9/22 恭喜 吳曉萍和Jo Wfa抽中書。請私訊收件人姓名、地址、手機，由出版社協助寄出。謝謝。

🤤【抽書活動】--溝通分析心理學經典1【人間遊戲】
拆解日常生活每一個互動、每一段對話中的真實密碼
＃小樹文化
。
推銷員說：「這個最高級，但是你買不起。」
你：「給我包起來！」
很熟悉的對話嗎？
。
在伯恩的理論裡，這是一種心理遊戲。
表面上有一種溝通，但是還有另一層隱藏的溝通。結果你被激了，衝動買了，一時忘了之後的分期付款經濟壓力。
無論是你或推銷員，所有人日常都在進行心理遊戲，有的有意識地，多數人則是無意識的，彷彿有一套寫好的程式或腳本，自動化的交流著。
不用講那麼術語，心理遊戲就是「人際社交」，但僅是其中一部分，其他還有情境、腳本、角色…而伯恩把它們分析出來，套以數學方程式的比喻說明人們是怎麼互動的。
伯恩最廣為人們熟知的自我狀態分為三種：P父母我、C兒童我及A成人我，各有特性，維持個人的健康平衡。參照下列圖片，雙方狀態的溝通分析，會出現好多種交流及不同層級。（但如果數學不會就是不會，會看得霧煞煞）
。
那麼，最原先的信念，人類為什麼要這樣溝通？為什麼不直來直往就好？
本來確實是可以的，在兒童期幾乎都是如此，可是成長中被社會撫育、被文化形塑，這些無形的潛規則讓你後來覺得「直白＝沒禮貌」，加上所有人都是這樣做的，習慣傳承下來，你不得不學會了「婉轉溝通」，你若要特立獨行，就會被排斥、說是外星人…
早先兒童期的溝通除了直接，還有更重要的生存目的，人類需要「安撫」--即被另一個人認可；需要「親密」--人與人之間的連結，若缺乏這些將形同行屍走肉。兒童還可以直接說「我要抱抱」、「我就是要」，但成人後就被限制了，你還是這樣說會被套上不成熟或幼稚的標籤。那成人還是要安撫及親密怎麼辦？心理遊戲於是誕生，一方面消遣無聊（EX：在團體裡講幹話），一方面調情曖昧（EX：我家有貓會後空翻，要來看嗎？），進可攻退可守。大家都在追求安撫與親密，但是都用婉轉的心理遊戲。
。
溝通分析模型：互補溝通（理性的好溝通）、交錯溝通（產生困境）、隱藏溝通（言外之意、暗示）。參看下圖。
「心理遊戲」的定義：一系列朝著明確、可預測結局連續進行的互補式隱藏溝通。表面合理卻藏了內在動機，甚至是有陷阱的溝通步驟。
推銷員說：「這個最高級，但是你買不起。」
若是直接溝通，對方是善意提醒，你會說：「對，你說的沒錯，真可惜！」
但社交上這是隱藏溝通，對方暗示與貶低你窮買不起，而你被激了要證明給他看，結果進了推銷員的陷阱。
心理遊戲是全人類社交生活最重要的組成部分（也可參看心理師粉專的問體重遊戲：https://reurl.cc/n5zGke）。書裡第二部分析了36個常見的心理遊戲腳本：生活遊戲、性遊戲、婚姻遊戲、聚會遊戲、諮商室遊戲及暗黑遊戲。在第十一章裡，諮商師、社工與案主也會進行類似的遊戲：「我只是想幫你…」或「我就是不行，做不到…」。大家都無意識地交流，全都陷在遊戲裡，並導向負面結果。
。
其實很多人害怕脫離腳本，因為舊有的、熟悉的（但效果差）他們才放心。伯恩作溝通分析，是要我們準備好，因為解決之道需要主動與創新，有以下三要素：
「覺察」：超越所有類型的行為
「自主性」：不被過去程式影響
「親密」：你能直接往這目標去就不會想心理遊戲有何報酬
。
有興趣者可以參閱連結購買。目前79折316元。
https://www.books.com.tw/products/0010900874
可以進去看更多簡介及目錄
。
♨贈書方式的條件：
1️⃣『為心理師粉專粉絲』。不是的趕快去按讚👍️，這可能要調一下，設定公開，否則我看不到你按讚，抽中了也會喪失資格。
2️⃣『在此篇貼文下方按讚👍 + 轉分享（一定要設公開，看不到分享也失格喔）』
3️⃣＃需TAG一位朋友+留言：「人類心理遊戲的特徵並不是虛偽的情感，而是將人的情感規則化（P.44）」
🤤🤤
。　　　　
活動日期：110/9/17（五）18：00～9/22（三）12：00截止喔（放連假所以比較長）
9/22（三）中午後公布 2 位幸運粉絲得書一本🙋‍♀️
⚠️中獎名單於貼文標題上公告
⚠️得獎者請私訊寄送地址，轉出版社為你寄出（限台灣本島）。

