Gilbert無線網路模型

『壹』 為什麼paul gilbert的現場總是戴著一個耳機

耳機是連接到樂器，經過處理器過濾掉雜音，主要是幫助樂器手判斷自己的旋律是否正確。歌手佩戴的耳機有兩個功能，一個就是幫助歌手跟進節奏和提醒歌詞，一個就是控台導演可以通過無線臨場指揮歌手台位，互動，時間的把控及突發指令等。

『貳』 誰能詳細介紹下無線視頻傳輸技術，越詳細越好

隨著移動通信業務的增加，無線通信已獲得非常廣泛的應用。無線網路除了提供語音服務之外，還提供多媒體、高速數據和視頻圖像業務。無線通信環境（無線信道、移動終端等）以及移動多媒體應用業務的特點對視頻圖像的視頻圖像編碼與傳輸技術已成為當今信息科學與技術的前沿課題。

1 無線視頻傳輸技術面臨的挑戰

數字視頻信號具有如下特點：

·數據量大

例如，移動可視電話一般採用QCIF解析度的圖像，它有176X144=25344像開綠燈。如果每個像素由24位來表示，一幀圖像的數據量依達594kbit。考慮到實時視頻圖像傳輸要求的幀頻（電視信號每秒25幀），數據傳輸速率將達到14.5Mbps！

·實時性要求高

人眼對視頻信號的基本要求是，延遲小，實時性好。而普通的數據通信對實時性的要求依比較低，因此相對普通數據通信而言，視頻通信要求更好的實時性。

無線環境則具有如下特點：

·無線信道資源有限

由於無線信道環境惡劣，有效的帶寬資源十分有限。實現大數據量的視頻信號的傳輸，尤其在面向大眾的無線可視應用中，無線信道的資源尤其緊張。

·無線網路是一個時變的網路

無線信道的物理特點決定了無線網路是一個時變的網路。

·無線視頻的Qos保障

在移動通信中，用戶的移動造成無線視頻的Qos保障十分復雜。

由此可以看出，視頻信號對傳輸的需要和無線環境的特點存在尖銳的矛盾，因此無線視頻傳輸面臨著巨大的挑戰。一般來說，無線視頻傳輸系統的研究設計目標如表1所示。

表1 無線視頻傳輸系統的主要性能指標和設計目標

性能指標 設計目標
視頻壓縮比
視頻傳輸實時性
視頻恢復質量
視頻傳輸魯棒性
支持Qos的視頻業務 用盡量少的比特描述視頻圖像
更短的傳輸時延，更快的編碼速度
獲得用戶更滿意的視頻恢復質量
更好適應傳輸信道的誤比特干擾
提供和用戶支持費用相當的服務

事實上，表1中許多性能指標是相互制約的。例如，視頻圖像壓縮比的提高會增加編碼演算法的復雜度，因此會影響演算法的實時實現，並且可能降低視頻的恢復質量。

2 視頻壓縮編碼技術

視頻信息的數據量十分驚人，要在帶寬有限的無線網路上傳送，必須經過壓縮編碼。目前國際上存在兩大標准化組織——ITU-T和MPEG——專門研究視頻編碼方法，負責制公平統一的標准，方便各種視頻產品間的互通性。這些協議集中了學術界最優秀的成果。

除各種基於國際標準的編碼技術外，還有許多新技術的發展十分引人注目。

2.1 基於協議的視頻壓縮編碼技術

國際電信聯盟（ITU-T）已經制定的視頻編碼標准包括H.261（1990年）、H.263（1995年）、H.263+（1998年），2000年11月份將通過H.263++的最終文本。H.26X系列標準是專門用於低比特率視頻通信的視頻編碼標准，具有較高的壓縮比，因此特別適合於無線視頻傳輸的需要。它們採用的基本技術包括：DCT變換、運動補償、量化、熵編碼等。H.263+和H.263++中更增加考慮了較為惡劣的無線環境，設計了多種增強碼流魯棒性的方法，定義了分線編碼的語法規則。

MPEG制定的視頻編碼標准有MPEG-1（1990年）、MPEG-2（1994年）、MPEG-4（完善中）。其中MPEG-1、MPEG-2基本已經定稿，使用的基本技術和H.26X相同。MPEG-1、MPEG-2的特點在於針對的應用主要是數字存儲媒體，碼率高，它們並不適於無線視頻傳輸。人們熟知的VCD、DVD是MPEG-1、MPEG-2的典型應用。隨後，MPEG組織注意到了低比特率應用潛在的巨大市場，開始和ITU-T進行競爭。在MPEG-4的制定中，不僅考慮了高比特率應用，還特別包含了適於無線傳輸的低比特率應用。MPEG-4標準的最大特點是基於視頻對象的編碼方法。

無線通信終端是多種多樣的，其所處的網路結構、規模也是互異的。視頻碼流的精細可分級性（Fine Granularity Scalability）適應了傳輸環境的多樣性。

編碼協議並不提供完全齊備的解決方案。一般來說，協議內容主要包括碼流的語法結構、技術路線、解碼方法等，而並未嚴格規定其中一些關鍵演算法，如運動估計演算法、碼率控制演算法等。運動估計演算法在第3部分有較為詳細的介紹。碼率控制方案在第4部分有較為詳細的介紹。

