生命科学的m理论，应当包括三个部分，第一是达尔文的自然选择理论，第二是孟德尔提出的遗传理论，以及第三个还没有解决的复杂结构的形成理论。

进化是网络的模式涌现，在底层是连续变化，在更高层次表现出离散性。复杂生物体结构如眼睛是逐渐进化的结果，这是高维的描述，我们应该以更低维度的作用单位来来理解。pax-6的的演化决定了眼睛的进化？

眼睛并非想象中那么完美，我们有盲点，我们会近视、远视、散光、老花、青光眼、白内障，要是智能设计的产物，不应该设计的这么稀烂。这是多层次的博弈的均衡达成，是对环境的适应，而这就是完美。

这种进化可以以序列的耦合作为数学模型，，根据一定的规则，如同元胞自动机，能够在统计层次有比较确定的模式涌现。博弈论和矛盾论。

复杂系统的运动规律，概率的描述和统计的涌现性质

系统论：层次分级，层次之间的相似性和选择性表达，不同维度的层次可以有不同的性质；层次是网络的收敛；变化是对环境的适应，是概率性的行为，在统计层次有比较确定的行为，即我们观察到的突变；然后在这个基础上有不同层次的博弈和均衡达成，即自然选择。多层次的信息的耦合，即有意义的重新组合，模式的涌现。

生态圈的循环和平衡是高维的博弈的均衡的分布的结果。

分析结构带来的耦合体，是解决罗素悖论的方法，可以使得集合论的基底更为坚实。

相对性可以用竞争博弈来理解。

量子概率，引进虚数，是对更广阔世界的描述。

复杂系统构建：agentbased模型，可以接受网络的各种分布的情况，能够以如同原子低维的源动力来解释整体的复杂演化。不同层次的特定时期的组合可以形成不同的模式，这是低概率的，但必然会出现的，这有时是严重偏离整体平衡的。而这符合幂律分布。

以相互作用为更基本的对象，然后构建的复杂系统的各种选择就是这些基本的相互作用的统计层次的涌现。

然后层次的变化都是概率性行为，可以以马尔科夫矩阵表示，只是在统计层次就会有明显的区别。

波函数可以解释整体的系统网络，等价于矩阵力学。

矩阵的行矩阵表示是级数的分解，w*w=1

叠加态的概率运算，p=|w|^2

量子力学对网络的启发很大，如量子假设，波尔定态假设，能级的离散（1/n^2?1/m^2），不确定原理，波粒二象性（分形结构的选择性表达，相对的结构），波函数的路径坍缩（作为和网络相似的假设，即描述一切性质），概率的相关性（p=|w|^2，赋予理论超越理论的可能性，粒子有可能穿過大于自身能量的势，这是一种概率的分布），遍历和退火，虚数空间的引进（也是一种因果性的宏观描述，即宇宙空间的更底层就如同牛顿省去高阶最小量整体描述为虚数），微分方程表示（多层次耦合的表达）等等。其中波动力学和矩阵力学的等价说明了更高层次的统一。

泰勒级数的分解，行/列矩阵的形成；

通路的矩阵博弈和均衡达成。在统计层次形成理解网络，是交流的基础。

ln(λ”/λ)=ln(λ0/λ)+ln%/

1+ln(λ0/λ)ln%/ln2(Λ/λ)

分形的关系以指数的关系表达。

多通路的耦合能够提供比较确定的a-b相关性

如何以共同的两个作用对象的耦合能够区分出其在一定通路的相对距离？

基于逻辑的系统，即用基本逻辑单元构成复杂系统

网络的进化模式与大脑皮层进化的模式应该具有相似性，本质上前者是后者的一种数学抽象。不同层次形成的新层次只有在其组合的量级超过一定阈值才能形成，从而作为下一步进化的基础。

层次的随机组合最后会坍缩为特定的路径连接，然后可能有一定的边界形成。这种组合的模式与信息的处理模式是一致的。

序列相似性与功能相似性是挂钩的。

基本的功能定位是一种自然的分化，如功能柱是皮层的基本计算单位。

网络的模式识别，这是基于贝叶斯推断的运算