Cccz@London

The conquest of Happiness

[Cosmos Archive @cosmosarcive]

There is a strange point where the familiar picture of matter stops working.

Take a neutron. It is not fundamental. Inside it are three quarks, held together by the strong force. String theory asks whether even those quarks are made from something deeper: tiny one dimensional strings whose different vibrations correspond to different particles.

So the question is not simply “what is matter made of?” It is how far down that question actually goes.

And we still do not know if strings are real.

[Matheorems @matheorems]

Calculus symbols form the precise language of change.

f'(a) = limₕ→₀ [f(a+h)−f(a)]/h measures instantaneous rates. ∫ₐᵇ f(x) dx accumulates them into totals. Partials ∂f/∂x and ∇f = ⟨∂f/∂x, ∂f/∂y⟩ handle multiple dimensions.

These power neural nets, aircraft design, and market models.

Change is constant. Calculus lets us master it.

Which idea from calculus changed how you view the world?

[Phoenix Yin @Phoenixyin13]

谈谈在这个时代你一定不能错过的学校。

这次我不想谈USnews，更不想谈什么QS、泰晤士、软科，我就谈在AI时代，哪些学校的学历是值得你争取的，并且我会给出我认为十分中肯的原因。
这也算是我自己心目中的学校排名。

1-4 我会这样分先后：
斯坦福，MIT，CMU，UCB。
Stanford 是四项全满的唯一解。MIT 的关键是 Schwarzman College 把计算做成了横切层而非垂直系，这是制度设计上最前瞻的一步。CMU 技术纵深最深，但地理与资本网络是明确短板，我想是Pittsburgh 拖住了它的上限。

5.Princeton
普林斯顿的数学、理论计算机、基础科学仍是未来 AI 的底层发动机。而且，普林期权价值与资本网络非常好，它卖的是 optionality。

6.Harvard
医学、生命科学、商业与 AI 融合能力极强，伦理治理方向也不错，跨领域上限（纯技术深度相对弱于前排）。

7. University of Washington华大西雅图
我对华大西雅图的评价极高，我甚至认为UW 是这个框架下最大的传统排名低估案例。从西雅图 + Allen School + 微软、亚马逊、OpenAI办公室，四项里赢三项，U.S. News 给它的位置纯属声誉滞后。

8. UIUC

其实UIUC的系统、计算机体系结构、芯片、超级计算优势巨大。CSRankings AI方向长期高位，系统ML体量大，就业与ROI极强。研究产出扎实，下限保护好，上限在工程落地。局限就是地理拖累，它算是“CMU问题”的低配版。

9. Georgia Institute of Technology

我一直觉得它和UIUC不分伯仲。
Intelligence Thread，机器人与应用AI强、性价比与就业落地优秀。亚特兰大科技增长与高ROI，未来10年，它就是实用主义抗风险的标杆。
佐治亚理工的OMSCS 是过去十年美国高教最重要的制度创新，被排名系统完全无视。

10. Caltech

小而精，基础科学密度极高。量化与前沿质量极高，硬件物理结合潜力巨大。它未来面对的问题超越AI本身，十分重要。

再往后排就没意义了，但是我想提一些10名开外我认为极度有价值的学校，在未来世界，不只是AI时代。

A. University of Michigan, Ann Arbor
密歇根大学安娜堡的宽基础AI tracks，跨学科（含潜在神经/认知）能力很强，公立规模与资源韧性，我甚至觉得不比UCLA差。其实听很多人说，公立前二应该是UCB和密大。

B. UT Austin
德州奥斯汀在未来一定是起飞的。这个区位快速崛起、专用AI项目，马斯克的驻扎地，德州科技与能源基础设施红利。都能看出这个大学绝对是未来的强竞争校。

C. Cornell（包含 Tech）

其实康奈尔的CS、AI实力非常扎实，在藤校中仅次于哈佛、普林斯顿。而且纽约的Tech Campus ，外加跨学科倾向，双城潜力。理论与应用平衡，近几年有非常大的进步。

有人可能会问：为什么这份排名和 U.S. News 差异巨大？

我的回答是，因为评价维度已经改变。

过去的大学排名，更像是在衡量一所学校过去五十年的成功。

而 AI 时代，更应该关注：
谁在创造新的知识？
谁离 NVIDIA、OpenAI、Anthropic、Google、Meta 最近？
谁培养未来十年的科技创业者？
谁拥有最快把科研变成产品的能力？
谁能够在 AI 自动化时代保持不可替代性？