用深度神經網路求解「薛丁格方程式」，AI 開啟量子化學新未來

作者 雷鋒網 | 發布日期 2021 年 01 月 02 日 0:00 |

19 世紀末，量子力學的提出為解釋微觀物質世界打開了一扇大門，徹底改變了人類對物質結構及相互作用的理解。已有實驗證明，量子力學解釋了許多被預言、無法直接想像的現象。

由此，人們也形成了一種既定印象，所有難以理解的問題都可以透過求解量子力學方程式來解決。

但事實上能夠精確求解方程式的體系少之又少。

薛丁格方程式是量子力學的基本方程式，即便已經提出七十多年，它的氫原子求解還是很困難，超過兩個電子的氫原子便很難保證精確度。

不過，多年來科學家們一直在努力克服這一難題。

最近，來自柏林自由大學（Freie Universität Berlin） 的科學團隊取得了突破性進展，他們發表的一篇名為《利用深度神經網路解電子薛丁格方程式》的論文，登上《Nature Chemistry》子刊。

論文明確指出：利用人工智慧求解薛丁格方程式基態解，達到了前所未有的準確度和運算效率。該人工智慧即為深度神經網路（Deep-neural-network），他們將其命名為 PauliNet。

在介紹它之前，我們先來簡單了解薛丁格方程式。

什麼是薛丁格方程式？

薛丁格方程式（Schrödinger Equation），是量子力學中的一個基本方程式。又稱薛丁格波動方程式（Schrödinger Wave Equation），它的命名來自一位名為埃爾溫·薛丁格（Erwin Schrödinger）的奧地利物理學家。

Erwin 曾在 1933 年獲得諾貝爾物理學獎，是量子力學奠基人之一。他在 1926 年發表的量子波形開創性論文中，首次提出了薛丁格方程式。它是一個非相對論的波動方程式，反映了描述微觀粒子的狀態隨時間變化的規律。

具體來說，將物質波的概念和波動方程式相結合建立二階偏微分方程式，以描述微觀粒子的運動，每個微觀系統都有一個相應的薛丁格方程式，透過「解方程式」可得到波函數的具體形式以及對應的能量，從而了解微觀系統的性質。

薛丁格方程式在量子力學的地位，類似牛頓運動定律在經典力學的地位，在物理、化學、材料科學等多領域都有廣泛應用價值。

比如，應用量子力學的基本原理和方法研究化學問題已形成「量子化學」基礎學科，研究範圍包括分子的結構、分子結構與性能之間的關係；分子與分子之間的相互碰撞、相互作用等。

也就是說，在量子化學，透過求解薛丁格方程式可以用來預測出分子的化學和物理性質。

波函數（Wave Function）是求解薛丁格方程式的關鍵，在每個空間位置和時間都定義一個物理系統，並描述系統隨時間的變化，如波粒二象性。同時還能說明這些波如何受外力或影響發生改變。

