不同材料為何能真的相像：普適類、多重實現與跨尺度物理等價

系列：跨尺度構成與動態約束域研究，第 2 篇
版本：v0.1
日期：2026-08-23
狀態：公開草稿／可獨立閱讀短論文
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

上一篇從觀測等價出發，討論不同本體來源如何在有限測量條件下產生近似表示。本篇向前推進一個更強的問題：不同材料、不同尺度與不同微觀生成機制，是否可能不只「看起來相似」，而是在某些合法的有效物理描述下真的屬於同一類？

答案在局部意義上是肯定的。現代物理中的無量綱化與動力相似說明，絕對尺寸不同的系統只要共享適當的無量綱控制參數，即可具有相似的有效動力；臨界現象與重整化群理論則顯示，微觀細節截然不同的系統可流向相同普適類，共享臨界指數與尺度律；哲學上的多重實現又指出，同一宏觀性質可以由異質底層機制實現；morphospace 與收斂現象則進一步表明，可想像或可構成的巨大形態空間往往只有部分區域被物理、幾何、發育與功能限制實際占據。

本文據此提出「跨尺度有效物理等價」的工作性定義：若兩個系統在指定粗粒化、無量綱化、拓撲、響應或有效動力描述下的差異低於容許值，則可在該描述層稱其近似等價。此等價不要求材料相同、尺度相同或完整微觀態相同，也不允許由局部等價推出本體同一。

本文最後提出「有效結構壓縮假說」：在受限物理律與穩定性條件下，微觀可構成空間可能遠大於可穩定實現的有效結構—動力空間，因此不同來源反覆落入相同有效類，不必是偶然。這一假說將作為下一篇「構成復現命題」的理論入口。

關鍵詞： 普適性、重整化群、多重實現、無量綱化、動力相似、morphospace、有效理論、跨尺度物理等價

1. 從「看起來像」跨到「在某個物理層上真的像」

上一篇定義了觀測等價：兩個物理來源 $x_1$ 與 $x_2$ 即使本體不同，也可能在有限觀測算子 $M$ 下滿足

d\bigl(M(x_1),M(x_2)\bigr)\leq\varepsilon.

這只說明表示空間發生碰撞，不能推出物理機制相同。

但自然科學中存在更強的情形：兩個系統即使材料、尺寸與微觀機制不同，在經過適當正規化後，可能共享相同的控制方程、無量綱參數、尺度律、臨界指數、拓撲演化或響應函數。

因此，本篇研究的不是

M(x_1)\approx M(x_2),

而是更強的

\Phi_{\ell_1}(x_1)\approx\Phi_{\ell_2}(x_2),

其中 $\Phi_\ell$ 是在尺度 $\ell$ 上抽取有效物理描述的算子。

這個差異可以簡化成：

\boxed{ \text{表象相似} \neq \text{有效物理相似} }

但第二者確實存在。

2. 第一座橋：無量綱化與動力相似

跨尺度物理最古典、也最容易被忽略的基礎之一，是 dimensional analysis 與 dynamic similarity。

Buckingham $\Pi$ theorem 說明：若一個物理問題包含 $n$ 個相關物理變量，且這些變量建立在 $m$ 個獨立基本量綱上，則原問題可被重寫為 $n-m$ 個無量綱組合之間的關係。

以流體為例，若重要變量為密度 $\rho$ 、速度 $U$ 、特徵長度 $L$ 與動黏滯相關量，常可形成 Reynolds number：

\mathrm{Re}=\frac{\rho U L}{\mu}.