所以你会发现，前十中，我几乎没怎么列藤校。不是藤校原来不优秀，是藤校的主题和现在的时代有偏离。
UIUC、Georgia Tech、University of Washington、UT Austin 等工科强校，在 AI 时代的重要性，可能远高于它们在传统综合排名中的位置。

如果你的目标是成为 AI Scientist、创办 AI 公司、加入 OpenAI、Anthropic、Google DeepMind、NVIDIA、Meta 等前沿实验室，或站在下一轮技术革命的中心，我相信我的这份排名比USnews更值得参考。

[Matheorems @matheorems]

Equilibrium points look identical - until their eigenvalues speak.

For ẋ = Ax the position of λ in the complex plane draws the entire local geometry: sinks, sources, saddles, spirals or closed orbits.

That same geometry decides whether robots stay upright, aircraft recover, or optimizers converge.

The complex plane quietly writes every system’s local destiny.

Where have you watched eigenvalue signs decide real stability?

[Matheorems @matheorems]

Four equations. One theory that made light an electromagnetic wave.

∇ × E = −∂B/∂t
∇ × H = J + ∂D/∂t
∇ · D = ρ
∇ · B = 0

They yield waves racing at c = 1/√(μ₀ε₀).

Radio, MRI, phones: all rest on them.
Local rules, cosmic reach.

Which of these four still feels most unexpected to you?

[English page @Bestenglishpage]

Prepositions.

[Mathematica @mathemetica]

Spheres invert smoothly when immersions allow controlled crossings.

A continuous family of immersions Fₜ: S² → ℝ³ deforms the standard sphere into its inside-out counterpart. The surface stays regular at every step: self-intersections are permitted, yet the differential never vanishes and no creases form.

These regular homotopies drive precise surface animations in computer graphics and underpin robust manifold reconstructions in geometry-processing pipelines used by machine-learning systems.

Topology repeatedly shows that rigid intuition is the first barrier to collapse.

[The Scientific Lens @LensScientific]

Schrödinger’s equation turned quantum mechanics into a framework for predicting how quantum states evolve.

Maxwell’s equations unified electricity, magnetism and light. What had seemed like separate phenomena became different aspects of one electromagnetic field, leading directly toward modern communications and field theory.

Einstein’s field equation replaced Newton’s fixed stage of space and time with a dynamic spacetime shaped by matter and energy. Gravity became geometry, opening the door to black holes, gravitational waves and modern cosmology.

Dirac’s equation brought quantum mechanics and special relativity together for matter. In doing so, it naturally predicted antimatter and gave us a deeper understanding of spin.

[Cosmos Archive @cosmosarcive]

Physics has a remarkable habit of turning complex natural phenomena into surprisingly simple equations.

Newton’s F = ma connects force and motion. Einstein’s E = mc² shows that mass is a form of energy. Schrödinger’s equation describes how quantum states evolve, while Maxwell’s equations reveal the connection between electricity and magnetism.

These equations are not just formulas to memorize. They are compact descriptions of patterns that nature follows.

[菁菁乐道(lydia) @lydia488144315]

国内中产送孩子出国留学，真的是胆大包天，无知者无畏！

[思维透镜 @ZSY1826299]

传统宪政理论主要关心“谁拥有国家权力”以及“如何限制政府”。在数字时代，如果一个私人组织并不拥有国家主权或暴力垄断权，却事实性地掌握了塑造数亿人信息视野、注意力分配、交易网络、社交关系乃至认知基础的能力，它已经获得了某种极其深远的结构性权力。
开放社会应如何面对这种前所未有的权力结构

[Quantum Tech ⚛ @QuantumTech_X]

Ever wondered why the sky is blue? Watch this👇

[Eric 在搞钱 @eric_make_money]

出去玩会让人变聪明！！！

[王浛旭 @wanghanxu1]

一个发小叫我给他写首歌。我根据他的经历创作了一首。我想，这首歌写出了某些七零后八零后，那疼痛的青春和沉重的人生……

[Cosmos Archive @cosmosarcive]

Nature does not simply “take the shortest path.” It takes the path that makes the action stationary.

In Lagrangian mechanics, action is

S = ∫(KE − PE) dt

This idea, developed from Maupertuis and formalized by Euler and Lagrange, turns motion into a problem of comparing entire histories, not just positions.

