3,094
个编辑
更改
跳到导航
跳到搜索
第1行：
第1行： − + + + 第7行：
第9行： − 它们能够反映从生命体到城市、企业乃至[[人工智能大模型]]等[[复杂系统]]在规模缩放过程中展现出的结构、功能和动态行为上的普遍性规律。规模法则的研究不仅有助于我们理解万物生长的规律，更对预测[[复杂系统]]行为、优化设计、评估发展以及探索新技术等方面具有深远意义。+ + + + + + + + +
无编辑摘要
'''规模法则'''（Scaling Laws）是描述[[复杂系统]]中各种可测量特性如何随系统规模发生系统性地、可预测地变化的数学关系。这些数学关系通常表现为如下的[[幂律]]形式：
'''规模法则'''（Scaling Laws）是描述[[复杂系统]]中各种可测量特性如何随系统规模发生系统性地、可预测地变化的数学关系。这些数学关系通常表现为如下的[[幂律]]形式出现，它们能够反映从生命体到城市、企业乃至[[人工智能大模型]]等[[复杂系统]]在规模缩放过程中展现出的结构、功能和动态行为上的普遍性规律。规模法则的研究不仅有助于我们理解万物生长的规律，更对预测[[复杂系统]]行为、优化设计、评估发展以及探索新技术等方面具有深远意义。
规模法则一般表现为如下定量的形式：
{{NumBlk|:|
{{NumBlk|:|
|{{EquationRef|1}}}}
|{{EquationRef|1}}}}
其中[math]X[/math]通常代表一个系统的规模，例如生物体的体重，城市的人口，企业的员工数等；[math]Y[/math]则代表系统的某一种可测量的宏观变量，例如生物体的[[新陈代谢率]]、城市的GDP，以及企业的总收入等；[math]c[/math]为规模法则的系数，它代表了规模缩放的基底，即系统规模为1的时候，[math]Y[/math]是多少；[math]\alpha[/math]为规模法则的幂指数，是规模法则的重要参数，刻画了[math]Y[/math]与[math]X[/math]的相对变化速度。根据指数[math]\alpha[/math]大小的不同，我们通常将规模法则划分为三种类型：
* 当[math]\alpha>1[/math]
规模法则{{EquationNote|1}}称为'''超线性'''的（Super-linear）规模法则，这体现为[math]Y[/math]比[math]X[/math]增长得更快；
* 当[math]\alpha<1[/math]
规模法则{{EquationNote|1}}称为'''亚线性'''的（Sub-linear）规模法则，这体现为[math]Y[/math]比[math]X[/math]增长得更慢；
* 当[math]\alpha\approx 1[/math]
规模法则{{EquationNote|1}}称为'''线性'''的（Linear）规模法则，这体现为[math]Y[/math]与[math]X[/math]成比例。
= 规模分析简史 =
= 规模分析简史 =