趋向是高维关系
连通性，逻辑性，结构分明
差导致运动，这是趋向于平衡的结果
正交实验的相关关系的通过极差来体现，其于网络的形式有一定的相似性
并联提供多可能性的进行，串联耦合一定的可能性
构建高维的维恩图关系，如非a即b的关系是大体的分布，其可以在一定程度耦合。不同的选择标准使得特定环境下的表达不同，在a是并在b是交等等。概率网络的表达
行为的规律涌现，即周期或本征，事件的因素分解后的各种分布
背景信息，前验概率，如星图对星星分布的平面化
可视化，一种抽象，是象层次的处理，通过数据的形式的转换，这是一种网络式的处理（如同厨师的烹饪），这种网络处理和原有网络数据的耦合，可能产生新的数据
结构的概率选择性表达
a分析要有一定的颗粒度。群体越大可能交互作用也越多使得大数定律不能完全成立，但太小又有比较大的误差
综合分析，提取特定因素的影响，这是底层的概率。如ta-analyanceraokingoked，aenoke。
硝苯地平等第一代钙离子拮抗剂一直被认为是一种安全有效的降压药。甚至推广应用于急性心肌梗死、不稳定型心绞痛和心力衰竭。多个随机对照临床试验的分析表明，大剂量使用，病人有发生心肌梗死及死亡的危险，而且剂量越大，危险性增加越明显。
这是整体化的处理，网络的耦合，选择合适的指标（有时不是本征层次就是低质量）
大样本随机对照可能会牺牲一定的异质性个体，过于强调随机和大样本，实际上任何个体已经是足够多的层次的耦合了。只能说这在整体上确定一定的概率。大数定律对于少量因素在比较大的范围成立，但大量因素时就会失效，耦合太多，趋向于收敛成为层次。不能线性，理论是可以但现实是曲线的
守恒是各个层次的耦合：数量和效应。如同霍尔基夫电流定律。在高维结构需要一定的恒量
医学生物芯片，多学科的交叉结合：生物，医学，计算机，编程，一定的微型集成电路，基于生物的大脑形成的结构（视为神经网络的一个低维切面），如同心脏的胶原骨架的细胞输入重组形成器官，从而可以建立生物逻辑元件，利用多层次的（dna—rna-p）的运算；细胞的自编程，智能机器源于多层次的竞争和选择性表达，根据一定的算法可以不断进；智能就是寻找问题的解决的模式，是根据一定的基本规则的衍生（经济社会的自由竞争），基于信息的交换，形成不同层次
数据分析是根据低维的数据，不断遍历使得高维结构得以显现，从而可以提取一定的本征，即问题的解决方法。数据形成的网络，规律即本征
选择一定的本征，即问题，这是一种网络的坍缩；问题的分解也是一种本征的提取，不同的指标和影响因素是中心节点；层次分解的深入，直至量子层次可以运算
智能结构和语言结构的相似性（lisp语言制造专家系统）
前言，引言，语法（序列的模式，相对独立的层次），构建简单的语言（词汇的量子匹配，等等概率网络），词组结构的构建，语言的目的是信息的转换，语义的网络扩散和整合，能量最低化导致的网络坍缩
构建逻辑构建的公式化的语言，可以利用数据库构建贝叶斯网络，而概率是可以动态变化的。
如同模糊逻辑，构建一个整体的网络，不能被整体观察；
每个元素都是可以扩散成为网络，其连接成为高维的网络，最终的坍缩路径是选择性的，这可以使用拓扑来描述；
语法是一定的组合，是约定俗成的模式，因为语言是统计的使用，尤其是贝叶斯公式，是概率网络的路径坍缩
语言是一定的序列，目标是解读基因组的atcg的意义，那我们就构造一套类似的语言，从量子层次的基元出发，不断地构建高维结构：基因，非编码结构，最终与物理世界的生物网络相结合
构建概率的坍缩进行逻辑的运算，整体的模块化就是一定的程序
语言可以表示为量子层次的对应的高维结构对应，但其是多层次的对应，最终是选择性的表达，其路径就是本征，概率网络坍缩的结果，是比较稳定的能级
一词多义和多词一义是网络的特殊节点，不仅是能量最低化，也是不同程度的表达
语法规则是基于量子序列的一阶模块，不同层次即不同阶的耦合使得整体网络正常运转
语言本身就是一种大数据的运用