(分子A,分子B)---m*n*k---(1,0)(0,1)
分子与分子之间的相互作用是一种力的作用，但分子与分子之间的相互作用也有一个形态的外部表象，所以分子与分子之间的相互作用同样也是形态与形态之间的相互作用。
(地球,月球)---m*n*k---(1,0)(0,1)
地球与月球之间的相互作用也是一种力的相互作用，而地球和月球都有一个特征的外部形态，因此地球与月球之间基于引力的相互作用同样也是一种形态与形态之间的相互作用。
(mnist 0 ,mnist 1)---m*n*k---(1,0)(0,1)
现在用网络分类mnist的0和1，这就产生了第三种形态与形态之间的相互作用，那如果第一种是基于电磁力的形态相互作用，第二种是基于引力的形态相互作用，那第三种也是一种力的相互作用吗？
这个判断应该取决于分类的结果，如果两个分子形成了一个新的稳定的结构变成了一个新的分子,这就应该是一种电磁力的相互作用。而如果两个分子无限的靠近并最终压缩成了一个小型的黑洞，这个相互作用应该就是引力的相互作用。
所以针对第三种情况，如果分类的结果是0和1构成了一个新的稳定的形态，这个就可能是电磁力的相互作用，而如果分类的结果是0和1最终无法分开，这个就应该是引力的相互作用，因只有引力是单向的。
所以分类的结果表达的是力的作用类型，因此可以通过控制分类的结果去构造力的作用环境。因此这个类比似乎表明，力产生的真正原因是差异，而这差异之所以有电磁力，引力等不同的表象，是因为有不同的外部环境。所谓力就是差异对环境的响应。
/***/
用神经网络模拟分子
“不能绝对精确地既知道一个电子的现在位置又知道它的现在速度,就只能计算电子在任一未来时刻的位置和速度的一个可能性范围,其中的一个可能性将出现在电子的实际运动中。海森伯接着说,由于个体电子的未来运动方面的这种不准性,量子力学的定律和预言“—般就只是统计类型的”。人们永远不能精确预言对任何原子过程的单次观察的结果,只有一个可能性范围中的某一结果的几率才是可以预见的。”
(A,B)---m*n*k---(1,0)(0,1)
? 用神经网络模拟分子就是用神经网络构造一个分子间的电磁环境。而这个电磁环境可以通过让网络学习分子与分子之间的化学反应的方法实现。
按照量子力学我们不能知道核外电子的位置和速度，知道电子在哪里就不知道电子要去哪里，知道电子要去哪里就不知道电子在哪里。如果用核外电子的确定位置图片去训练网络这好像与物理实在不符，而且也拿不到这种数据。所以这是否意味着仅仅基于图片让神经网络学习满足量子条件的电磁场是不可能的？
但不管怎样化学反应在统计意义上是有相对确定结果的，因为在统计基数足够大的情况下不确定性可以被忽略。所以可以基于宏观的统计的价键的数据去训练网络，让网络学习反应物和反应产物的键长和键角数据去构建一个统计意义上的电磁场。
如果这个统计意义上的电磁场可以实现就可以基于此来预测统计意义上所有的化学反应。