兩個系統的 $L$ 可以差很多，材料也可以不同；但若控制方程與相關無量綱參數匹配，它們在指定物理性質上可以呈現動力相似。

因此，「尺度不同」本身並不必然導致「有效物理不同」。真正重要的往往不是絕對尺寸，而是控制行為的無量綱關係。

可以將這件事抽象為：

\Pi(X_1)=\Pi(X_2)

且兩者共享同一形式的無量綱控制方程時，對指定任務而言可有

\mathcal D(X_1)\approx\mathcal D(X_2),

其中 $\mathcal D$ 表示有效動力描述。

這是縮尺風洞、水槽模型、地球物理模型與大量工程模擬能成立的理論基礎之一。

但必須強調：匹配一個無量綱參數不代表所有物理性質都相似。若 Reynolds、Mach、Froude、Weber 等多個參數同時重要，就需要考察相應的相似條件；有些縮尺問題甚至無法同時匹配所有關鍵參數。

因此，跨尺度等價天然是「相對於指定描述與任務」的，而不是絕對同一。

3. 第二座橋：普適類與重整化群

臨界現象提供了更深的例子。

不同材料的磁體、流體混合物或其他統計系統，在微觀組成上可以完全不同，但接近臨界點時卻可能共享相同的臨界指數、尺度函數與宏觀行為。這就是 universality 的典型意義。

粗略地說，可以把重整化群操作寫成

X\xrightarrow{R_b}R_b(X),

其中 $R_b$ 表示在尺度因子 $b$ 下進行 coarse-graining 與重新參數化。

反覆操作後，若兩個微觀模型滿足

R_b^{(n)}(X_1)\rightarrow X^\ast,

以及

R_b^{(n)}(X_2)\rightarrow X^\ast,

則它們雖然微觀不同，卻可能由同一固定點 $X^\ast$ 控制其長尺度行為。

這表示：

X_1\neq X_2

與

\Phi_{\mathrm{macro}}(X_1) = \Phi_{\mathrm{macro}}(X_2)

可以同時成立。

這不是觀察錯誤，而是物理理論本身告訴我們：某些微觀差異在長尺度描述中變成 irrelevant variables。

因此，universality 為本文提供一個極強的支點：

\boxed{ \text{不同微觀基底} \Rightarrow \text{可能具有相同有效宏觀類} }

這正是「真的像」與「只是看起來像」之間的分水嶺。

4. 多重實現：同一宏觀性質不必只有一種底層實作

哲學上所稱的 multiple realizability，原本常用於心靈哲學與特殊科學：同一種宏觀功能或高層性質，是否可以由不同底層機制實現？

Batterman 在 2000 年直接把這個問題與物理學中的 universality 聯繫起來，主張異質微觀機制實現相同宏觀規律，並不是神秘現象，而可由普適性的物理解釋策略理解。

將它寫成映射語言，可以令

\Gamma:C\rightarrow E,

其中 $C$ 是微觀構成空間， $E$ 是有效性質空間。

若存在

c_1\neq c_2

但

\Gamma(c_1)=\Gamma(c_2),

則 $\Gamma$ 是多對一映射。

更實際地，我們通常只有近似等價：

d_E\bigl(\Gamma(c_1),\Gamma(c_2)\bigr)<\varepsilon.

這個形式非常重要，因為它開始把「不同材料可以真的很像」從敘事直覺改寫為一個映射結構：

\boxed{ \text{Microscopic diversity} \rightarrow \text{compressed effective diversity} }

微觀自由度可以極多，而任務相關的宏觀類別可能少得多。

5. Morphospace：巨大的可能空間為何只被占據一部分？

morphospace 提供另一個重要視角。

它不是先問「兩個東西像不像」，而是先建立一個理論上的形態或結構可能空間，再詢問哪些區域是幾何可行、物理可行、功能可行、發育可行，以及哪些區域真正被自然系統占據。

相關研究指出，理論 morphospace 可以被多層約束切分，例如：

\mathcal M_{\mathrm{actual}} \subseteq \mathcal M_{\mathrm{functional}} \subseteq \mathcal M_{\mathrm{physical}} \subseteq \mathcal M_{\mathrm{geometric}}.

