玻尔百科为什么弯曲的回形针会保持弯曲，而拉伸的橡皮筋会弹回原状？为什么按一次遥控器按钮会打开电视，再按一次却会关闭电视？这些看似无关的问题，其答案都源于一个强大而统一的概念：记忆。许多系统，从简单的电子设备到复杂的生命体，其输出不仅取决于当前的输入，还取决于它们的全部过往历史。本文旨在探讨如何科学地捕捉和模拟这段历史这一根本性挑战，并引入内状态变量的概念——这些隐藏的量充当了系统的记忆。在接下来的章节中，我们将首先探索这些变量的核心原理和机制，理解它们如何压缩历史并根据物理定律演化。随后，我们将开启一段跨越不同科学领域的旅程，见证内状态变量在材料科学、电子学、计算建模和生物学等领域中所展现出的非凡且统一的力量。
想象墙上有一个简单的电灯开关。向上拨，灯亮；向下拨，灯灭。开关的动作只取决于其当前位置，它不记得之前被拨动过多少次。现在，想一想电视遥控器上的电源按钮。按一次，电视打开；再按一次，电视关闭。按钮的效果取决于你看不见的东西：电视的当前状态。它是开着还是关着？电视系统拥有记忆。这个简单的区别是理解科学与工程领域中最强大、最统一的概念之一——内状态变量——的入门之道。
像电灯开关这样输出仅取决于当前输入的系统，称为组合系统。相反，像电视这样具有记忆的系统，则称为时序系统。“记忆”并非某种模糊、神秘的特质，它被保存在系统中我们称之为内状态变量的物理、可量化的属性里。这些变量存在于系统的“黑箱”内部，将其全部过往历史总结成一种紧凑、可用的形式。
内状态究竟是什么？想象一个不处于“初始静止”状态的系统——也就是说在你接触它之前，系统就已经储存了一些能量或信息。一根拉伸的橡皮筋、一个充电的电容器或计算机的RAM都包含非零的内状态。这些状态就是我们预测系统未来所需要知道的关于其过去的一切的变量。
数字信号处理领域中，清理音频或图像等信号的滤波器设计提供了一个绝佳的例证。有限脉冲响应（FIR）滤波器就像一个只有短期记忆的人；其当前输出取决于固定数量的近期输入，这很简单。但无限脉冲响应（IIR）滤波器则不同，它的输出不仅取决于过去的输入，还取决于其自身的过去输出。这是一个递归的反馈回路。
你可能会认为，要计算这种滤波器的输出，需要了解其全部的无限历史。但奇妙之处在于：你并不需要。整个过去的影响被完美地压缩到少数几个有限的内状态变量中——通常只是最近的几个输入和输出值。在每一步，滤波器都使用这个紧凑的状态来计算新的输出，并为下一步更新其状态。内状态变量是系统必不可少的记忆，是其历史的精髓所在。
在许多现实世界的系统中，过去不仅仅是序幕，它还决定着现在。以一块金属板为例。根据一个简单的无记忆模型，如果施加的应力超过其固有强度，它就会失效。但任何工程师都知道，金属构件可能会因疲劳而失效——反复施加远低于静态强度的小应力，最终可能导致其断裂。
一个只关注当前应力 的模型对这段历史是视而不见的。为了捕捉疲劳现象，我们必须引入一个内状态变量，称之为“损伤”，并用 表示。每经历一个应力循环， 都会增长一点。我们的失效条件不再是应力小于强度，而是损伤小于一个临界值。变量 记住了所有过去加载循环的累积效应，为系统提供了预测疲劳失效所需的记忆。
这个思想深入到材料科学的核心。当你弯曲一个回形针时，它会变得更难弯曲。这种现象称为加工硬化，是材料记忆的另一种形式。回形针当前的形状并不能说明全部问题。要真正了解它的状态，我们必须观察其微观结构。弯曲的历史会产生一个由称为位错的微观缺陷组成的纠缠网络。一个基于物理的模型将使用这些位错的密度 作为内状态变量。 的值告诉我们材料“硬化”的程度，这是变形历史烙印在材料内状态上的关键信息。
内状态变量不是静态的，它们会演化。支配这种演化的规则被称为演化律或状态方程。在数字电子学中，这些规则可以写在一个简单的转换表中。这个表就像一个配方：给定系统当前的内状态（例如，二进制变量 和 的值）和当前的外部输入（例如，），该表会告诉你下一个内状态将是什么。