以下透過氫原子求解可得到正確的波函數。

不過，波函數是高維實體，使捕獲特定編碼電子相互影響的頻譜變得異常困難。

目前在量子化學領域，很多方法都證實無法解決這難題。如利用數學方法獲得特定分子的能量，會限制預測的精確度；使用大量簡單的數學構造塊表示波函數，無法使用少數原子進行計算等。

在此背景下，柏林自由大學科學團隊提出了一種有效的應對方案。團隊成員簡‧赫爾曼（Jan Hermann）稱，到目前為止，離群值（Outlier）是最經濟有效的密度泛函理論（Density functional theory ，一種研究多電子體系電子結構的方法）。相比之下，他們的方法可能更成功，因在可接受計算成本下提供前所未有的精確度。

PauliNet：物理屬性引入 AI 神經網路
Hermann 所說的方法稱為量子蒙地卡羅法。

論文顯示，量子蒙地卡羅（Quantum Monte Carlo）法提供可能的解決方案：對大分子來說，可縮放和並行化，且波函數的精確性只受 Ansatz 靈活性的限制。

具體來說，團隊設計一個深層神經網路表示電子波函數，這是一種全新方法。PauliNet 有當成基準內建的多參考 Hartree-Fock 解決方案，結合有效波函數的物理特性，並使用變分量子蒙地卡洛訓練。

弗蘭克‧諾（Frank Noé）教授解釋：「不同於簡單標準的數學公式求解波函數，我們設計的人工神經網路能夠學習電子如何圍繞原子核定位的複雜模式。」

電子波函數的獨特特徵是反對稱性。當兩個電子交換時，波函數必須改變符號。我們必須將這種特性構建到神經網路體系結構才能工作。

這類似包立不相容原理（Pauli’s Exclusion Principle），因此研究人員將該神經網路體系命名為「PauliNet」。

除了包立不相容原理，電子波函數還具有其他基本物理特性。PauliNet 成功之處不僅在於利用 AI 訓練數據，還在將這些物理屬性全部整合到深度神經網路。

對此，FrankNoé 還特意強調說：

「將基本物理學納入 AI 至關重要，因為它能夠做出有意義的預測，這是科學家可以為 AI 做出有實質性貢獻的地方，也是我們關注的重點。」

實驗結果：高精確度、高效率

PauliNet 對電子薛丁格方程式深入學習的核心方法是波函數 Ansatz，它結合了電子波函數斯萊特行列式（Slater Determinants），多行列式展開（Multi-Determinant Expansion），Jastro 因子（Jastrow Factor），回流變換（backflow transformation,），尖點條件（Cusp Conditions）以及能夠編碼異質分子系統中電子運動複雜特徵的深層神經網路。如下圖：

論文中，研究人員將 PauliNet 與 SD-VMC（singledeterminant variational，標準單行列式變分蒙地卡羅）、SD-DMC（singledeterminant diffusion，標準單行列式擴散蒙地卡羅）和 DeepWF 進行比較。

實驗結果顯示，在氫分子（H_2）、氫化鋰（LiH）、鈹（Be）以及硼（B）和線性氫鏈 H_10 五種基態能量的對比下，PauliNe 相較於 SD-VMC、SD-DMC 以及 DeepWF 均表現出更高的精準度。

同時論文中還表示，與專業的量子化學方法相比──處理環丁二烯過渡態能量，其準確性達到一致性的同時，也能夠保持較高的計算效率。

開啟「量子化學」新未來

需要說明的是，該項研究屬於一項基礎性研究。

也就是說，它在真正應用到工業場景之前，還有很多挑戰需要克服。不過研究人員也表示，它為長久以來困擾分子和材料科學的難題提供了一種新的可能性和解決思路。

此外，求解薛丁格方程式在量子化學領域的應用非常廣泛。從電腦視覺到材料科學，它將會帶來人類無法想像的科學進步。雖然這項革命性創新方法離落地應用還有很長的一段路要走，但它出現並活躍在科學世界已足以令人興奮。

