守恒方程

科学探究的核心蕴含着一个简单而深刻的真理：无中不能生有。这一守恒原理是宇宙的基本记账法则，支配着从计算机芯片中的热流到细胞中分子的复杂舞蹈的一切。虽然看似直白，但只有当我们将这一思想转化为精确的数学框架时，守恒定律的全部力量才能被释放。本文旨在连接这一抽象原理与其具体应用，揭示其作为理解和建模我们周围世界的万能钥匙。

我们将首先深入探讨“原理与机制”，探索守恒方程的数学形式、其微观起源以及与自然对称性的深刻联系。随后，“应用与跨学科联系”一章将展示这一单一概念如何成为驾驭复杂性、为生命建模、甚至指导人工智能的多功能工具。

在物理学乃至所有科学的核心，存在一个我们常常习以为常的基本概念：无中不能生有。这个简单、近乎童稚的观察，是我们理解宇宙最强大工具集之一——守恒定律——的种子。它们是宇宙不容动摇的记账规则。无论我们是为计算机芯片中的热流建模，还是模拟细胞中蛋白质的复杂舞蹈，抑或是研究星系的灾难性碰撞，这些定律都提供了所有动力学赖以建立的刚性框架。它们并不能告诉我们将会发生的一切，但它们告诉我们不可能发生什么，并以此照亮了可能之路。

想象一下，你是一个空间小区域的会计。你的工作是追踪某种“物质”——它可能是质量、电荷或能量。你区域内物质的总量发生变化只有两个原因：要么物质跨越边界流入或流出，要么物质被区域内部的源或汇创造或销毁。仅此而已。这便是守恒定律最直观的积分形式的精髓。

在数学上，我们可以将这个资产负债表写成：

通过运用一点微积分（具体来说是散度定理），我们可以将这个关于有限体积的陈述转化为一个关于空间中每个无穷小点的陈述。这给了我们优美而紧凑的守恒定律微分形式：

在这里，$q$ 是我们“物质”的密度（单位体积的量），$\mathbf{J}$ 是​​通量矢量​​，它指向流动的方向，其大小告诉我们单位时间内穿过单位面积的物质有多少，而 $S$ 代表任何局部源或汇的净产生率。$\nabla \cdot \mathbf{J}$ 这一项，称为通量的散度，衡量了流动从一个点“散开”的程度。如果流出的比流入的多，散度为正，那么该点的物质总量 $q$ 必须减少。

这一个方程是无数物理定律的模板，从流体动力学中的连续性方程到电磁学中的电荷守恒。它是一个普适的平衡陈述，一个完美的记账。但它本身是不完整的。它给我们带来了一个令人沮丧的局面：一个方程，却有两个未知数（$q$ 和 $\mathbf{J}$）。我们知道账目必须平衡，但我们不知道物质为什么会流动。为了预测未来，我们需要另一块拼图。

缺失的那块拼图不是一个普适原理，而是一个局部的、特定的原理。它描述了材料本身的特性。这就是​​本构关系​​的作用。本构关系是一条规则，通常通过实验发现，它告诉我们材料如何响应其环境。它“构成”了物质的行为。至关重要的是，它通过将通量 $\mathbf{J}$ 与系统的状态变量（如温度或压力）联系起来，提供了缺失的一环。

以热量为例。能量守恒告诉我们，如果一个区域变热，能量必定已经流入。但什么导致热量流动呢？我们的经验告诉我们，热量从热的地方流向冷的地方。​​Fourier 的热传导定律​​将这种直觉转化为一个精确的数学陈述：

这是一个本构关系。它指出热通量 $\mathbf{q}$（一个矢量）与温度的负梯度 $\nabla T$ 成正比。梯度是一个指向温度最陡峭上升方向的矢量，所以负号告诉我们热量从热到冷“向下”流动。比例常数 $k$ 是热导率——材料的一种属性。铜的 $k$ 值很高，是良导体。泡沫塑料的 $k$ 值很低，是良好的绝缘体。

同样，对于流经土壤的水，​​Darcy 定律​​指出流体通量与压力梯度成正比。水从高压处流向低压处。这里的比例常数与土壤的渗透率有关——这是材料的一种属性。

当我们将普适的守恒定律与特定的本构关系结合起来时，物理建模的真正力量就显现出来了。通过将 Fourier 定律代入能量守恒方程，我们得到了著名的​​热方程​​，一个单一、可解的方程，可以预测任何物体中温度随时间的变化，从煎锅到行星核心。同样的逻辑，通过将质量守恒与 Darcy 定律结合，我们得到了像 Richards 方程这样用于描述土壤中水流的强大方程。这种优雅的结合——一个普适的平衡定律由一个描述具体行为的定律来封闭——是连续介质物理学的基础。