当输入发生变化时，系统便开始一段旅程。它的内部变量开始变化，遵循转换表中的配方，直到它们（有望）达到一个不再需要改变的新配置——一个稳定状态。
但如果它们没有达到稳定状态呢？状态变量的动力学可能出人意料地丰富和复杂。系统可能不会稳定下来，而是进入一个循环，在两个或多个不稳定状态之间无休止地振荡。更具戏剧性的是，如果多个状态变量被指令同时改变，它们会陷入竞争条件。谁先到达？物理属性中微小的、不可控的变化，如信号通过不同导线的传播延迟，决定了获胜者。有时，无论谁获胜，最终的稳定状态都相同；这是一种非临界竞争。但在临界竞争中，系统的最终状态根本无法预测——它取决于这场微观竞赛的结果。这不仅仅是一个理论上的好奇心；它是高速异步电路设计中的一个主要隐患，是内状态动力学导致的一个实际后果。
内状态变量的演化律不能是任意的，它们必须符合物理学的基本定律。其中最重要的一条是热力学第二定律。
许多涉及内状态变化的过程——如金属的塑性变形或粘稠液体的流动——都是耗散的。它们产生热量并增加宇宙的熵。以克劳修斯-杜亥姆不等式形式表现的热力学第二定律要求，这种耗散的速率永远不能为负。一个系统不能自发地冷却并从混沌中创造秩序。
这一原则起到了强大的约束作用。当我们为一个带有内变量的材料提出数学模型时，我们必须证明其演化律在任何情况下都不会违反第二定律。这确保了我们的模型是物理上现实的。整个框架通常围绕一个热力学势构建，例如亥姆霍兹自由能 ，它依赖于可观测变量（如应变 ）和内状态变量（如损伤 或位错密度 ）。然后，内状态变量（ISV）的演化律以保证整个系统热力学一致性的方式推导出来。是物理学，而不仅仅是数学，决定了这场游戏的规则。
如果我们需要为一个有记忆的系统建模，我们如何知道该选择哪些内变量？甚至选择多少个？这就是科学成为一门艺术的地方，它由物理学指导，并由实验验证。
有时，一个简单的选择是不够的。在为金属晶体的复杂变形建模时，仅仅跟踪每个晶面上的总滑移量被证明是不充分的。这个标量值丢弃了关于旋转历史和变形路径的关键信息。为了忠实地捕捉材料在复杂加载下的记忆，需要一个更丰富的描述，即使用完整的塑性变形梯度张量 作为内变量。
在其他情况下，实验可以揭示系统内部世界的隐藏复杂性。考虑玻璃化转变，这是一个液体冷却成固态玻璃而未结晶的迷人过程。我们可以通过假设“结构无序”的状态由单个内变量捕捉来对此建模。这个简单的模型做出了一个明确的预测：一个由可测量量组成的特定组合，即Prigogine-Defay 比 ，必须等于1。然而，对于大多数真实的玻璃，实验表明 更接近2或3。这种差异意义深远。大自然在告诉我们，我们的单变量模型过于简单。液体转变为玻璃时结构凝滞的复杂过程，需要至少两个或三个不同的内部过程，每个过程都有自己的状态变量，才能被正确描述。
从计算机中的触发器到钢铁的硬化和玻璃的形成，内状态变量的概念提供了一种统一的语言来描述系统如何记忆它们的过去。它们是宇宙中隐藏的齿轮，根据自然基本定律规定的规则滴答作响，将时间之箭烙印在我们周围世界的结构之中。
理解了内状态变量的原理——它们是系统的隐藏齿輪，是其记忆的守护者——我们现在可以踏上一段旅程，看看这个强大的思想将我们引向何方。你可能会感到惊讶。同一个概念工具，既能解释弯曲的回形针为何保持弯曲，也能揭示一个受精卵如何发育成一个人。这就是基础科学原理之美：它无处不在，统一了我们世界中看似迥然不同的部分。让我们一同游览这片广阔的天地。
我们对记忆最直接、最切实的体验，来自于我们周围的固体材料。你拉伸一根橡皮筋，它会记住原来的形状并弹回去。你弄弯一把金属勺，它会记住新的形状并保持弯曲。区别在于它们的内状态。
以一块金属为例。它的原始状态是一个整齐有序的晶格。当我们施加力时，它会变形。如果力很小，原子只是从其平衡位置稍微移位；这是弹性变形。去掉力，它们就会弹回。但如果力足够大，就会发生更剧烈的事情。原子平面开始相互滑过，这个过程由称为位错的微观缺陷介导。这些位错移动、增殖并纠缠在一起。这种微观重排是不可逆的。材料获得了永久的形变，它经历了塑性变形。
