维度的上升本质上是概率网络的选择性表达，是无限可能性的逐渐坍缩或收敛

隐马尔科夫模型是网络的概率推理形式，运用概率论的相关知识，研究各种带有随机性的自然及社会现象的变化规律，并且有效地进行数量描述，在随机性数据中寻找规律即无限长的序列的本征涌现。一阶的思维是寻找序列的匹配，使得特定的元件得以涌现，从而可以构建高维结构，如蛋白质结构预测的a螺旋和β折叠。二阶的思维则是参考图灵机的无限长的条带的状态改变，这是一个运算的过程

序列的匹配可以视为是交易的达成，即两个体系有一个耦合点，这个过程也可以视为一个反馈机制

结论和证明过程的相互耦合；一切数学问题分解为量子层次是无限长的序列，我们要找到本征是一种概率性的行为，数学家掌握一套寻找模式的方法，有更大概率寻找到耦合的本征；这方面可以参考如今的各种算法

参考文献:??