但是，这些宏观定律，无论是守恒定律还是本构定律，最终从何而来？它们仅仅是恰好奏效的巧妙猜测吗？答案是响亮的“不”。事实上，我们可以看到它们从原子本身狂乱、不息的运动中涌现出来。

想象一下，我们可以用一台超级计算机模拟一滴水，追踪每一个分子，看它如何根据牛顿运动定律四处飞驰、碰撞并与邻居相互作用。这就是​​分子动力学 (MD)​​ 的世界。从这种微观的混沌中，宏观的秩序得以涌现。

• ​​质量守恒​​：这是最显而易见的。原子不会凭空消失。如果我们在模拟中画一个小的虚构盒子，里面的质量只有在原子穿过边界时才会改变。宏观的质量通量 $\rho\mathbf{v}$，仅仅是无数原子携带各自质量移动的统计平均值。

• ​​动量守恒​​：动量，即运动的量，也是守恒的。我们虚构盒子里的动量可以通过两种方式改变。首先，原子在穿过边界时可以携带它们的动量——这被称为​​对流通量​​。其次，边界一侧的原子可以通过原子间力推或拉另一侧的原子，在没有任何质量实际穿过的情况下传递动量。这种由内力引起的动量传递，就是我们宏观上体验到的压力和粘性应力。总动量通量是对流部分和这个内部​​应力张量​​ $\boldsymbol{\sigma}$ 的和。

• ​​能量守恒​​：能量也是守恒的。像动量一样，它可以通过原子的整体运动被对流输运穿过边界。它也可以通过内应力做功来传递。最后，能量可以通过原子随机、振动的热运动来输运，即使没有净质量流动。能量通量的这最后一部分就是我们所说的​​热通量​​ $\mathbf{J}_q$。

通过这种方式，连续介质力学中优雅的守恒方程被揭示为不过是对其底层微观粒子守恒量的精确统计记账。它们是连接原子世界和我们自己世界的桥梁，是物理定律跨越不同尺度深刻统一性的明证。

守恒的思想远不止于物质在空间中的物理输运。它是任何“物质”根据一套固定规则从一种形式转化为另一种形式的系统的基本属性。想想活细胞内复杂的化学反应网络。

考虑一个简单的反应：一个受体蛋白 $R$ 与一个配体分子 $L$ 结合形成一个复合物 $C$，这个过程是可逆的：$R + L \rightleftharpoons C$。每当发生一次正向反应，一个 $R$ 分子和一个 $L$ 分子被消耗，生成一个 $C$ 分子。每当发生一次逆向反应，一个 $C$ 分子分解产生一个 $R$ 分子和一个 $L$ 分子。

请注意一些有趣的事情。虽然 $R$、$L$ 和 $C$ 的各自数量上下波动，但某些组合保持不变。受体单元的总数，无论是游离的还是结合在复合物中的，都必须是恒定的：$X_R(t) + X_C(t) = \text{常数}$。同样，配体单元的总数也是恒定的：$X_L(t) + X_C(t) = \text{常数}$。这些是守恒定律，它们并非源于空间输运，而是源于反应网络的化学计量。

这个思想可以变得惊人地精确。我们可以将一个反应网络的整个蓝图——所有关于物种如何相互转化的“配方”——编码成一个单一的数学对象，称为​​化学计量矩阵​​ $S$。在这个矩阵中，每一列代表一个反应，每一行代表一个物种，矩阵中的条目告诉我们该物种在该反应中被创造（正数）或销毁（负数）了多少个分子。

化学反应网络理论中一个优雅的定理指出，在一个有 $n$ 个物种的网络中，独立的线性守恒定律的数量就是 $n - \operatorname{rank}(S)$。矩阵的秩，粗略地说，是衡量其“复杂性”或其所跨越的独立方向数量的指标。这个优美的结果告诉我们，系统所受的约束取决于我们追踪的物种数量与它们转化方式的复杂性之间的差距。