如 Frank Noé 教授所說：「相信它可以極大地影響量子化學的未來。」

附圖：▲ Ψ 表示波函數。

資料來源：https://technews.tw/2021/01/02/schrodinger-equation-ai/?fbclid=IwAR340MNmOkOxUQERLf4u3SK0Um6VQVBpvEkV_DxyxIIcUv8IP88btuXNJ6U

譚新強：大流行40%至70%感染率預測 是從HIT計算出來的

本來今周值得討論的事情極多，包括沙特阿拉伯與俄羅斯油價戰、美國10年債息首次歷史性跌穿1厘、美國道指跌至11年來首次熊市，和美國大選的選情幻變。但最值得關注的仍然是COVID-19疫情的急速蔓延，世衛終於正式宣布這次為一場Global Pandemic（全球大流行病）！

大流行沒有一個非常正式的定義，理論上最重要因素為某傳染病的廣泛性和宗數，但就跟某病症的嚴重性和死亡率沒甚關係。世衛有頗大的主動決定權，雖不少世界各地的醫學專家已呼籲了好幾周，但明顯世衛一直拖泥帶水，不太願意作出正式宣布。直至近日全球COVID-19確診宗數急升超過12萬，波及超過100個國家，尤其意大利疫情實在已到失控地步，醫療系統崩潰，歐洲其他國家個案亦以幾何級數上升，美國確診個案也升至1000宗以上，世衛才無可奈何地作此大流行宣布。

世衛拖延宣布 或有兩大原因

我相信世衛拖延有兩個主要原因。第一肯定出自對全球經濟考慮，根據IMF估計，大流行的標籤可導致全球GDP增長降低1%，亦即全球衰退的機會大大上升（一般定義為低於3%）。例如很多企業和機構，或將借此提出"Force Majeure"（不可抗力條款），提前取消大量商業合約。

拖延的第二個原因是宣布大流行，亦即等如承認人類跟COVID-19的這場戰爭已「失敗」，將無法消滅此病毒。世衛總幹事譚德塞提到多國的"alarming inactions"（驚人的不行動），有些缺乏資源，有些則缺乏決心！沒點名，但請各位對號入座吧！

當一個疫症到了大流行階段，理論上全球處理方法應有所改變，從containment（圍堵）轉向所謂mitigation（紓緩）。意思是可能各種國際旅遊限制（international travel bans）已對控制疫情無效，但就對經濟有極大傷害，所以應考慮逐步解封。更重要和更有效的應對手段變為"social distancing"（社交隔離）和提升個人衛生。

但理論歸理論，這做法或者合理和具科學理據，但現實歸現實，政治上，在大流行宣布後，誰敢不加強邊境控制，反而大膽放鬆旅遊限制？美國總統特朗普在周三晚就馬上宣布針對英國以外歐洲的30日旅遊禁令！但他亦有提到隨着中國和韓國的疫情改善，將考慮放鬆旅遊限制，但尚未宣布細節。中國疫情終於算得上受控，但近日又見一些從外國輸入個案，辛苦得來的成果，怎會輕易冒險放鬆旅遊限制！

大流行的另一意思是全球人類的一個頗高比例將受到感染。在2009年的H1N1流感，受感染比例約11%至21%，1918年的西班牙流感（亦是H1N1豬流感），受感染比例更可能高達27%。2009年那次的全球總死亡人數約15萬至60萬；1918年那一次，正值第一次世界大戰，當年醫療比現代當然差很多，所以雖只是流感，但死亡率估計高達10%，總死亡人數可能高達5000萬！特朗普自稱不認識任何死於流感的人，可能忘記了他的祖父，正是死於1918年的大流感！

周三，德國總理默克爾向國民說，COVID-19或將感染到60%至70%的德國人，大家必須阻慢疫情，爭取時間為此作好免疫和醫療系統準備。她本身是一位量子化學博士，懂和相信科學，所以有勇氣成為第一個主要國家元首說出這句話！她說這個驚人預測已成為頂尖專家的共識，即包括我多次提過的世衛顧問Ira Longini、哈佛教授Marc Lipsitch和Imperial College教授Neil Ferguson等。