The deeper lesson is that the laws of motion can be written as a principle about the whole path a system takes.

[Matheorems @matheorems]

Nature never lets you know a particle’s exact position and momentum at once.
Δx · Δp ≥ ℏ/2

Sharpen one and the other dissolves. The wave packet’s width in position is Fourier-linked to its spread in momentum; no instrument can evade this.
It sets the floor for quantum sensors, atomic clocks, and every qubit.

Mathematics draws the hard edge of what the universe will disclose.

[小马 | 商业生存指南 @VibePonyAI]

当一个人不尊重你时，只需记住“海格力斯效应”

[Nagi Yan @naki2012]

《语言会暴露你的结构》

有些话，单独看非常正常，放进具体关系里，却会突然变得奇怪。
比如一个人提出请求，对方告诉他，实现这个请求需要额外付出成本。他很自然地回答：
“没关系，再弄一下就好了。”
乍听很温和。
但仔细想想：
到底是谁没关系？
一、谁有资格说“没关系”？
想象一个简单场景。
你不小心把别人的衣服弄脏了。
对方说：
“这件衣服我刚洗过。”
你回答：
“没关系，洗洗就干净了。”
荒诞感立刻出来了。
正常情况应该是你道歉，对方说：
“没关系，洗洗就好了。”
因为“没关系”隐含着一个权限：
我愿意接受这个损失。
所以，它应该由成本承担者说。
当成本制造者替别人说“没关系”，实际上是在替对方判断：
损失不大，处理不麻烦，这点成本可以接受。
可这些成本都不是他承担的。
二、语言里藏着一个人的成本函数
类似的话还有很多：
“再改一下就好了。”
谁改？
“坚持一下就过去了。”
谁坚持？
“所有情况都看一下。”
谁承担“所有”的成本？
这些话真正暴露的是：说话者可能已经把别人的时间和精力排除出了自己的决策函数。
他的模型变成：
我产生需求
↓
别人执行
↓
出现摩擦
↓
别人解决摩擦
只要理论上还能完成，摩擦就不足以改变他的要求。
所以一句“没关系”，真正表达的可能是：
你的困难不足以让我重新考虑我的需求。
三、权力会改变人的成本感知
显性的权力是：
“我有权要求你做。”
更深一层是：
“执行中的困难由你解决。”
再往下一层：
“你付出的成本是否值得考虑，也由我判断。”
到了这里，权力已经进入认知结构。
说话者甚至可能真心觉得自己态度很好：
我还一直在安慰他“没关系”。
真正值得警惕的恰恰是这里。
故意让别人承担成本的人，至少知道成本存在。
权力彻底内化以后，一个人可能已经感受不到：自己一句“再弄一下”，在别人那里意味着一连串现实动作。
四、为什么需求会越来越大？
因为权力切断了需求与成本之间的连接。
如果“把所有方案都试一遍”需要自己完成，人很快就会缩小范围：
先验证最关键的两个。
但如果提出要求和承担成本的是两个人，“所有”“全部”“彻底”“再深入一点”就会变得异常廉价。
于是产生一个很简单的规律：
当别人承担边际成本时，人的需求很容易无限膨胀。
说一句“全部检查”，只需要几秒。
真正完成“全部”，可能需要别人几天。
五、语言是一张认知结构的X光片
一个人可以学习很多漂亮的词：
尊重、赋能、协作、主人翁精神。
真正难伪装的，反而是那些脱口而出的细节。
谁说“没关系”？
谁说“应该很简单吧”？
谁喜欢说“顺便做一下”？
谁频繁使用“所有”“全部”“彻底”？
谁习惯替别人判断成本？
这些语言细节暴露了一个人在自己的世界模型里，把自己和别人分别放在什么位置。
判断它其实有一个很简单的方法：
把说话者和成本承担者交换一下。
如果一句话立刻变得荒诞，结构就已经暴露了。
就像：
我把你的衣服弄脏了。
然后拍拍你的肩膀：
“没关系，洗洗就干净了。”
问题从来不在“没关系”三个字。
真正的问题是：
你什么时候开始觉得，自己有资格替别人说没关系？
语言不会只表达思想。
在那些不经思考、脱口而出的瞬间，一个人的世界如何排列——谁是主体，谁承担成本，谁拥有解释权——往往已经全部说出来了。

[Philosophy Of Physics @PhilosophyOfPhy]

Six famous equations in Physics.

