***生命科學閱讀之 4 ***
世界從何而來，生命從何而來，心智從何而來？
量子科學是否能夠解釋這一切？
（有中文版）
“There‘s Plenty of Room at the Bottom" — Richard Feynman
（在最底下的微小的世界中，還有很大的探索空間— 諾貝爾物理學獎得主費因曼）
這是去年第一波疫情期間宅在家買的書，當時覺得如果牛頓在家工作期間可以發展出微積分的概念，那我只是嘗試了解量子科學應該還好吧？可是心裡還是有覺得困難的障礙所以就拖到今年這波疫情，跟著其他生命科學相關的書一起讀。有點難度，但真的好有趣。讀完真的覺得對於感覺困難的東西，不要太快自我設限啊！
這本算是難度比較高的科普書籍，但作者盡量用我們一般人可以理解的現象當成切入點。在我們肉眼可看到的世界牛頓的物理學基本上都是可以充分解釋的。當愛因斯坦把思考的框架拉到整個時空，就發現在那個世界當中古典物理學的概念不能解釋，於是產生出他的相對論。而當我們反向進入極為小的世界當中，發現量子完全不是按照我們平常的邏輯在運作時，感覺又開啟了一個嶄新的世界觀。20世紀初著名的物理學家薛丁格，提出所謂「薛丁格的貓」這個思想實驗，就是已經進入到量子物理學的開端，讓他開始思考是否在更微小的量子級別當中，他們有一套截然不同的運作原理呢？接下來數十年開發出的實驗方式和測量儀器當然就更精準了，看到了量子可以跳動，可以有類似穿牆的能力，甚至可以同時擁有好多不同的狀態（不是只有0和1）。我們真的需要開始跳脫數位的思考，進入量子的世界，才有可能揭開它無窮的潛力。
首先他從候鳥遷徙的故事開始講到基因，這個攜帶生命資訊的程式，到底是如何延續下去以及當中如何產生變化的。我們現代的人比較了解基因和DNA一代一代抄寫下去的概念，可是對於中間變異或是凸槌（例如癌細胞）的部分，卻一直沒有夠好的解釋。記得小時候自然課會講到演化，常常會舉的例子就是那個脖子可以伸最長的長頸鹿才能吃到葉子所以適者生存。從某些角度來講是有它的道理，但脖子在伸長的資訊為什麼這樣的資訊會傳到下一代呢？作者用量子物理學補足了這樣說法當中一些論證不足之處。
再來就是講到能量和動能，即便我們能組合出所有需要的分子，但是所謂的「生命力」是從何而來呢？我很新奇的讀著作者講到大自然中，小學生都知道的「光合作用」，竟然是這麼一個不可思議，效率極高的動能引擎。從工業時代設計的蒸汽機，或是現代的燃油引擎，以及最尖端的發電動能，都無法與光合作用的效能相比。
最後講到人的心識思想和做夢，這是古典物理學完全不能解釋的。作者先帶著我們把人腦和腦細胞想成是類似電路的概念解釋，然後在討入量子物理學驅動實體世界的觀點，才發現原來我們的人腦可能就是一個設計令人讚嘆的量子電腦啊！經他這麼一解釋，我也才稍微明白量子電腦為什麼會有這麼大的潛力，但也明白量子電腦現在為什麼這麼難模擬和製作。
作者最後用一個很有趣的圖來比喻古典物理學和量子力學中間的關係。如果說我們生活的這個實體世界像是航行在海上的一艘船，這艘船受到海面上的浪以及外面的風所影響。但船底下的這個還是深不可測的，他下面有一大部分的底層是由熱力學來支撐的，熱力學底下就是量子物理力學。當上面船隻的航行和節奏與最底層一致的時候，即便有風浪也還算能夠平靜行駛。但是當這樣子的連結被打斷的時候，船就很容易覆沒，而一旦覆沒，也是一個不可逆的現象了 （例如基因突變或是死亡）
探索世界無止境的奧秘，不管是物理，化學，天文，還是生命科學，總會有一種敬畏的心。就像牛頓所說的 :
“我不知道世界怎麼看待我，但我認為我就像沙灘上玩耍的一個男孩，投入在探索中。偶爾會找到一個圓滑的石子，或是一個不尋常的漂亮貝殼。而在我的前方一片像是汪洋大海的真理，等待探索”
“I do not know what I may appear to the world, but to myself I seem to have been only like a boy playing on the seashore, and diverting myself in now and then finding a smoother pebble or a prettier shell than ordinary, while the great ocean of truth lay all undiscovered before me”
全文與中文版鏈接在部落格中
https://dushuyizhi.net/life-on-the-edge-%e8%a7%a3%e9%96%8b%e7%94%9f%e5%91%bd%e4%b9%8b%e8%ac%8e/
#lifeontheedge #quantumbiology #quantumphysics #量子科學 #量子物理學 #量子生物學 #解開生命之謎
熱力圖解釋 在 用热力图解释深度卷积模型 - YouTube 的必吃
你训练的深度视觉模型分类很准，但是如何解释它究竟关注到了什么呢？完整版教程：http://dwz.date/eWmg. ... <看更多>