引入—学科理解

物理授予我的最大特点就是无止境的思索，我也终能够理解为什么科学的起源叫做自然哲学：共同的思考范式，即无止境的探知求索到底什么才是“真”，什么才是“对”。这套深度思考的范式是可以迁移到任何学科任何方向上的，故而数学物理可以称之为“basic”—基础。

我将数学物理从两个视角切入：
1， 我们采取回溯的视角去观测。数学物理的起源其实是为了“描述”，也就是我们的数学建模：数学描述生活中的一切量化特征（突出我们关心的核心特征而忽略其他特性，就如1+1=2就高效的提取了“量的特征”），物理为了描述客观物理现实中的各种现象、实验，力求对现实世界进行指导。
2， 我们再采用演绎的视角去审视。数学物理基于数学建模的描述但是又远高于数学建模，总结起来，原因在于：基于公理（数学）/定律（物理）的逻辑包闭自洽，形象的说就是我画一个圆之后要可以实现首尾相接，并且画的这个圆要足够大以至于包含的住我所有现代物理现实/数学逻辑体系。另外，画这个圆的起点是没有被固定的，我完全可以在已有圆上去做出其他的“外切圆”同样实现逻辑包闭自洽（这就导致数学体系超出现实，落于抽象空间），所有“圆”的全集就是我们的数学物理“大厦”。

兴趣落点与未来方向

而我在不断的思考后，发现人的兴趣和热爱可以由几个字概括：兴趣以能力为激发点，但一定会最终收束回（在你富集信息后，进行尝试、试错后的）认知框架。而我认为我已经找到了我的兴趣以及终生的事业——模型学：起于数学建模，深于物理学习，升于深度学习，终于描述性。

我想要以数学物理框架中的这份“建模描述性”为我的纲领（因为物理的本质更偏“描述”，我不想因为进入某个行业就丢掉物理的“屠龙术”，失去我作为一个物理专业学生对客观物理现实的“泛化性”），深化于我的哲学式深刻思考与求索，富集数学物理的营养，运用新时代深度学习可以处理高维灾难的本领，处理传统确定性模型精度与效率对现实的矛盾。

我想我的研究兴趣或者未来研究方向或许可以由下述几点概括：
1， 如何高效引入物理建模的确定性去收束深度学习基于数据的随机概率空间？
2， 我们的很多技术，灵感都是源于仿生学，仿自然学建模（如attention，退火机制~），我不想“拼积木”，更想运用仿物学思想，运用“模型”（确定性，随机性）去解决，量化，优化工程、科学。客观物理世界的问题！（想法源于我对数学建模竞赛的参与：以物理机制为主导，以数学为语言，以计算机为工具，居然可以“泛化/不拘泥的”“解决”生活中的那么多问题！这太有趣了不是吗）
3， 在试探，操作过程中我有了一些形而上学的想法：现代计算已经不像是费米黄金定则那般的简单映射，而是一个复杂的系统，内部存在着数据流以及参数信息的交互。我以热统的视角去观察：他是一个系统，我可以用“粗粒化”的视角去审视（用流来表示数据的传递，用熵或者其他指标来描述体系的性质——决策树不就是这么做的嘛），我可否将其归于物理系统学并且期于运用此理论体系对其进行数据实验的指导、调控？可否以一套体系具体评估一个算法“系统”的好坏？可否评估好坏后再反向去确定输入参数的范围以减小调参的经验性（如同人类科学史的发展：由经验性试错到有理论的定向指引）？
4， 可以从底层思考，底层处理问题，深度思考，比较包含数理的方向