我们不可能跟踪每个原子和每个位错的位置，这是一项不可能完成的任务。所以，我们像一个优秀的物理学家那样：我们发明一个总结性变量。我们引入一个名为塑性应变张量 的内状态变量。这个变量不关心单个位错的细节；它只捕捉它们的净效应——变形中永久的、历史依赖的部分。要预测金属的未来行为，我们确实需要知道它当前的总应变，但我们还必须知道它当前的塑性应变，这是它所承受过的所有弯曲和拉伸的记忆。
这个思想可以进一步细化。一些材料表现出更细致的记忆。如果你拉伸一根金属棒，它在同一方向上会变得更难拉伸。但令人惊讶的是，它在那个方向上受压缩却变得更容易！这被称为包辛格效应（Bauschinger effect）。材料不仅记得它被变形了，它还记得变形的方向。为了捕捉这一点，我们需要一个更复杂的内变量：背应力 。你可以把它想象成一个由塑性流动历史产生的隐藏的内部应力场，它要么抵抗要么协助下一次变形。
记忆并不总是关于形状。有时，它关乎完整性。一个承受重复加载循环的材料，即使低于其塑性极限，也可能开始变弱。微裂纹和空洞开始形成和增长，并汇合在一起，直到材料最终失效。这个过程称为疲劳，或者更广泛地称为连续介质损伤。同样，跟踪每一个微裂纹是不可能的。因此，我们定义一个标量内变量，即损伤度 ，其范围从原始材料的 到完全失效材料的 。随着材料被加载和卸载， 不断累积，代表其内部结构的不可逆退化。这个变量使我们能够模拟材料的刚度和强度在其使用寿命内的退化过程，这对于设计安全的桥梁、飞机和医疗植入物来说是至关重要的概念。
“记忆”状态的思想并不仅限于固体。想象一下搅拌一锅蜂蜜和一锅油漆的区别。蜂蜜对搅拌的阻力（其粘度）很简单——它只取决于你勺子的当前速度。但油漆不同。快速搅拌它，它似乎变得更稀。停止搅拌，它又变稠了。油漆有记忆。
这种流体被称为非牛顿流体。它们通常由长链状的聚合物分子组成。在静止时，这些链条卷曲成随机的缠结。当流体受到剪切时，它们开始解开并与流动方向对齐，使各层更容易相互滑动。这种对齐不是瞬时的，它需要时间。聚合物网络的对齐程度可以用一个内状态变量 来描述。这个变量根据其自身的动力学演化，通常在一个特征时间 内弛豫到平衡值。流体的可观测属性，如其粘度，取决于这个内状态 ，而 又取决于它所经历的剪切历史。
一种更微妙的记忆形式出现在我们脚下的自然世界中。地面是一种多孔介质，一个由固体颗粒和空隙构成的海绵。下雨时，水填满这些空间；干旱期间，水排出或蒸发。你可能认为土壤能容纳的水量是拉出水的吸力的简单函数。但事实并非如此。对于相同的吸力，一个正在干燥过程中的土壤比同一个正在湿润过程中的土壤容纳更多的水。这种现象称为滞后现象。
原因在于孔隙空间的复杂几何形状和表面张力的物理原理。孔隙填充和排空的方式取决于连接它们的“喉道”的大小，一个孔隙可能在与排空时不同的压力下填充。因此，整体饱和度状态 取决于湿润和干燥逆转的历史。为了模拟这一点，我们必须引入存储这段历史的内变量。这可以是一个过去压力“逆转点”的列表，或者可以用一个更抽象的数学机器来建模，比如Preisach 算子，它本质上是大量简单滞后开关的集合。这种记忆对于预测地下水流、污染物输运和农业用水可用性至关重要。
在迄今为止的所有例子中，记忆一直是物理系统固有的、有时甚至是不便的属性。我们现在转向一个记忆不是副作用而是设计目的的领域：数字电子学。
什么是计算机的存储器？它本质上是一个庞大的、精心设计的内状态变量集合。一个比特的存储信息被保存在一个称为触发器的电路中，其输出（代表‘0’或‘1’的电压）不仅取决于其当前输入，还取决于其过去的输入。它有一个状态。
考虑设计一个简单的2位计数器，它在每个时钟信号的上升沿按 的顺序循环。它需要多少个内状态变量？输出本身有四种状态，但要区分处于状态 并等待时钟变为高电平，与时钟刚变为高电平后的状态 ，需要额外的记忆。事实上，为了使电路可靠工作，我们需要定义至少八个不同的内状态，以导航完整的输入和输出周期。这意味着至少需要 个二进制内状态变量来构建计数器的“大脑”，并使其能够记住它在序列中的位置。在这里，内状态不是微观混沌的总结；它们是信息本身的离散、逻辑体现。