2.2 其他視頻壓縮編碼技術

除上述基於協議的視頻標准之外，還有一些優秀的演算法由於商業的原因，暫時沒有被國際標准完全接納。典型的例子是DCT變換和小波變換之爭。雖然利用小波變換可以取得更好的圖像恢復質量，但是因為DCT變換使用較早，有很多商業產品的支持，因此小波變換很難在一夜之間取代DCT變換現有的地位。其他編碼方法如，分形編碼、基於模型的編碼方法、感興趣區優先編碼方法等也都取得了一定的成果，具有更強的壓縮能力。但是演算法實現過於復雜，達到完全實用尚有一段距離。

在基於小波的低比特率圖像壓縮演算法的研究中，根據小波圖像系數的空間分布特性，以及小波多解析度的視頻特點，人們引入矢量量化以充分利用小波圖像系數的相關性。根據傳統的運動補償難以與小波變換相結合這一情況，人們還提出了將空間二維幀內小波變換與時間軸一維小波變換相結合的三維小波變換方法。

人類的視覺是一種積極的感受行為，不僅與生理因素有關，還取決於心理因素。人們觀察與理解圖像時常常會不自覺地對某引起區域產生興趣。整幅圖像的視覺質量往往取決於感興趣區（ROI：Region of Interest）的圖像質量。在保障ROI區部分圖像質量的前提下，其他部分可以進行更高的壓縮。這樣在大大壓縮數據量的同時，仍有滿意的圖像恢復質量。這就是感興趣區優先編碼策略。

3 視頻編碼實時性研究

由於視頻數據的特殊性，視頻傳輸系統對實時性要求很高。這里重點介紹基於視頻編碼協議演算法的實時性問題。小波編碼等演算法雖然有許多優點，但是演算法復雜度太高，目前難於達到實時性要求。下面介紹基於協議編碼演算法中的幾個重要環節，它們對提高視頻編碼系統實時性有重要作用。

3.1 運動估計

預測編碼可以有效去除時間域上的冗餘信息，運動估計則是預測編碼的重要環節。運動估計是要在參考幀中找到一個和當前幀圖像塊最相似的圖像塊，即最佳匹配塊。估計結果用運動向量來表示。研究運動估計演算法就是要研究匹配塊搜索演算法。

研究分析表示，原始運動估計演算法在編碼器運行中消耗了編碼器70%左右的執行時間。因此，為了提高編碼器執行速度必須首先提高運動估計演算法的效率。

窮盡搜索法是最原始的運動估計演算法，它能得到全局最優結果，但是由於運算量大，不宜在實現應用中使用。快速運動估計演算法通過減小搜索空間，加快了搜索過程。雖然快速運動估計演算法得到的運動向量沒有窮盡搜索法的結果那樣精確，但是由於它可以顯著減少運算時間，精度也能滿足很多應用的需要，因而它們的應用十分廣泛。典型的快速搜索演算法有：共軛方向搜索法（CDS）、二維對數法（TDL）、三步搜索法（TSS）、交叉搜索法（CSA）等。

3.2 演算法結構的並行化

並行化處理的體系結構十分有利於提高系統處理能力，加之視頻編碼演算法有很強的並行處理潛力，因此，人們研究了編碼演算法的並行運算能力，進一步保障了編碼演算法的實時實現。

例如，如果有兩個並行處理器，依可以同時進行兩個圖像塊的運行估計或者DCT變換，這樣依把運動估計和DCT變換環節的運算時間縮短了一倍。

3.3 高速DSP晶元和專用DSP設計

微電子技術的發展，也使近年來DSP晶元有了很大的進步。每秒幾十或上百BOPS次的運算速度（1個BOPS為每秒10億次）DSP晶元已經出現，這為系統實時處理提高了硬體保證。

通用高速DSP晶元在視頻編碼演算法的研究開發中扮演了重要角色。許多DSP生產廠商甚至提供實現某種編碼協議的專用晶元。

4 碼率控制研究

編碼策略是編碼器中重要環節。碼率控制技術是視頻通信應用中的關鍵技術之一，它負責編碼器各個環節與傳輸信道和解碼器之間的協調，在編碼器中具有重要地位。因為碼率控制策略需要由具體應用場合決定，所以象H.263+、MPEG-4等視頻編碼協議，都沒有規定具體碼率控制方法。

由於視頻碼流結構具有分層的特點，因而碼率控制方案的研究一般分成了兩個層交人，圖像層碼率控制、宏塊層碼率控制。圖像層碼率控制的主要任務是，根據系統對編碼器輸出碼率的期望、系統傳輸延遲的限制、傳送緩沖區的滿溢程度等同，在一幀圖像編碼前，確定該幀圖像的輸出期望比特數。宏塊層碼率控制的主要任務是，根據圖像層碼率控制確定的該幀圖像的輸出期望比特數，給圖像各部分選擇合適的量化步長。宏塊層碼率控制的主要依據是率失真（Rate-Distortion）模型。

TMN8碼率控制方案，是迄今為止一套優秀的碼率控制方案。它被H.263+的TMN8模型的MPEG-4（Version 1）的VM8模型所採納。該方案的精化部分在於宏塊層碼率控制部分，它採用了一種十分有效的率失真模型，是宏塊層碼率控制的誤差很小；在圖像層碼率控制方面，該方案的前提較為簡單，主要考慮了編碼時延、緩沖區滿溢程度等因素，並且要求編碼器的工作幀頻恆定。

在很多情況下，視頻編碼的幀頻不可能保持恆定，或者不「應該」恆定。考慮到視頻編碼器工作點的變化，以及現有率失真模型可能存在的誤差，人們將現代控制理論引入到圖碼率控制中，設計了更穩定的碼率控制方案。