他們預測，全球40%至70%人口將在今年內受到感染。如這個非常驚人的預期成真，即是最高感染人數高達55億，如按現在確診死亡率（CFR）約3.7%來計算，死亡人數可超過2億人！如果感染人數那麼多，一切mitigation手段都必徒然，肯定全球醫療系統將快速崩潰，死亡率必飈升，輕易高至10%以上（意大利已經是7%），即總死亡人數更可超過5億！即使CFR跌至懷疑較低的感染死亡率（IFR），譬如約1%，總死亡人數也已將是非常嚴重的3000萬至5000萬！

倘2億人感染死亡成真 醫療系統崩潰

我明白這些專家的出發點應該是「好意」的，警告全球政府作出最積極準備。但如此驚人的預測，其實他們也必定有責任舉出證據，解釋他們的假設，和這是否他們的唯一結論，或只是一個worst case scenario（最壞情境），概率又多少呢？

失望地，他們似乎完全沒有對公眾交代過任何證據，令到全球人民和各國政府更加迷惘和惶恐。如果他們的講法是對的，一切的旅遊限制，甚至社交隔離措施，到最後都是沒有用的。那麼即使不是坐着等被感染，不如索性繼續外出旅遊，跟朋友聚會，再過正常生活（多渴望）？

既然所謂專家不解釋，唯有靠自己做些研究，在這裏跟大家分享，但我確不是專家，所以不可擔保分析的準確性，請見諒。

上周我已解釋過R0和R的概念，R0是病毒本身的基本傳染度，R是在採取各種隔離措施後的較低傳染度。我現在將介紹傳染病學上的另一概念——Herd Immunity（群體免疫），當一個population（群組）內的某一比例的人得到免疫力，身體產生了抗體，可以是經過感染，也可以是經過vaccination（注射疫苗），剩下來的人口，即使沒有個人免疫力，亦會享受到間接免疫的保護。基本上，這就是我上周提過的pox party（疫症派對）概念。道理很簡單，就是當很大比例的人已有免疫力，病毒就不能再經他們傳給更多其他人，所以疫情就將熄滅。這就是上周刊出感染曲線有自然頂峰的原因。

這個關鍵的人口比例稱為Herd Immunity Threshold（HIT，群體免疫臨界點），原來是可以用很簡單的方程式計算出來的：

HIT＝1－1/R0

HIT就是這個需要受感染而達到群體免疫效果的人口比例臨界點。R0當然就是我們的老朋友：Basic Reproduction Number，病毒基本傳染度，即平均每個病人將傳染給多少個其他人。流感（influenza）的R0約為1.3至1.8，COVID-19是全新病毒，數據尚未很準確，估計R0約為1.4至3.9。

以流感為例，如用R0＝1.3：

HIT＝1－1/1.3＝23%

以COVID-19為例，如用R0＝3：

HIT＝1－1/3＝66%

雖然專家沒有解釋，明顯他們的COVID-19的HIT為40%至70%。全球感染率預測，是來自這個基本方程式的，但可能加上其他的一些假設。流感的計算結果，也符合HIN1和西班牙大流感的經驗。

但我仍有多個重要的疑問。首先這基本方程式用的是R0而並非R，那麼隔離措施，到底是有效還是無效呢？如果有效，如有能力把原來R0＝3降至較低的R＝1.3，那麼COVID-19的HIT也可降至如流感的23%，已可最少挽救數千萬條人命！還是如我上周的附圖顯示，即使能用隔離措施把感染曲線壓扁，但其實兩條曲線的"area under the curve"（曲線下面積）仍然差不多，較低的R只能把整個過程拖長，和減低頂峰發病期對醫療系統的壓力？理論上，如隔離措施百分百有效，密不透風，當然可把原來的一個群組分割為多個隔絕的群組，壓低R必定有效，這就是中國針對湖北的手段，亦見成效。但這種極端的封關措施在多少地方可以執行？意大利正在嘗試，但恐怕為時已晚。况且即使湖北也不是完全密封，也有很多案例流出，亦不可能永遠封關下去，當重開時，從外再傳入的機會也極高。

