17、基于熵的OAM模拟：探索生物钟节律与心智状态动态

基于熵的OAM模拟：探索生物钟节律与心智状态动态

1. 熵与心智状态转换的表示

在模拟中，熵极限用实线表示，而由昼夜节律的中间概率引发的转换则用虚线表示。从相关图示可以推断，所有基本心智状态（BMS）都参与日常动态，但根据模型设定，某些状态会自然占主导。例如，BMSAW（清醒状态）和BMSRE（休息状态）之间的边缘转换较为常见；白天时，BMSAW和BMSTH（思考状态）之间的中间转换自然占优；夜间，BMSDS（深度睡眠状态）和BMSRE之间的中间转换则占主导。

2. 熵空间网络曲线的改进

最初的模拟结果存在一些问题，如熵曲线在熵空间中的密度不佳（每条曲线在白天和夜间覆盖24分钟时间段）、相同重复状态的熵曲线巧合匹配，以及某些状态的边缘熵值不符合概念设定。为解决这些问题，引入了新的稳态 - 昼夜节律函数$c_n(t)$，为每个状态生成了连续且足够密集的72条曲线$S(t, n)$，分别覆盖白天和夜间时段。

例如，在1440分钟的一天中，白天720分钟被72条曲线覆盖，每条曲线覆盖10分钟间隔，夜间同理。这样，一天中每10分钟时间段由四条特定的$S(t, n)$曲线表示，每个BMS都有自己的72条特定的与白天时段相关的熵曲线，这些曲线按特定顺序依次覆盖白天和夜间时段，使OAM能够区分BMS相关熵过程在一天中的逐渐变化，以及白天和夜间相关熵曲线的反向移动。

3. 新的熵曲线公式

新的数学公式$S(t, n)$用于生成每个状态所需的熵曲线集合，公式如下：
[
\begin{cases}
S_{RE}(t) = 1 - t^{n(n/72)^2}\
S_{DS}(t) = U(R(S