由於宏塊層碼率控制環節直接決定圖像各宏塊使用的量化步長，因此利用宏塊層友率控制方法，可以輕易實現圖像感興趣區優先編碼策略。使用感興趣區優先編碼策略時，雖然對整幅圖像而言仍屬低碼率編碼范疇，但對於感興趣區域而言卻存在局部高碼率編碼。現有低碼率控制演算法，包括TMN8方案，都沒有考慮到這一現象。它們將整幅圖像所有部分都作為低碼率編碼對象，並以此建立碼率控制模型。因此這些碼率控制方案直接與感興趣區優先編碼策略相結合時，會導致不應有的碼率控制誤差。為此，人們又提出了一套用不動聲色低碼率應用的碼率控制框架，它適應了感興趣區優先編碼策略的需要。

5 魯棒性研究

無線信道干擾因素多，誤碼率高，因此無線視頻的魯棒傳輸研究對於無線視頻傳輸的實用化十分重要。

5.1 魯棒的壓縮編碼

視頻壓縮編碼的最後一個環節是熵編碼。熵編碼的特點決定了視頻碼流對誤比特高度敏感。於是，人們設計了多種技術用於在視頻編碼環節進行差錯復原，提高碼流魯棒性。MPEG-4中定義的主要差錯控制技術有：重同步（Resynchronization）、數據分割（Data Partition）、可逆變長編碼（RVLC）。H.263+中用於差錯復原的技術主要包括前向糾錯編碼（FEC）、條帶模式（Slice Mode）、獨立分段解碼（Independent Segment Decoding）和參考圖像選擇（Reference Picture Selection）等。H.263++則又增加了數據分割的條帶模式，並對參考圖像選擇模式進行了修改。

此外，在信源解碼端，人們又設計了數據恢復（Data Recovery）和差錯掩蓋（Error Concealment）等技術，以便盡量減少碼流中錯誤比特的負面影響。

5.2 魯棒的復用環節

多媒體通信中，復用是緊隨編碼環節的一個環節。以ITU定義的H.324標准為例，該標准由若干協議組成，包括音頻編碼協議G.723、視頻編碼協議H.26X、控制協議H.245和復用協議H.223。H.223是一個面向連接的復用器，負責把多媒體終端的多個數據源（音頻、視頻、數據等）復合為一個碼流。Villasenor等已經注意到復用器出現的差錯對視頻可能產生的影響，但沒有特點深入的研究成果。

5.3 魯棒的信道編碼環節

信道編碼也稱差錯控制編碼。與信源編碼的目的不同，信源編碼是盡量壓縮數據，用盡量少的比特描述原始視頻圖像；信道編碼是利用附加比特來保障原始比特能正確無誤地到達目的地。信道傳輸中的糾錯方法包括：前向誤碼糾錯（FEC）、自動重發（ARQ）和混合糾錯（HEC）。

Shannon從理論上給出了信道傳輸能力的上限。信道編碼方法的研究設計目標有二，一是盡量利用信道容量，二是抗干擾性能更強。

Turbo碼是近年來紀錯編碼領域的活躍分支，由法國學者C.Berrou等人在1993年看出的，其模擬性能紀錯能力。但是Turbo碼的解碼演算法十分復雜，關於Turbo碼解碼的實時實現是當前研究熱點之一。

5.4 信源信道組合編碼

不同的信道編碼策略對信元的保護能力也不同。根據信元的重要程度，合理地予以差錯控制編碼，將有效地提高傳輸系統的效率。這是不平等的保護策略（Unequal Error Protection）。信元的重要程度，可以有多種劃分方法，如按照信元對解碼所起作用，或者按照信元對人眼感知所起作用，等等。

還有許多學者研究了信道模型在信源信道組合編碼中的應用。三種典型無線信道模型是二進制對稱雜訊通道（Binary Symmetric Channels）、加性白高斯雜訊通道（Additie White Gaussian Channels）、G-E突發雜訊通道（Gilbert-Elliott Bursty Channels）。Chang Wen Chen等在研究這些信道模型的基礎上，研究了新的率失真模型，該模型不僅描述了量化引入的誤差，而且將信道雜訊考慮在內。在一定的信道傳輸速率要求下，利用這樣的率失真模型，不僅可以在子信源之間合理分配比特，而且可以更好地平衡信源編碼精度與信道編碼保護兩者對碼率的需要。

6 無線視頻傳輸系統的優化與管理

在前面幾部分的研究中，主要目標是解決無線視頻傳輸的基礎問題：視頻數據的壓縮問題、編碼的實時實現、視頻碼流的魯棒傳輸。事實上，除了上述問題，還有許多與無線視頻傳輸密切相關的領域，它們對無線視頻傳輸的實現、推廣有著舉足輕重的影響。

6.1 通信協議的研究

中國公眾多媒體通信網是一個基於IP協議的通信網，它的通信協議是基於TCP/IP的。當然，IP協議和TCP協議僅是核心協議。為保證實時視頻通信業務能很好地運行，需要使用實時傳送協議（RTP）和實時傳送控制協議（RTCP）。為了給實時業務或其它特定業務的傳送留有足夠寬的通道，還必須使用資源預留協議（RSVP）。上述五個通信協議是IP網的主要通信協議。