真正深刻的是，这是一个​​结构性​​属性。它只取决于网络的连接图，即矩阵 $S$，而不取决于反应进行得多快（动力学），甚至不取决于它们是可逆还是不可逆的。我们仅通过观察蓝图，甚至在对动力学一无所知的情况下，就能推导出系统的这些深刻不变量。无论我们是用微分方程模拟平均行为，还是用随机模拟模拟单个分子的随机涨落，这个原理都成立。

那么，这些守恒定律实际上做了什么？它们远非被动的记账规则；它们主动地塑造着一个系统的行为。

一个有 $n$ 个变量的系统似乎有 $n$ 维的可能性空间可以探索。但如果存在 $r$ 个独立的守恒定律，系统就不能自由漫游。它的状态被永远限制在那个更大空间内的一个 $(n-r)$ 维的曲面或“流形”上。对于细胞中的磷酸化循环，一个拥有 6 种不同化学物种但有 3 个守恒定律的系统，并不生活在一个 6 维世界里；它的整个生命历程都在一个由总蛋白初始量定义的 3 维曲面上展开。这种维度约减对于分析和模拟来说都是一个巨大的简化。

这种几何限制在系统的动力学中留下了直接的印记。想象系统处于一个平衡点。如果我们试图在一个会违反守恒定律的方向上推动它，运动定律根本不允许。没有力将它拉回或进一步推动；动力学在那个方向上是完全中性的。用稳定性分析的语言来说，每个守恒定律都会在系统的雅可比矩阵中引入一个​​零特征值​​。这些零特征值对应于景观中的“平坦”方向，即沿着守恒流形的方向。要理解系统的真实稳定性——它在受到小扰动后是否会返回平衡——我们必须忽略这些无关紧要的平坦方向，并分析在受限曲面内部的动力学。

这种简化对科学发现也有深远的实际影响。当我们从一个复杂模型中构建一个简化模型时（例如，使用准稳态近似），守恒定律可以导致不同的微观参数聚集在一起，形成一个单一的、可观测的宏观参数。在酶动力学中，催化速率 $k_{\mathrm{cat}}$ 和总酶浓度 $E_{\mathrm{tot}}$ 常常合并成一个单一的可测量量，即最大速率 $V_{\max} = k_{\mathrm{cat}} E_{\mathrm{tot}}$。我们可以非常精确地测量 $V_{\max}$，但我们无法从实验中判断我们拥有的是大量的慢酶还是少量快酶。这些参数被称为结构上不可辨识的。守恒不仅塑造了系统能做什么，也塑造了它能告诉我们关于自身的什么。

宇宙对维护守恒定律的坚持可能导致真正戏剧性的现象。当一个平滑、连续流体的运动定律预测出一个物理上不可能的未来时，会发生什么？

考虑声波，它是在空气等流体中的压缩波和稀疏波。在一个简单的波中，所有部分以相同的速度传播。但对于可压缩流体中的大振幅波，会发生一些有趣的事情：波中密度和压力较高的部分比密度和压力较低的部分传播得更快。这意味着对于一个压缩波，波的后部会不断地追赶前部。

想象一下高速公路上的交通堵塞。如果后面的车开始比前面的车开得快，它们将不可避免地堆积起来。汽车的密度会变得越来越陡峭，直到在有限的时间内，它似乎变得无穷大。这是一种​​梯度灾变​​。在这一点上，对流动的经典、平滑描述失效了。方程似乎在预测同一位置有多个密度和速度值，这是毫无意义的。

这是否意味着我们的理论是错的？不。这意味着我们对平滑性的假设是错的。守恒定律（质量、动量和能量）必须仍然成立，但它们必须以其更基本的积分形式成立。在特征线交叉后，宇宙满足守恒定律的唯一方法是创造一个​​不连续性​​——一个​​激波​​。

跨过这个无限薄的波前，密度、压力和速度等属性几乎瞬时跳跃。这个激波的速度不是任意的；它由守恒定律精确决定，这种关系被称为 Rankine-Hugoniot 条件。激波不是一个数学上的反常现象；它是在极端条件下强制执行守恒定律的物理表现。它可以被看作是当极少量的内摩擦或粘度减小到零时，一个非常陡峭但平滑的波的极限。看来，宇宙为了维护守恒，会牺牲平滑性。

我们已经看到了守恒定律是什么，它们从何而来，以及它们的作用。但我们仍然可以问终极问题：为什么？为什么宇宙有这些特定的记账规则？答案由才华横溢的数学家 Emmy Noether 在 20 世纪初发现，是所有科学中最深刻、最美丽的思想之一。

