。

对冲基金(Hedge Fund)：通常投资的目标是追求长期稳定风险小的收益，但如果投资者对风险的承受能力比较强，想要追求绝对的收益最大化怎么办？对冲基金正是为这类客户提供潜在高收益的平台，其典型代表西蒙斯、索罗斯等传奇都成了对冲基金的代名词。对冲基金实际上已经名不副实，与对冲关系不大，倒是成为了一种新的投资模式，主要特点是:

  • 追求资产收益绝对最大化，对客户门槛要求高；
  • 既可以牛市时“做多”赚钱，也可以熊市“做空”赚钱；
  • 一般都使用更高的杠杆；
  • 可以投资期货、期权等金融衍生品。

当然对冲基金竞争也相当的激烈。由于主要金融市场的“零和博弈”本质，即有人赚钱必然有人亏钱，在以绝对收益为目标的玩家中，只有极少数表现最好的几家可以赚大钱。而且一般认为对冲基金的交易量不能超过市场总量的5% 。因此这注定不是大众投资的舞台，只能成为极少数顶尖玩家的游戏。

大数据、人工智能与量化投资：

量化投资模型需要输入数据，比如经传统的量化投资一般从财务指标、行情数据、行业数据中挖掘有价值的投资信息，而随着量化投资领域的发展，这些传统数据中隐含的大部分投资信息已经被挖掘，专业投资者希望寻找新的数据来挖掘有用信息。互联网大数据量化投资提供了新的数据来源，搜索量、股吧情绪、新闻热度、个股关注度等新型的数据相比传统数据更加能够及时甚至提前反映整个市场的情绪，因而能够为投资决策起到指导的作用。

而随着人工智能的革命性发展，人工智能不仅带来更精准的数据清洗和数据整理，还提供了学习新数据并一定程度上预测未来的能力。

很多人都在梦想人工智能根据市场发展出投资交易模型，通过回测来发现新的交易策略，带来超额的收益。这究竟是一个机会还是陷阱? 从机器学习的角度看，目前神经网络和深度学习等已经在图像和语音识别、机器翻译、精准营销和无人驾驶等领域取得成功。但金融市场由于有人参与的不确定性，以及时间序列的复杂性，目前人工智能预测还非常困难。而由于金融市场，如股票等历史数据还非常有限，而且早期数据的参考价值也不大，可能并不适合目前靠大训练集堆出来的深度学习，很容易出现过度拟合。何况基于历史数据的学习经验对未来市场行为是否有用还很难说，比如某个监管新规实施后，之前的策略可能完全失效。当然另一方面，投资交易并不是下围棋，不用每盘都赢，只要控制好风险，在长期取得可观的收益即可，因此人工智能还是有相当机会的。

总结：

1. 资产管理本质就是买入卖出不同的投资工具，关键是投资对象和时机；

2. 投资的大趋势就是量化投资，用数学模型指导买卖交易；

3. 风险控制是重中之重，分散投资是基本法则；

4. 大数据和人工智能与量化投资是机会也有陷阱。

来源：知乎 www.zhihu.com

作者：商磊

【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载