Ipv6作Internet Protocol的新版本，將繼承和取代傳統IP（Ipv4）。從Ipv4到Ipv6的改變將為下一代網際網路奠定更堅實的基礎，如,Ipv6力求使網路管理變得更加簡單，考慮到不同用戶對服務質量的不同需要，其中若干技術十分有利於實時多媒體業務的實理。

6.2 接入控制（Admissior Control）

類似有線網路，無線網路要決定是否允許新連接接入；此外無線網路還要決定是否允許切換連接，並要在二者之間謀求最優解決方案。

Naghshineh在1996年提出虛擬連接樹的新概念，設計了基於虛擬連接樹的高速移動ATM網路體系，並研究了在該體系結構下的接入控制方案。簡單說，作者用一個虛擬樹來描述位於一定距離內小區的移動用戶。一旦移動用戶的呼叫被允許，他依可以在虛擬樹內的所有小區間自由切換，而無須重新請求。

在高速無線多媒體網路中，Oliveira等則提出了基於帶寬預留的接入控制方案，即在建立呼叫小區附近入的小區中，進行帶寬預留，以保障服務質量。當用戶進入一個新的小區，被預留的帶寬將被利用。

6.3 資源預留（Resource Reservation）

對於視頻、話音等實時業務，為保證可接受的服務質量，應該保留一定的連接帶寬。此外，與新呼叫相比，切換呼叫應有更高的優先權。

6.4 Qos業務模型（Qos Service Model）

無線多媒體Qos支持的基本目標是，在帶寬有限情況下，提供和用戶支付費用相當的服務質量。建立合適的業務模型是首先要解決的問題。所謂業務模型，就是要根據各種具體應用的特點，將其劃分成不同類型。例如，在支持Qos和ATM中定義了幾種業務模型：恆定比特率（CBR）業務、實時可變比特率（rt-VBR）業務、非實時可變比特率（nrt-VBR）業務、可用比特率（ABR）業務和不定比特率（UBR）業務。恆定比特率業務對帶寬的要求最為嚴格，其他類型對帶寬的要求依次放鬆。

現有的大理多媒體業務是在基於IP的網路上開展的，而rc設計IP協議的初衷是傳輸數據的，是一種「盡力而為」的網路，並不支持Qos。為此，其上的實時業務模型被分為兩類：有保障業務（Guaranteed Service）和無保障業務（Predictive Service）。

總之，在無線多媒體環境下，建立起合理的業務模型對保障Qos至關重要。在這一領域，人們始終在做出努力。如，較早時候，Oliverira等只用實時業務與非實時業務加以區分；1999年，Talukder等提出三類業務模型；2000年，Lei Huang等不僅考慮帶寬和延遲需要，還考慮了移動用戶的運動特性，提出多達七類業務模型。

6.5 圖像質量評價准則

恰當的圖像質量評價方法是無線多媒體通信的基本需要。由於無線環境帶寬有限，不可能為所有用戶都提供相同質量的服務，所以只能提供和用戶支付費用相當的服務質量。因此必須有一套能准確反映用戶接受服務的客觀質量標准。

除了些特殊場合，純粹額觀評價（如基於均方誤差的評價方法）已經被普遍認為不是真正「客觀」的圖像質量評價，越來越多的人認為，人眼視覺系統（HVS）的特性應該考慮在內。

Westen等人在1995年提出了基於多通道的HVS模型，用來評價圖像的感受質量。宋堅信等人最近又提出一種壓縮視頻感覺質量的計算方法，其核心思想是，利用視覺掩蔽特性， 分析與壓縮視頻質量有關的視覺特性及視頻圖像內容特性，提出視覺掩蔽計算結構及用模糊學方法進行視覺閾值提升的計算方法。

總之，面向惡劣無線環境的數字視頻傳輸技術尚未成熟；面向大眾應用的無線視頻傳輸技術元未成熟。因此，現在加強在該領域的研究力度，是增強我國科技實力的一次機遇，對於我國在未來通信領域占據一席之地將起重要作用。

『叄』 世界著名的物理學家有哪些

1、牛頓

艾薩克·牛頓是英格蘭物理學家、數學家、天文學家、自然哲學家。主要貢獻是他在1687年發表的論文《自然哲學的數學原理》里的萬有引力和三大運動定律。

拓展資料（物理學研究領域）：

1、凝聚態物理：

研究物質宏觀性質，這些物相內包含極大數目的組元，且組員間相互作用極強。最熟悉的凝聚態相是固體和液體，它們由原子間的鍵和電磁力所形成。更多的凝聚態相包括超流和波色-愛因斯坦凝聚態（在十分低溫時，某些原子系統內發現）；某些材料中導電電子呈現的超導相；原子點陣中出現的鐵磁和反鐵磁相。凝聚態物理一直是最大的的研究領域。歷史上，它由固體物理生長出來。1967年由菲立普·安德森最早提出，採用此名。

2、原子、分子和光學物理：

研究原子尺寸或幾個原子結構范圍內，物質-物質和光-物質的相互作用。這三個領域是密切相關的。因為它們使用類似的方法和有關的能量標度。它們都包括經典和量子的處理方法；從微觀的角度處理問題。原子物理處理原子的殼層，集中在原子和離子的量子控制；冷卻和誘捕；低溫碰撞動力學；准確測量基本常數；電子在結構動力學方面的集體效應。原子物理受核的影晌。但如核分裂，核合成等核內部現象則屬高能物理。 分子物理集中在多原子結構以及它們，內外部和物質及光的相互作用，這里的光學物理只研究光的基本特性及光與物質在微觀領域的相互作用。

