导语

集智学园联合北师大系统科学学院开设「系统科学前沿」系列课程，以方福康先生系统科学文集为思想基石，汇聚北师大系统科学领域十位教授，系统整合统计物理、生命系统中的智能行为、社会复杂系统建模、人工智能与复杂网络等多个交叉方向，构建一条从微观机制到宏观结构、从理论分析到实际应用的知识脉络。

作为系列课程第二讲，陈晓松教授将讲授「统计物理与地球复杂系统」，从统计物理的视角出发，系统讲解如何通过本征微观态与重整化群理论连接微观行为与宏观规律，揭示复杂系统中涌现与相变等关键现象的统计机制。

主题：统计物理与地球复杂系统

课程简介

当我们面对一个纷繁复杂的系统——如天气系统、大脑神经网络或金融市场——我们不禁会问：

• 在这些无序表象背后，是否潜藏着可识别、可预测的秩序？

• 为什么数以亿计的微观个体运动，最终汇聚成宏观世界的“规则”？

• 是否存在某种方法，能从局部的信息中预判整体的演化趋势？

统计物理，正是探索这些问题的核心工具。作为连接个体行为与系统整体的桥梁，它使我们能够从无序中识别规律，从复杂中发现统一。

本课程将从经典统计力学出发，回顾吉布斯建立的平衡态理论，并重点介绍陈晓松教授及其团队提出的本征微观态统计物理学与重整化群理论。该理论致力于在大规模数据中识别系统的本征结构，通过多尺度建模揭示宏观涌现现象的统计本质。无论是自然系统的临界行为，还是社会系统中的突变与转折，皆可通过该框架获得深刻理解。

课程大纲

1. 统计物理的基本理论框架

2. 本征微观态统计物理学与重整化群理论

3. 本征微观态统计物理与重整化群理论的应用

4. 统计物理与复杂系统研究的前沿趋势

5. 讨论交流

专业术语

统计物理、平衡态与非平衡态、本征微观态、涌现、相变、重整化群、临界现象、多尺度建模、复杂系统临界性

课程信息

课程主讲人

陈晓松，北京师范大学系统科学学院/浙江大学物理高等研究院教授。1982年、1984年获华中师范大学物理学学士、理论物理硕士学位，1992年获德国柏林自由大学自然科学博士学位，1999年度中国科学院“百人计划”入选者，2003年国家杰出青年科学基金获得者。先后在德国柏林自由大学、德国亚琛工业大学、中国科学院理论物理研究所等高校和研究所工作，2018年10月起入职北京师范大学系统科学学院，2024年9月起担任浙江大学物理高等研究院教授。研究领域为液体统计物理、相变与临界现象基本理论、复杂系统和地球系统的统计物理及相变与临界现象。现任《Communication in Theoretical Physics》、《Chinese Physics B》、《Entropy》、《Fundamental Research》期刊编委，曾任《中国科学：物理学 力学 天文学》、《物理》、《现代物理知识》等期刊编委。

课程适用对象

1. 理工科高年级学生/研究生：系统性掌握复杂系统研究工具（多主体建模、网络分析）

2. 跨学科研究者：汲取生物学、社会科学与AI的交叉灵感

3. 产业从业者：用系统思维解决业务中的非线性问题（如用户增长、供应链优化）

报名须知

1. 课程形式：腾讯会议直播，集智学园网站录播。本系列课程不安排免费直播。

2. 课程周期：2025年6月20日-2025年8月22日，每周五晚19：30-21：30点进行。

3. 课程定价：599元

https://campus.swarma.org/course/5518?from=wechat

可开发票

付费流程

1. 扫码付费；

2. 课程页面添加学员登记表，添加助教微信入群；

3. 课程可开发票。

陈晓松教授代表论文

1. Teng Liu (刘腾)1, Gao-Ke Hu (胡高科)1, Jia-Qi Dong (董家奇)2, et al. Renormalization Group Theory of Eigen Microstates. Chinese Physics Letters, 2022，https://iopscience.iop.org/article/10.1088/0256-307X/39/8/080503/meta

2. Jingfang Fan, Jun Meng, Josef Ludescher, et al. Statistical physics approaches to the complex Earth system. Physics Reports, 2020，https://www.sciencedirect.com/science/article/pii/S0370157320303458

3. Yu Sun，Gaoke Hu，Yongwen Zhang，Bo Lu，Zhenghui Lu，Jingfang Fan，Xiaoteng Li，Qimin Deng，Xiaosong Chen. Eigen microstates and their evolutions in complex systems。Commun. Theor. Phys,2021. DOI 10.1088/1572-9494/abf127

4. Jun Meng, Jingfang Fan, Josef Ludescher, et al. Complexity-based approach for El Niño magnitude forecasting before the spring predictability barrier, 2020,https://www.pnas.org/doi/10.1073/pnas.1917007117

5. Jingfang Fan, Maoxin Liu, Liangsheng Li, et al. Continuous percolation phase transitions of random networks under a generalized Achlioptas process. physical review e, 2012, https://journals.aps.org/pre/abstract/10.1103/PhysRevE.85.061110

推荐阅读：

系统科学前沿十讲：理解自然、生命与社会的复杂性

国家战略引领，系统科学正当时！

“集智”共学，洞见复杂：《系统科学前沿》课程深度共读计划

6月20日《系统科学前沿》狄增如院士开讲 · 首课免费直播

点击“阅读原文”，报名课程