​​Noether 定理​​在守恒定律和物理定律本身的对称性之间建立了牢不可破的联系。

对称性是一种你可以执行的操作，而情况看起来保持不变。一个完美的球体具有旋转对称性；你可以任意转动它，它看起来仍然是同一个球体。物理定律也具有对称性。如果你今天做一个实验，然后明天做完全相同的实验，你期望得到相同的结果。这是因为基本的物理定律不随时间改变；它们具有​​时间平移对称性​​。Noether 定理揭示了惊人的结果：这种对称性直接意味着​​能量守恒​​。

同样的逻辑也适用于其他基本对称性：

• 物理定律在这里和在宇宙中任何其他地方都是相同的。这种​​空间平移对称性​​意味着​​线性动量守恒​​。
• 物理定律不取决于你面向哪个方向。这种​​旋转对称性​​意味着​​角动量守恒​​。

对于一个系统的基本描述（其“作用量”）的每一个连续对称性，都有一个相应的守恒量。这不是巧合或方便的技巧；这是一个深刻的数学真理。

这也告诉我们守恒定律何时会被打破。如果我们将物理系统置于一个破坏对称性的外部环境中，相应的守恒定律就会被打破。例如，在分子的计算机模拟中，通常使用“恒温器”来保持温度恒定。这个恒温器通过模拟的摩擦和随机踢动来增加和移除能量，充当一个外部浴。对于分子系统本身来说，时间平移对称性被打破了，它的能量不再守恒——它流入和流出恒温器。

因此，守恒定律并非强加于宇宙的任意规则。它们是宇宙最基本、最美丽属性——其对称性——的直接反映。从一刻到下一刻，“物质”总量保持不变的事实，正是宇宙基本运行原则本身不发生改变的一面镜子。在现实的宏大记账中，没有什么是真正失去的，只是被转化了，这是宇宙戏剧上演的那个不变、对称舞台的直接结果。

在上一章中，我们探讨了守恒方程的基本原理。我们将它们视为自然界优雅而不容动摇的记账规则：进入的必须出去，或者有其去向。现在，我们踏上一段旅程，去看看这个看似简单的思想如何展现为一个具有惊人力量和多功能性的工具，连接着不同的领域，并揭示了科学领域的深刻统一性。我们将看到守恒定律不仅仅是抽象的陈述，更是科学家和工程师的实用工具包，使他们能够简化复杂性、为生命的机制建模、预测模式的出现，甚至指导人工智能。

科学家们常常面对复杂得令人困惑的系统。想象一下，试图追踪几十种相互作用的化学物质的浓度。微分方程网络会迅速变成一个难以处理的数学怪物。守恒定律的第一个也是最直接的应用就是驯服这只野兽。它们为模型简化提供了一种强有力的方法。

考虑一个仅有四种化学物种 $A$、$B$、$C$ 和 $D$ 的网络，它们通过一对可逆反应相互作用。这已经产生了一个由四个耦合微分方程组成的系统。然而，如果系统是封闭的，我们可以识别出守恒的量。例如，一个 $A$ 分子可能被转化为 $C$ 或 $D$，但基本的“A-性”并未丢失，只是换了一顶帽子。通过识别这些守恒总量，我们发现了浓度之间的简单代数关系。正如在一个实际计算中所展示的，拥有两个这样的守恒定律可以让我们消去两个变量，将整个四个微分方程的系统简化为一个只涉及一个剩余变量的、可管理的方程。这不是近似；这是一个精确的简化，是系统物理性质本身递给我们的一张“备忘单”。

这个“技巧”实际上是一个深刻数学真理的体现。任何反应网络的动力学都可以用一个化学计量矩阵 $S$ 来描述，它编码了每个反应如何改变每种物质的数量。守恒定律精确地对应于该矩阵左零空间中的向量——也就是说，任何满足 $\ell^{\top} S = 0$ 的向量 $\ell$。独立守恒定律的数量告诉我们这个零空间的维度，并且根据线性代数的基本秩-零度定理，它也告诉我们系统动力学的真实、简化的维度。守恒的物理原理完美地反映在线性代数的抽象结构中，这是我们物理世界数学本质的美丽证明。