3、高能/粒子物理：

粒子物理研究物質和能量的基本組元及它們間的相互作用；也可稱為高能物理。因為許多基本粒子在自然界不存在，只在粒子加速器中與其它粒子高能碰撞下才出現。據基本粒子的相互作用標准模型描述，有12種已知物質的基本粒子模型（誇克和輕粒子）。它們通過強，弱和電磁基本力相互作用。標准模型還預言一種希格斯-波色粒子存在。現正尋找中。

4、天體物理：

天體物理和天文學是物理的理論和方法用到研究星體的結構和演變，太陽系的起源，以及宇宙的相關問題。因為天體物理的范圍寬。它用了物理的許多原理。包括力學，電磁學，統計力學，熱力學和量子力學。1931年卡爾發現了天體發出的無線電訊號。開始了無線電天文學。天文學的前沿已被空間探索所擴展。地球大氣的干擾使觀察空間需用紅外，超紫外，伽瑪射線和x-射線。物理宇宙論研究在宇宙的大范圍內宇宙的形成和演變。愛因斯坦的相對論在現代宇宙理論中起了中心的作用。20世紀早期哈勃從圖中發現了宇宙在膨脹，促進了宇宙的穩定狀態論和大爆炸之間的討論。1964年宇宙微波背景的發現，證明了大爆炸理論可能是正確的。大爆炸模型建立在二個理論框架上：愛因斯坦的廣義相對論和宇宙論原理。宇宙論已建立了ACDM宇宙演變模型；它包括宇宙的膨脹，黑能量和黑物質。 從費米伽瑪-射線望運鏡的新數據和現有宇宙模型的改進，可期待出現許多可能性和發現。尤其是今後數年內，圍繞黑物質方面可能有許多發現。

『肆』 吉爾伯特在哪個領域做出了突出貢獻

「同性相吸，異性相斥」被人們引申並廣為使用，其原型就是吉爾伯特關於磁的研究結論，即「同名極相吸，異名極相斥」。

吉爾伯特是英國物理學家，近代磁學和電學的先驅者。他是第一個用實驗方法探索電磁性質，並從理論上加以概括的早期科學家。

吉爾伯特對磁力現象的興趣源於他渴望理解控制行星運動的力。當時，哥白尼提出不久的太陽系模型還不能解釋什麼力在太陽和行星之間發揮作用。吉爾伯特認為或許是磁力的作用，為了檢驗自己的想法，他對電和磁現象進行了徹底的分析。

吉爾伯特是第一個使用「電流」、「電吸引」、「帶電體」這類術語的人。他令人信服地證明了帶電荷的帶電體產生的引力或斥力不同於天然磁石或某些磁性磁石。1600年6月22日他出版了《磁鐵》，此書帶來的巨大影響為他樹立了物理學家的聲譽。他描述了對磁體和電吸引現象的研究，在匯集已知的關於電和磁知識的同時，又提出了一些卓越的新理論。他研究了熱對於磁性物體的作用，發明了驗電器，區分了靜電荷與磁，並且第一次解釋地球磁性。吉爾伯特的偉大貢獻在於他進行了磁鐵和指南針實驗，提出地球本身就是一大塊球形磁鐵。

地球具有磁性的思想使吉爾伯特推測，地球的磁性引力使物體保持在地球上。雖然他是錯誤的，但他的理論為「地心引力」理論開辟了道路。吉爾伯特的地球模型在今天仍是對地球磁性的標准描述，但他藉助於磁力解釋行星繞太陽運動的嘗試是不正確的。後來牛頓的萬有引力思想卓有成效地解決了這個問題。

《磁鐵》是英國出版的第一部偉大的物理學著作。吉爾伯特從實驗和理論相結合上對電磁學的研究，標志著近代電磁學的萌芽。

『伍』 吉爾伯特·牛頓·路易斯的簡介

美國物理化學家路易斯，1875年10月25日生於馬薩諸塞州的一個律師家庭。他智力早慧，13歲入內布拉斯加大學預備學校，畢業後入該大學，兩年後又轉入哈佛大學。1896年在哈佛得學士學位，1898年得碩士學位，1899年獲博士學位。1900年在德國哥丁根大學進修，回國後在哈佛任教。1904-1905年任菲律賓計量局局長。1905年到麻省理工學院任教，1911年升任教授。1912年起擔任加利福尼亞大學的化學學院院長兼化學系主任。曾獲得戴維獎章，瑞典阿累尼烏斯獎章，美國的吉布斯獎章和里查茲獎章。還是蘇聯科學院的外藉院士。1946年3月23日逝世。
路易斯具有很強的開辟化學研究新領域的能力，他研究過許多化學基礎理論。1901年和1907年，他先後提出「逸度」和「活度」概念；1916年提出共價鍵的電子理論：1923年又對價鍵和共用電子對成鍵理論作了進一步闡述。1921年將離子強度的概念引入熱力學，發現了稀溶液中鹽的活度系數由離子強度決定的經驗定律。1923年與蘭德爾合著《化學物質的熱力學和自由能》，該書深入探討了化學平衡，對自由能、活度等概念作出了新的解釋。同年，提出新的廣義酸鹼概念，認為酸是在化學反應中接受電子對的物質，鹼是給予電子對的物質。這一理論是化學反應理論的一個重大突破，在有機反應和催化反應中得到了廣泛應用 。此外，還研究過重氫及其化合物，熒光、磷光等。主要著作有：《價鍵及原子和分子的結構》、《科學 的剖析》等。
路易斯喜歡採用非正統的研究方法，他具有很強的分析能力和直覺，能設想出簡單而又形象的模型和概念 。有時，他未充分查閱資料文獻就開展研究工作，他認為，若徹底掌握了文獻資料，就有可能就手前人的許多偏見，從而窒息了自己的獨創精神。他培養了許多化學家。他不但是一個科學家，而且是一個學派的卓越導師和領袖。