真正的包含關係依具體系統而定，但基本概念非常清楚：

可想像、可幾何定義、可物理存在、可功能運作與歷史上真正實現，並不是同一個集合。

生物形態研究甚至指出，經歷數億年演化後，實際形態仍可能只占據理論 morphospace 的一小部分，並反覆出現 gross-form convergence。網路 morphospace 也使用相似方式，區分幾何不可能、功能不可能與受特定系統限制的區域。

因此，如果自然界反覆出現分枝、網路、殼層、條紋、斑點、纖維、渦旋、蜂巢或其他結構，不能只靠「人類喜歡找相似」來解釋。

至少還有另一種可能：

\text{可穩定、可生成、可維持的有效形態區域}

本身就比抽象構成空間小得多。

6. 定義：跨尺度有效物理等價

現在可以提出本文的核心工作性定義。

給定物理系統 $X$ ，令

\Phi_\ell(X) = \bigl( \Pi, \mathcal T, \mathcal C, \mathcal R, \mathcal F, \mathcal D \bigr)_\ell,

其中可以包含：

$\Pi$ ：相關無量綱參數；
$\mathcal T$ ：拓撲與連接結構；
$\mathcal C$ ：相關函數或統計結構；
$\mathcal R$ ：輸入—輸出響應；
$\mathcal F$ ：尺度律、臨界指數或有效自由能結構；
$\mathcal D$ ：有效動力方程或演化類。

對兩個不同尺度的系統 $X_i$ 與 $X_j$ ，若在指定任務、尺度與描述量下滿足

d_\Phi\left( \Phi_{\ell_i}(X_i), \Phi_{\ell_j}(X_j) \right)\leq\varepsilon,

則本文稱其具有近似的「跨尺度有效物理等價」，記為

X_i\sim^{\mathrm{eff}}_{\Phi,\varepsilon}X_j.

注意，這不是全稱式的本體同一。

同一對系統完全可能滿足

X_i\sim^{\mathrm{eff}}_{\Phi_1,\varepsilon}X_j

卻同時有

X_i\not\sim^{\mathrm{eff}}_{\Phi_2,\varepsilon}X_j.

例如，在流體動力的某個無量綱描述上等價，不代表它們在化學反應、量子態、熱傳或破壞機制上也等價。

因此本文的等價關係是：

\boxed{ \text{relative to scale, observable, task, and effective theory} }

而不是「兩個東西本質上一樣」。

7. 建立相似性的強度階梯

為了避免跨尺度討論滑向過度類比，可以建立至少六層相似性：

S(X,Y)= ( S_{\mathrm{obs}}, S_{\mathrm{geo}}, S_{\mathrm{top}}, S_{\mathrm{stat}}, S_{\mathrm{dyn}}, S_{\mathrm{func}} ).

其中：

$S_{\mathrm{obs}}$ ：觀測表示相似；
$S_{\mathrm{geo}}$ ：幾何形態相似；
$S_{\mathrm{top}}$ ：拓撲與連接結構相似；
$S_{\mathrm{stat}}$ ：統計量、尺度律或相關函數相似；
$S_{\mathrm{dyn}}$ ：有效動力學相似；
$S_{\mathrm{func}}$ ：對指定輸入、環境或任務的功能／響應相似。

因此，一張細胞影像與一張星雲影像「都像網路」最多先支持前幾層，不能直接跳到

S_{\mathrm{dyn}}\approx 1

或

S_{\mathrm{func}}\approx 1.

真正嚴格的跨尺度研究，應該逐層提升證據要求。

這也提供一條實驗程序：

\text{image} \rightarrow \text{geometry} \rightarrow \text{topology} \rightarrow \text{statistics} \rightarrow \text{response} \rightarrow \text{effective dynamics}.

若相似性在每增加一層後仍持續，才逐步提高「有效物理等價」的可信度。

8. 有效結構壓縮假說

現在可以提出本篇最重要、但仍保持為假說的推進。

令 $\mathcal C$ 為一個巨大微觀構成空間，包括：

\mathcal C = \mathcal M \times \mathcal G \times \mathcal B \times \mathcal P,

其中 $\mathcal M$ 是材料選擇， $\mathcal G$ 是幾何／拓撲配置， $\mathcal B$ 是邊界條件， $\mathcal P$ 是生成或演化過程。

再令

\Gamma:\mathcal C\rightarrow\mathcal E

將每一個微觀構成映射到某種有效物理描述空間 $\mathcal E$ 。

若在指定解析度與穩定性條件下

N_\varepsilon(\mathcal C) \gg N_\varepsilon(\mathcal E),

其中 $N_\varepsilon$ 表示以解析尺度 $\varepsilon$ 計算的有效可區分狀態數或 covering number，則由抽屜原理式的直覺可預期大量不同 $c_i$ 會映射到相同或鄰近的 $e_j$ 。

也就是：

\exists c_i\neq c_j: \quad \Gamma(c_i)\approx\Gamma(c_j).