我的第二個疑問是這個高達70%感染率預測，需時多久，有沒有把夏天的可能消滅病毒效果，計算在內？假設R0為較低的1.6，另假設serial interval（平均每代傳染需時）為專家估計的4.6天，約今年6至7月初夏，或已將達到40%的HIT。

我見過不少專家如美國NIH的Anthony Fauci醫生，當被問到天氣回暖會否加速消滅COVID-19的病毒時，他的答案是按過去流感病毒的經驗，較高溫度和濕度，似乎對遏抑病毒傳播有幫助，但因為此病毒是全新的，所以不能肯定。

無藥根治 夏天回暖成唯一希望

此答案聽似合理，但其實並不科學化。如果不知道，為何不馬上做實驗，在實驗室內模擬夏天環境，包括溫度、濕度，甚至陽光時間和角度等，培植病毒，或在試管內，或把病毒打進動物身上，然後放進一個群組內，不就加速解答這個超重要的疑問嗎？因為請記住，到現時為止，我們沒有任何免疫針和已經驗證有效的藥物，所以如萬一containment真的控制不了疫情，那麼夏天的消減病毒功能，可說是我們的唯一希望！

按照我的研究，曾有人做過針對SARS的夏天模擬實驗，亦證明較高溫度和濕度，確對壓抑SARS病毒有效。但暫時仍未發現類似針對COVID-19的研究，或者最少尚未完成和對公眾宣布結果。疫情非常嚴重，時間非常寶貴，實在刻不容緩，我確對醫學界有點失望。

除此，近日很多專家都告訴我們，在12至18個月內，將可成功研發出有效疫苗，如屬實，當然是天大喜訊。當然遠水不能救近火，即使如期成功，對今年疫情亦沒有幫助；但大家都應該有準備COVID-19將成為endemic，可能每年會捲土重來的風土病（但將不停出現基因變異），所以如明年已有疫苗，進度已算神速！但這些專家也沒有告訴我們為何有此信心。從前我已指出過，感染人類的7種冠狀病毒，包括SARS，到現時為止仍沒有任何疫苗，亦沒有特別的抗病毒藥！當年SARS也是頭等大事，應不乏人和資源去研究疫苗和藥物，但到現在仍未成功。是否因為SARS在2004年後沒有再出現案例，所以沒有人再研究下去，有可能但不肯定。為何其他冠狀病毒，包括導致傷風的兩種，亦沒有疫苗，但流感就有？是否冠狀病毒有些特別結構和特徵，令到發展疫苗和藥物特別困難？如果是的話，為何又有信心在一至一年半內，即可研發出COVID-19的疫苗？此病毒較簡單？現在有迫切性、資源充分、研發技術突飛猛進，加快過程（希望是）？還是專家也沒有把握，在總統和公眾壓力下，信口開河，忽悠大家（希望不是）？我渴望他們用科學解釋一下希望的來源。

除此，我當然也失望仍未看到以隨機測試統計學來計算出來的感染率和IFR。最接近的應該是韓國的數據，他們不斷進行大量接近隨機測試，應該超過20萬人次，確診人數近8000，死亡人數67，CFR約0.8%，接近全球最低。既可能韓國醫療系統比意大利好，中間年齡較低，但明顯亦跟大量測試，擴大CFR分母有關。所以最少這給我們一點希望，神秘的IFR，理論上應可以低於0.8%，如韓國的真正宗數比確診多一倍，那麼IFR就只有0.4%。雖仍遠高於流感的0.03%至0.1%，但總比現在CFR的3.7%好得多。

我們極需要準確一點的IFR估計，因為即使不幸中招，也可安心一點。

中環資產投資行政總裁

[譚新強 中環新譚]