『陸』 信息工程在生物工程中的應用，具體點，300字左右…

生物信息學（Bioinformatics）
是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。它是當今生命科學和自然科學的重大前沿領域之一，同時也將是21世紀自然科學的核心領域之一。其研究重點主要體現在基因組學(Genomics)和蛋白學(Proteomics)兩方面，具體說就是從核酸和蛋白質序列出發，分析序列中表達的結構功能的生物信息。
生物信息學是一門利用計算機技術研究生物系統之規律的學科。
目前的生物信息學基本上只是分子生物學與信息技術（尤其是網際網路技術）的結合體。生物信息學的研究材料和結果就是各種各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選）、處理（編輯、整理、管理和顯示）及利用（計算、模擬）。
1990年代以來，伴隨著各種基因組測序計劃的展開和分子結構測定技術的突破和Internet的普及，數以百計的生物學資料庫如雨後春筍般迅速出現和成長。對生物信息學工作者提出了嚴峻的挑戰：數以億計的ACGT序列中包涵著什麼信息？基因組中的這些信息怎樣控制有機體的發育？基因組本身又是怎樣進化的？
生物信息學的另一個挑戰是從蛋白質的氨基酸序列預測蛋白質結構。這個難題已困擾理論生物學家達半個多世紀，如今找到問題答案要求正變得日益迫切。諾貝爾獎獲得者W. Gilbert在1991年曾經指出：「傳統生物學解決問題的方式是實驗的。現在，基於全部基因都將知曉，並以電子可操作的方式駐留在資料庫中，新的生物學研究模式的出發點應是理論的。一個科學家將從理論推測出發，然後再回到實驗中去，追蹤或驗證這些理論假設」。
生物信息學的主要研究方向： 基因組學 - 蛋白質組學 - 系統生物學 - 比較基因組學
姑且不去引用生物信息學冗長的定義，以通俗的語言闡述其核心應用即是：隨著包括人類基因組計劃在內的生物基因組測序工程的里程碑式的進展，由此產生的包括生物體生老病死的生物數據以前所未有的速度遞增，目前已達到每14個月翻一番的速度。同時隨著互聯網的普及，數以百計的生物學資料庫如雨後春筍般迅速出現和成長。然而這些僅僅是原始生物信息的獲取，是生物信息學產業發展的初組階段，這一階段的生物信息學企業大都以出售生物資料庫為生。以人類基因組測序而聞名的塞萊拉公司即是這一階段的成功代表。
原始的生物信息資源挖掘出來後，生命科學工作者面臨著嚴峻的挑戰：數以億計的ACGT序列中包涵著什麼信息？基因組中的這些信息怎樣控制有機體的發育？基因組本身又是怎樣進化的？生物信息學產業的高級階段體現於此，人類從此進入了以生物信息學為中心的後基因組時代。結合生物信息學的新葯創新工程即是這一階段的典型應用。
[編輯本段]發展簡介
生物信息學是建立在分子生物學的基礎上的,因此,要了解生物信息學,就必須先對分子生物學的發展有一個簡單的了解.研究生物細胞的生物大分子的結構與功能很早就已經開始,1866年孟德爾從實驗上提出了假設:基因是以生物成分存在,1871年Miescher從死的白細胞核中分離出脫氧核糖核酸(DNA),在Avery和McCarty於1944年證明了DNA是生命器官的遺傳物質以前,人們仍然認為染色體蛋白質攜帶基因,而DNA是一個次要的角色.1944年Chargaff發現了著名的Chargaff規律,即DNA中鳥嘌呤的量與胞嘧定的量總是相等,腺嘌呤與胸腺嘧啶的量相等.與此同時,Wilkins與Franklin用X射線衍射技術測定了DNA纖維的結構.1953年James Watson 和FrancisCrick在Nature雜志上推測出DNA的三維結構(雙螺旋).DNA以磷酸糖鏈形成發雙股螺旋,脫氧核糖上的鹼基按Chargaff規律構成雙股磷酸糖鏈之間的鹼基對.這個模型表明DNA具有自身互補的結構,根據鹼基對原則,DNA中貯存的遺傳信息可以精確地進行復制.他們的理論奠定了分子生物學的基礎.DNA雙螺旋模型已經預示出了DNA復制的規則,Kornberg於1956年從大腸桿菌(E.coli)中分離出DNA聚合酶I(DNA polymerase I),能使4種dNTP連接成DNA.DNA的復制需要一個DNA作為模板.Meselson與Stahl(1958)用實驗方法證明了DNA復制是一種半保留復制.Crick於1954年提出了遺傳信息傳遞的規律,DNA是合成RNA的模板,RNA又是合成蛋白質的模板,稱之為中心法則(Central dogma),這一中心法則對以後分子生物學和生物信息學的發展都起到了極其重要的指導作用.經過Nirenberg和Matthai(1963)的努力研究,編碼20氨基酸的遺傳密碼得到了破譯.限制性內切酶的發現和重組DNA的克隆(clone)奠定了基因工程的技術基礎.正是由於分子生物學的研究對生命科學的發展有巨大的推動作用,生物信息學的出現也就成了一種必然.2001年2月,人類基因組工程測序的完成,使生物信息學走向了一個高潮.由於DNA自動測序技術的快速發展,DNA資料庫中的核酸序列公共數據量以每天106bp速度增長,生物信息迅速地膨脹成數據的海洋.