本文將這個方向稱為：

有效結構壓縮假說

其核心不是宣稱宇宙只有有限種形態，而是提出：

\boxed{ \text{在指定解析度、尺度與有效描述下，} \quad \text{微觀構成多樣性可能遠大於穩定有效行為多樣性。} }

若此假說成立，跨材料、跨尺度與跨領域的結構重現便不是單純偶然，而是多對一有效映射的自然結果。

9. 分子生物學與天體物理真正可以在哪裡相遇？

這裡必須特別避免「細胞等於宇宙」這類沒有科學內容的敘述。

正確問題應該是：

對某一組合法的 $\Phi$ ，生物、化學、流體、材料與天體系統之間是否存在非平凡的跨域有效等價？

例如可以比較：

\Phi= ( \text{fractal dimension}, \text{power spectrum}, \text{correlation length}, \text{persistent homology}, \text{branching statistics}, \text{response law}, \ldots ).

如果只是圖形接近，那仍屬觀測或幾何相似。

如果連無量綱控制量、統計尺度律與拓撲演化都接近，則證據開始進入有效物理層。

如果更進一步可以將兩者映射到同一有效方程，並正確預測擾動後的演化，則相似性會變得非常強。

因此，跨尺度研究最重要的不是「找漂亮的相似照片」，而是做 perturbation test：

X\xrightarrow{\delta u}X'

然後比較

\Delta\Phi(X)

是否在兩個系統中按照相同有效規律演化。

真正的有效物理等價應該具有一定的反事實與預測能力，而不只是靜態外觀接近。

10. 可驗證的研究路線

10.1 跨域去尺度資料集

收集生物、化學、材料、流體、地質與天體系統資料，分別建立：

D_{\mathrm{image}}, D_{\mathrm{topology}}, D_{\mathrm{statistics}}, D_{\mathrm{dynamics}}.

先移除名稱與絕對尺度，再測試不同領域是否在有效描述空間中自發聚類。

10.2 無量綱匹配

對可控制實驗系統，建立跨尺度模型，使關鍵 $\Pi$ groups 盡量匹配，再比較動力響應。

如果絕對尺度改變而有效軌跡保持接近，便可直接測試跨尺度動力等價。

10.3 粗粒化流

對不同微觀模型定義 coarse-graining 序列：

X_i^{(0)} \rightarrow X_i^{(1)} \rightarrow\cdots\rightarrow X_i^{(n)}.

研究不同來源是否隨尺度增加而在描述空間中收斂：

d_\Phi\bigl(X_1^{(n)},X_2^{(n)}\bigr) \downarrow.

10.4 擾動—響應測試

對候選等價系統施加對應擾動，檢查 response function：

R_{ij}(t) = \frac{\delta \langle O_i(t)\rangle}{\delta h_j(0)}.

若靜態結構像，但響應完全不同，則不應稱為強有效等價。

10.5 AI 作為搜尋器，而不是裁判

AI 可以在巨大跨領域資料中搜尋候選等價類，但最終判斷必須回到物理描述與可重複測量：

\text{AI candidate search} \rightarrow \text{physical normalization} \rightarrow \text{experimental validation}.

這可避免把視覺 embedding 的相似性誤當成自然定律。

11. 本篇不能推出的強命題

本篇雖然比上一篇強很多，但仍不能推出以下陳述：

\forall X,Y, \quad X\sim^{\mathrm{eff}}Y.

也不能推出：

\forall m,\forall Y, \quad \exists c: \Gamma(m,c)=Y.