这个视角帮助我们理解现代设备中的问题。钙钛矿太阳能电池是一项很有前景的新技术，但它们存在一个奇怪的问题：其测得的电流-电压曲线取决于测量扫描的方向和速度。这是一种滞后现象，它使评估其真实效率变得复杂。原因何在？钙钛矿材料含有对电场变化响应缓慢的移动离子。这些迁移的离子和在界面处被俘获的电荷充当了不希望出现的内状态变量，每个都有其自身的弛豫时间尺度 和 。当电压快速扫描时，这些慢变量跟不上它们的平衡值，从而产生滞后，使得测得的电流依赖于扫描的历史。将太阳能电池理解为一个具有内状态变量的系统，是诊断并可能修复这种不稳定性的关键。
我们如何将这些丰富的物理理论转化为科学和工程的预测工具？我们建立计算模型。内状态变量的概念正是允许我们做到这一点的根本桥梁。
有限元方法（FEM）是现代工程模拟的主力。当工程师想要模拟车祸或涡轮叶片上的应力时，他们会使用FEM。该软件将物体分解为由微小“单元”组成的网格。对于每个单元，在每个数值积分点（一个“高斯点”），计算机必须求解材料行为的方程。如果材料是路径依赖的——比如我们前面讨论的塑性金属或损伤复合材料——程序必须在该特定点存储和更新一组内状态变量 。
在模拟过程中，随着模型的变形，计算机会将每个高斯点的应变输入到一个局部的本构程序中。这个程序使用内变量的旧值作为其记忆，计算出新的应力和内变量的新值。然后，这个局部状态信息被用来组装物体响应的全局图像。这个复杂的算法之舞，在数百万个点和数千个时间步上重复，就是我们模拟历史依赖行为的方式。没有ISV的正式概念，这些模拟将是不可能的。
这个思想甚至可以在更抽象的计算层面找到。在一些求解麦克斯韦方程组的数值技术中，比如传输线矩阵（TLM）方法，算法本身就是使用“内部辅助状态”来表述的。这些不一定是对物理记忆的直接表示，而是使算法工作的计算构造。巧妙的是，这些内部状态有时可以从最终方程中代数地“压缩”掉，从而得到一个使用更少计算机内存的更高效算法，尽管有时会以牺牲精细尺度上的些许精度为代价。
我们从金属走向了微芯片。我们的最后一站是所有系统中最复杂、最迷人的：生命有机体。
毛毛虫如何知道要变成蝴蝶？变态过程是一个宏伟的、预先编程的序列。它由激素信号精心策划，但有机体必须“知道”其当前的发育阶段才能正确响应。我们可以创建简单的布尔网络模型来捕捉这种逻辑。在这样的模型中，基因或整个发育程序被表示为可以处于ON或OFF状态的节点。这些节点的状态——一组内状态变量——代表了有机体对其发育进程的记忆。保幼激素的存在可能起到一个门控作用，即使蜕皮信号到达，也使“成虫”程序保持关闭状态。只有当保幼激素消失时，蜕皮信号才能最终拨动启动蛹阶段的开关，这是储存在网络状态中的一个不可逆步骤。
也许ISV概念在生物学中最深刻的应用是在表观遗传学领域。你身体里的每一个细胞——神经元、肌肉细胞、皮肤细胞——都含有完全相同的DNA序列，即相同的基因型 。那么是什么让它们不同呢？答案是细胞记忆，它编码在DNA之上的一层信息中。
我们细胞中的DNA缠绕在蛋白质周围，DNA和蛋白质都可以被化学标签修饰。这些标签模式，称为表观遗传修饰，不改变DNA序列本身。相反，它们控制哪些基因可被读取，哪些被沉默。神经元的“神经元基因”是开启的，而“肌肉基因”是关闭的。肌肉细胞则相反。
这些表观遗传模式是细胞的内状态变量 。它们是在胚胎发育过程中响应环境线索 和基础基因型 而建立的。至关重要的是，它们是稳定的，并且可以通过细胞分裂遗传下去。当一个皮肤细胞分裂时，它会产生两个新的皮肤细胞，因为它传递了它的表观遗传记忆。这就是复杂有机体能够维持其结构的原因。因此，最终的表型 不仅仅是基因型和环境的函数 ，而是由这层丰富、动态的内状态所介导的：。
从弯曲的回形针到活细胞的身份，内状态变量——一个携带过去记忆的隐藏信息片段——的概念被证明是一个惊人地普遍且强大的思想。它是解开我们周围世界复杂性与统一性的钥匙，让我们对其有更深的理解。