毫無疑問,我們正從一個積累數據向解釋數據的時代轉變,數據量的巨大積累往往蘊含著潛在突破性發現的可能,"生物信息學"正是從這一前提產生的交叉學科.粗略地說,該領域的核心內容是研究如何通過對DNA序列的統計計算分析,更加深入地理解DNA序列,結構,演化及其與生物功能之間的關系,其研究課題涉及到分子生物學,分子演化及結構生物學,統計學及計算機科學等許多領域.生物信息學是內涵非常豐富的學科,其核心是基因組信息學,包括基因組信息的獲取,處理,存儲,分配和解釋.基因組信息學的關鍵是"讀懂"基因組的核苷酸順序,即全部基因在染色體上的確切位置以及各DNA片段的功能;同時在發現了新基因信息之後進行蛋白質空間結構模擬和預測,然後依據特定蛋白質的功能進行葯物設計.了解基因表達的調控機理也是生物信息學的重要內容,根據生物分子在基因調控中的作用,描述人類疾病的診斷,治療內在規律.它的研究目標是揭示"基因組信息結構的復雜性及遺傳語言的根本規律",解釋生命的遺傳語言.生物信息學已成為整個生命科學發展的重要組成部分,成為生命科學研究的前沿.
[編輯本段]主要研究方向
生物信息學在短短十幾年間,已經形成了多個研究方向,以下簡要介紹一些主要的研究重點.
1,序列比對(Sequence Alignment)
序列比對的基本問題是比較兩個或兩個以上符號序列的相似性或不相似性.從生物學的初衷來看,這一問題包含了以下幾個意義:從相互重疊的序列片斷中重構DNA的完整序列.在各種試驗條件下從探測數據(probe data)中決定物理和基因圖存貯,遍歷和比較資料庫中的DNA序列比較兩個或多個序列的相似性在資料庫中搜索相關序列和子序列尋找核苷酸(nucleotides)的連續產生模式找出蛋白質和DNA序列中的信息成分序列比對考慮了DNA序列的生物學特性,如序列局部發生的插入,刪除(前兩種簡稱為indel)和替代,序列的目標函數獲得序列之間突變集最小距離加權和或最大相似性和,對齊的方法包括全局對齊,局部對齊,代溝懲罰等.兩個序列比對常採用動態規劃演算法,這種演算法在序列長度較小時適用,然而對於海量基因序列(如人的DNA序列高達109bp),這一方法就不太適用,甚至採用演算法復雜性為線性的也難以奏效.因此,啟發式方法的引入勢在必然,著名的BALST和FASTA演算法及相應的改進方法均是從此前提出發的.
2, 蛋白質結構比對和預測
基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性.蛋白質的結構與功能是密切相關的,一般認為,具有相似功能的蛋白質結構一般相似.蛋白質是由氨基酸組成的長鏈,長度從50到1000~3000AA(Amino Acids),蛋白質具有多種功能,如酶,物質的存貯和運輸,信號傳遞,抗體等等.氨基酸的序列內在的決定了蛋白質的3維結構.一般認為,蛋白質有四級不同的結構.研究蛋白質結構和預測的理由是:醫葯上可以理解生物的功能,尋找dockingdrugs的目標,農業上獲得更好的農作物的基因工程,工業上有利用酶的合成.直接對蛋白質結構進行比對的原因是由於蛋白質的3維結構比其一級結構在進化中更穩定的保留,同時也包含了較AA序列更多的信息.蛋白質3維結構研究的前提假設是內在的氨基酸序列與3維結構一一對應(不一定全真),物理上可用最小能量來解釋.從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構.同源建模(homology modeling)和指認(Threading)方法屬於這一范疇.同源建模用於尋找具有高度相似性的蛋白質結構(超過30%氨基酸相同),後者則用於比較進化族中不同的蛋白質結構.然而,蛋白結構預測研究現狀還遠遠不能滿足實際需要.
3, 基因識別,非編碼區分析研究.
基因識別的基本問題是給定基因組序列後,正確識別基因的范圍和在基因組序列中的精確位置.非編碼區由內含子組成(introns),一般在形成蛋白質後被丟棄,但從實驗中,如果去除非編碼區,又不能完成基因的復制.顯然,DNA序列作為一種遺傳語言,既包含在編碼區,又隱含在非編碼序列中.分析非編碼區DNA序列目前沒有一般性的指導方法.在人類基因組中,並非所有的序列均被編碼,即是某種蛋白質的模板,已完成編碼部分僅占人類基因總序列的3~5%,顯然,手工的搜索如此大的基因序列是難以想像的.偵測密碼區的方法包括測量密碼區密碼子(codon)的頻率,一階和二階馬爾可夫鏈,ORF(Open Reading Frames),啟動子(promoter)識別,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等.
4, 分子進化和比較基因組學