在生物学中，驾驭复杂性比在任何地方都更为关键。一个活细胞是一个错综复杂的化学反应大都市。然而，守恒定律的逻辑为理解其运作提供了一个强大的视角。

考虑细胞通讯中最基本的过程之一：共价修饰循环，例如蛋白质的磷酸化和去磷酸化。一个激酶 ($E$) 给一个底物 ($S$) 加上一个磷酸基团，将其变为活性形式 ($S^*$)，而一个磷酸酶 ($F$) 将其移除。即使在这个看似简单的模块中，底物也可以以多种形式存在：游离的 ($S$)、修饰的 ($S^*$)、与激酶结合的 ($C_E$)，或与磷酸酶结合的 ($C_F$)。要理解这个系统，我们首先必须确定守恒总量。底物的总量 $S_T = S + S^* + C_E + C_F$ 必须是恒定的，每种酶的总量也必须是恒定的，$E_T = E + C_E$ 和 $F_T = F + C_F$。这些守恒方程是我们理解该系统的基石。它们对于解释诸如超敏性等涌现特性至关重要，在这种特性下，系统表现得像一个急剧的数字开关——这是细胞信息处理的基石。

当然，一个真实的细胞不是一个完全封闭的盒子。蛋白质在不断地被合成和降解。我们的守恒概念会失效吗？完全不会；它变得更加细致。例如，在一个基因表达模型中，我们有像 mRNA 和蛋白质这样的物种，它们会降解，因此是“开放”系统的一部分。但其他组分，如 DNA 上的基因本身，或被非常迅速回收的核糖体和 RNA 聚合酶的总库，可以被视为处于“封闭”的子系统中。守恒定律教我们分析系统的架构，区分哪些量是真正守恒的，哪些不是。这种细致的记账是构建合成生物学等领域预测模型的前提，在这些领域中我们旨在设计新的生物电路。

到目前为止，我们一直想象我们的系统是充分混合的，就像一个搅拌过的试管。但世界不是一个点；它有空间，在空间里，惊人的事情可以发生。当我们允许化学物种扩散和反应时，模式可以从一个最初均匀的“汤”中自发出现。这就是图灵不稳定性的魔力，一个被提出来解释从豹子斑点到斑马条纹等一切现象的机制。

在这个美丽的自组织过程中，守恒定律扮演了什么角色？它们是导致模式的原因吗？它们阻止了模式的形成吗？现实更为微妙和优雅。守恒定律独立于扩散，它们定义了可能的均匀稳态集合——模式可能或可能不会在其上形成的均匀背景。它们将系统的平均组成限制在一个特定的化学计量相容类中。然后，扩散作为一种创造性的力量。它可以使这种均匀状态失稳，导致某些空间波长的微小随机波动增长，最终绽放成一个稳定、复杂的模式。所以，守恒定律并不创造模式，但它们为模式的出现搭建了舞台。它们定义了反应与扩散的美丽舞蹈得以展开的刚性约束。

在物理学和工程学中，我们常常需要从头开始建立模型。在这里，守恒定律不仅仅是简化的工具；它们是模型本身的骨架。

考虑为一个现代锂离子电池建模。我们从电荷、锂离子和热能的基本守恒定律开始。一个典型的守恒定律是一个形如 $\frac{\partial \psi}{\partial t} + \nabla \cdot \mathbf{J} = S$ 的偏微分方程 (PDE)，它表明一个小体积内量 $\psi$ 的变化率取决于流过其表面的通量 $\mathbf{J}$ 和任何局部源或汇 $S$。然而，这个方程是不完整的。它没有告诉我们通量为什么存在。为了使模型具有预测性，我们必须通过提供将通量与系统状态变量相关联的*本构定律*来“封闭”它。例如，欧姆定律将电荷通量（电流）与电势梯度联系起来，菲克定律将物种通量与浓度梯度联系起来。守恒定律提供了普适的、不可改变的框架，而本构定律则提供了充实模型的、特定于材料的细节。

这种通过层叠守恒定律来构建模型的过程在半导体物理学中得到了优美的展示。要为一个晶体管建模，可以创建一个复杂性递增的模型层级。

• 最简单的模型，​​等温漂移-扩散​​模型，只强制执行电荷（电子和空穴）的守恒。它假设温度恒定。
• 为了考虑器件在运行过程中的升温（自热效应），我们可以创建一个​​电热​​模型。我们通过添加第二个守恒定律来实现这一点：晶格能量的守恒，也称为热方程。
• 对于非常小的高性能器件，电子可以从电场中获得如此多的能量，以至于它们变得比周围的晶格“更热”。为了捕捉这些“热载流子”效应，我们必须上升到一个更复杂的​​流体动力学​​模型，方法是为电子和空穴本身的能量添加第三组守恒定律。