From mass–energy equivalence and gravity to time dilation, entropy, black holes, and electric force, these formulas show how physics turns deep ideas into precise language.

[云中月 @MoonAtCloud]

朱元璋与元素周期表

老朱家造的字，拯救了中国化学界

前面那篇文章讲了朱元璋为子孙定下来起名的规矩，保证了王族的世系有序，代际可辨。

朱元璋立完规矩撒手人寰，大概万万没想到，老朱家的子孙后代繁殖力如此惊人，数十年间便遍布大江南北。随着人口剧增，这名字里的“第三个字”很快就不够用了。

按照《皇明祖训》的规定，皇室子孙一律须由礼部赐名，以便核验身份、领取宗室俸禄。

名字的规则极为严苛：双字名，第一个字按辈分字谱流转，第二个字（即姓名第三字）必须按“木火土金水”的五行相生顺序循环使用。

虽说礼部高官皆是饱学之士，对中国文字的驾驭能力超凡卓群，但架不住宗室王爷们妻妾成群，十几代人开枝散叶，人口呈几何级数暴增。

加上“避名讳”的限制，祖宗用过的字不能再用，命名难度成倍增加。

对于宗室而言，没有名字就无法登记入册，拿不到皇家供应；而按照朝廷律令，王族又被禁止从事农工商贾等任何生产职业。

因此，找不到合适的字不仅是朱姓人家祖传的烦恼，甚至事关生死，据史料记载，后世不少破落宗室因为礼部迟迟赐不出名字，久无俸禄，竟至于贫饿而死。

以“金”字旁为例：汉字中带金字旁的字看似不少，如金、银、铜、铁、锡、铅、汞等，但寓意优美、适合做人名的吉祥字很快就被瓜分殆尽。

至于剩下的字，别说金枝玉叶的皇族用不得，就连寻常百姓家都不愿往名字里塞，比如：钉、炉、铲、锯、锉、针、钱……

怎么办？寻常大户人家给孩子取名，向来是“男翻《楚辞》，女翻《诗经》”。

可这两部古典巨著里带金字旁的字凤毛麟角，总不能让王爷们翻着《天工开物》这种工科书给小皇孙取名吧？

逼到绝路上的礼部官员与宗室文人，开启了一场史无前例的“造字运动”。

既然现有的金字旁没有好字，那就自己动手——找笔画吉祥、寓意美好的汉字，硬生生加上一个金字旁！

于是，一系列全新的“金字旁新字”横空出世，继续支撑起老朱家庞大的命名工程：

朱公锡、朱慎镭、朱同铬、朱同铌、朱在钠、朱均钚、朱奉镅、朱成钴、朱成钯、朱恩钾、朱帅锌、朱寘镧、朱征钋、朱效钛、朱效锂、朱诠铍、朱弥镉、朱諟钒……

这些可绝非坊间杜撰，每一位都是明代史册有据可查的宗室藩王或郡王子孙。

看到这里，你或许顿觉眼熟，钾、锌、镧、铍、钯、镉、钒、钛、锂……这不正是中学化学课本里的元素周期表吗？

事实上，这正是一段化学史上的神来之笔。借老朱家的思路，解决元素周期表难题。

清末化学家徐寿在翻译西方化学著作、引入元素周期表时，遇到了极其棘手的译名难题：西方元素多以拉丁文命名，而中国传统汉字根本找不到对应的单字。

如果全用音译，就会出现“轻气”、“绿气”这种无法统一规范的繁复名称。

徐寿最终确立了“以汉字单字对应元素，并按金木水火土偏旁区分元素形态”的翻译原则。

面对元素周期表金属元素（需全用金字旁）的巨大缺口，徐寿翻阅《明史》与宗谱时如获至宝，明朝礼部造出的这批带有金字旁、冷僻却读音清晰的现成汉字，完美解决了金属元素的命名危机！

西方科学传入时，面对汹涌而来的化学元素，中国化学界之所以能够胸有成竹、泰然处之，离不开几百年前老朱家“无意间”打下的这片汉字江山。

某种意义上，朱元璋虽然没见过元素周期表，却凭一己之力为中国近代化学的发展，提前准备好了最充沛的字库。

所以，我宁愿把朱元璋名字里面的的元字想成与元素周期表的元字有关，也不愿意采用历史学家的说法：与元朝有关。