即「任何材料都能實現任何物理目標」。

universality 是有條件的；dynamic similarity 依賴控制參數；morphospace 本身包含禁止區域；多重實現也不意味著無限可替換性。

所以目前可以支持的是：

\boxed{ \text{many substrates} \rightarrow \text{one effective class} }

在某些物理領域確實存在。

而下一篇要問的是更進一步的工程與構成問題：

如果多對一有效實現是普遍現象，那麼我們能否主動搜尋、設計與製造不同材料配置，使其逼近指定的有效結構或物理功能？

這便進入「構成復現命題」。

12. 結論

不同材料、不同尺度與不同微觀機制之所以可能「真的相像」，不需要假設神秘的宇宙複製機制。

現代物理已提供至少三種成熟原因：

\text{dimensionless similarity},

\text{universality under coarse-graining},

以及

\text{multiple realization of effective properties}.

morphospace 與各種物理限制又補上一個重要直覺：抽象可能空間遠大於實際可穩定、可生成與可維持的區域，因此自然系統可能反覆進入相同結構類。

本文因而將跨尺度相似重新表述為：

\boxed{ X_i\sim^{\mathrm{eff}}_{\Phi,\varepsilon}X_j }

其中等價關係永遠相對於指定的尺度、任務、有效描述與容許誤差。

這個框架既允許真正的跨尺度物理共同性，也保留不同本體與微觀機制之間的差異。

更重要的是，它把最初的問題從

「為什麼兩個東西長得像？」

提升成：

「為什麼巨大而異質的微觀構成空間，會被物理律、穩定性與粗粒化壓縮成反覆出現的少數有效結構—動力類？」

下一篇將進一步把這個問題從自然觀察翻轉為主動構成：材料、幾何、邊界條件與生成程序是否形成一個多對一的可設計映射？不同底層基材可以在多大程度上被組合成相同有效物理？

這就是「構成復現命題」的起點。

參考文獻

Stanley, H. E. (1999). “Scaling, universality, and renormalization: Three pillars of modern critical phenomena.” Reviews of Modern Physics, 71, S358. DOI: 10.1103/RevModPhys.71.S358.
Hohenberg, P. C., & Halperin, B. I. (1977). “Theory of dynamic critical phenomena.” Reviews of Modern Physics, 49, 435. DOI: 10.1103/RevModPhys.49.435.
Raju, A., Clement, C. B., Hayden, L. X., Kent-Dobias, J. P., Liarte, D. B., Rocklin, D. Z., & Sethna, J. P. (2019). “Normal Form for Renormalization Groups.” Physical Review X, 9, 021014. DOI: 10.1103/PhysRevX.9.021014.
Batterman, R. W. (2000). “Multiple Realizability and Universality.” The British Journal for the Philosophy of Science, 51(1), 115–145. DOI: 10.1093/bjps/51.1.115.
Kirby, B. J. (2010). “Nondimensionalization and Characteristic Parameters.” In Micro- and Nanoscale Fluid Mechanics. Cambridge University Press. DOI: 10.1017/CBO9780511760723.024.
Wang, H. (2023). “Similarity and Dimensional Analysis.” In A Guide to Fluid Mechanics. Cambridge University Press. DOI: 10.1017/9781108671149.009.
McGhee, G. R. et al. / morphospace-related review literature as discussed in: “Limits in the evolution of biological form: a theoretical morphologic perspective.” Interface Focus (2015), PMCID: PMC4633855.
“Network morphospace.” Journal of the Royal Society Interface (2015), PMCID: PMC4305402.
“What limits the morphological disparity of clades?” Interface Focus (2015), PMCID: PMC4633859.
“Fundamental constraints to the logic of living systems.” (2024), PMCID: PMC11503024.

系列銜接

第 1 篇：從香腸到恆星：觀測等價、逆問題與跨尺度表象退化
第 2 篇：不同材料為何能真的相像：普適類、多重實現與跨尺度物理等價
第 3 篇：構成復現命題：材料、幾何與有效物理的多對一映射
第 4 篇：約束不是常數：從限制到控制變量的動態可達物理域
第 5 篇：強構成命題：智能體可達域能否逼近宇宙物理可能域？