这个层级结构展示了物理建模的真正艺术。我们不是在寻找一个单一的“万有方程”，而是选择正确的守恒定律集合来强制执行，以捕捉我们关心的现象，从而创造一个现实的阶梯，每一层都比上一层更详细。

我们的讨论主要集中在描述无数分子平均行为的确定性方程上。但从根本上说，微观世界是由机遇法则支配的。化学反应是离散的、随机的事件。在这样一个随机领域中，守恒定律会变成什么样？

它们变得更加重要，如果说有什么不同的话，尤其是在实际计算的角度。当我们使用像 Gillespie 算法这样的方法来模拟一个系统的随机动力学时，我们追踪每种分子的确切数量。系统可能处于的状态数量可能是天文数字。对于一个仅有四种物种的网络，状态空间是一个四维的整数网格。直接模拟在计算上可能是不可能的。

然而，守恒定律来拯救了我们。对于每一个守恒总量，我们知道分子数量之间存在一个必须始终成立的线性关系。这将系统的随机行走限制在一个更小的、更低维的子空间内。对于一个有两个守恒定律的酶网络，系统的状态不是探索一个巨大的四维空间，而是被困在一个二维曲面上。在一个具体的例子中，这种简化可以将可达状态的数量从一个实际上无限的数字减少到仅仅几百个。这可能意味着一个在几秒钟内完成的模拟和一个在宇宙年龄内也无法完成的模拟之间的区别。对于计算科学家来说，守恒定律是一条生命线，使不可解的问题变得可解。

让我们以两个例子结束，它们展示了守恒的深远影响，触及复杂系统的涌现行为和机器学习的最前沿。

首先，考虑一个表现出“自组织临界性”（SOC）的系统，比如一个简单的沙堆。你一粒一粒地添加沙子。沙堆不断增高，然后，突然发生一次雪崩，重新分配沙子。这些雪崩是不可预测的，大小不一，从几粒沙子到灾难性的崩塌，其统计数据遵循稳健的幂律。物理学中一个引人入胜的问题是，是什么决定了这些幂律的指数。为什么截然不同的系统——沙堆、森林火灾模型、地震模型——有时会表现出相同的临界指数？答案在于*普适类*的概念。而决定一个系统属于哪个类别的最基本属性之一就是其守恒定律。一个沙子在局部严格守恒的模型（倒塌的沙粒只是移动到邻近位置）属于一个普适类，因此具有不同于沙子可以从系统内部丢失的模型的临界指数。一个微观的记账规则——系统的“物质”是否守恒？——对整个系统宏观的、涌现的统计定律产生了戏剧性的影响。

最后，像守恒这样的经典原理在人工智能时代能扮演什么角色？一个关键的角色。科学家们越来越多地使用机器学习从复杂的模拟数据中构建快速的“代理”模型。想象一下，试图模拟地球地下化学污染物的反应输运。一个高保真模拟可能需要数天时间。人们希望训练一个神经网络来学习系统的行为，并在几分之一秒内做出预测。

问题在于，一个标准的“黑箱”神经网络对物理学一无所知。它可能学会很好地拟合训练数据，但它的预测可能在物理上是荒谬的，违反了像质量守恒这样的基本原则。解决方案是构建*物理信息*人工智能。我们可以将我们对守恒定律的知识明确地编码到神经网络的架构和训练过程中。对于反应输运问题，我们知道某些物种浓度的线性组合（元素总量）在反应中是守恒的，只经历输运过程。我们可以设计一个自编码器神经网络，使其压缩的“潜空间”的特定部分被迫代表这些守恒量。然后，我们可以在训练目标中添加一个项，如果这些学习到的守恒量没有根据已知的、更简单的纯输运方程演化，就对网络进行惩罚。

在这种美丽的综合中，守恒定律扮演了老师的角色，引导机器学习一个不仅准确，而且在物理上合理和稳健的模型。守恒原理远非一个过时的概念，它正被证明是开发 21 世纪智能科学工具不可或缺的伙伴。从一个简单的算术核对，它已经成为通往知识前沿的向导。