分子進化是利用不同物種中同一基因序列的異同來研究生物的進化,構建進化樹.既可以用DNA序列也可以用其編碼的氨基酸序列來做,甚至於可通過相關蛋白質的結構比對來研究分子進化,其前提假定是相似種族在基因上具有相似性.通過比較可以在基因組層面上發現哪些是不同種族中共同的,哪些是不同的.早期研究方法常採用外在的因素,如大小,膚色,肢體的數量等等作為進化的依據.近年來較多模式生物基因組測序任務的完成,人們可從整個基因組的角度來研究分子進化.在匹配不同種族的基因時,一般須處理三種情況:Orthologous: 不同種族,相同功能的基因；Paralogous: 相同種族,不同功能的基因；Xenologs: 有機體間採用其他方式傳遞的基因,如被病毒注入的基因.這一領域常採用的方法是構造進化樹,通過基於特徵(即DNA序列或蛋白質中的氨基酸的鹼基的特定位置)和基於距離(對齊的分數)的方法和一些傳統的聚類方法(如UPGMA)來實現.
5, 序列重疊群(Contigs)裝配
根據現行的測序技術,每次反應只能測出500 或更多一些鹼基對的序列,如人類基因的測量就採用了短槍(shortgun)方法,這就要求把大量的較短的序列全體構成了重疊群(Contigs).逐步把它們拼接起來形成序列更長的重疊群,直至得到完整序列的過程稱為重疊群裝配.從演算法層次來看,序列的重疊群是一個NP-完全問題.
6, 遺傳密碼的起源
通常對遺傳密碼的研究認為,密碼子與氨基酸之間的關系是生物進化歷史上一次偶然的事件而造成的,並被固定在現代生物的共同祖先里,一直延續至今.不同於這種"凍結"理論,有人曾分別提出過選擇優化,化學和歷史等三種學說來解釋遺傳密碼.隨著各種生物基因組測序任務的完成,為研究遺傳密碼的起源和檢驗上述理論的真偽提供了新的素材.
7, 基於結構的葯物設計
人類基因工程的目的之一是要了解人體內約10萬種蛋白質的結構,功能,相互作用以及與各種人類疾病之間的關系,尋求各種治療和預防方法,包括葯物治療.基於生物大分子結構及小分子結構的葯物設計是生物信息學中的極為重要的研究領域.為了抑制某些酶或蛋白質的活性,在已知其蛋白質3級結構的基礎上,可以利用分子對齊演算法,在計算機上設計抑制劑分子,作為候選葯物.這一領域目的是發現新的基因葯物,有著巨大的經濟效益.
8.生物系統的建模和模擬
隨著大規模實驗技術的發展和數據累積，從全局和系統水平研究和分析生物學系統，揭示其發展規律已經成為後基因組時代的另外一個研究 熱點-系統生物學。目前來看，其研究內容包括生物系統的模擬（Curr Opin Rheumatol，2007，463-70），系統穩定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系統魯棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）為代表的建模語言在迅速發展之中，以布爾網路 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、隨機過程（Neural Comput，2007，3262-92）、離散動態事件系統等（Bioinformatics，2007，336-43）方法在系統分析中已經得到應 用。很多模型的建立借鑒了電路和其它物理系統建模的方法，很多研究試圖從信息流、熵和能量流等宏觀分析思想來解決系統的復雜性問題（Anal Quant Cytol Histol，2007，296-308）。當然，建立生物系統的理論模型還需要很長時間的努力，現在實驗觀測數據雖然在海量增加，但是生物系統的模型辨 識所需要的數據遠遠超過了目前數據的產出能力。例如，對於時間序列的晶元數據，采樣點的數量還不足以使用傳統的時間序列建模方法，巨大的實驗代價是目前系 統建模主要困難。系統描述和建模方法也需要開創性的發展。
9.生物信息學技術方法的研究
生物信息學不僅僅是生物學知識的簡單整理和、數學、物理學、信息科學等學科知識的簡單應用。海量數據和復雜的背景導致機器學習、統 計數據分析和系統描述等方法需要在生物信息學所面臨的背景之中迅速發展。巨大的計算量、復雜的雜訊模式、海量的時變數據給傳統的統計分析帶來了巨大的困難， 需要像非參數統計（BMC Bioinformatics，2007，339）、聚類分析（Qual Life Res，2007，1655-63）等更加靈活的數據分析技術。高維數據的分析需要偏最小二乘（partial least squares，PLS）等特徵空間的壓縮技術。在計算機演算法的開發中，需要充分考慮演算法的時間和空間復雜度，使用並行計算、網格計算等技術來拓展演算法的 可實現性。
10, 生物圖像
沒有血緣關系的人，為什麼長得那麼像呢？
外貌是像點組成的，像點愈重合兩人長得愈像，那兩個沒有血緣關系的人像點為什麼重合？
有什麼生物學基礎？基因是不是相似？我不知道，希望專家解答。
11, 其他
如基因表達譜分析,代謝網路分析;基因晶元設計和蛋白質組學數據分析等,逐漸成為生物信息學中新興的重要研究領域;在學科方面,由生物信息學衍生的學科包括結構基因組學,功能基因組學,比較基因組學,蛋白質學,葯物基因組學,中葯基因組學,腫瘤基因組學,分子流行病學和環境基因組學.從現在的發展不難看出,基因工程已經進入了後基因組時代.我們也有應對與生物信息學密切相關的如機器學習,和數學中可能存在的誤導有一個清楚的認識.
[編輯本段]生物信息學與機器學習
生物信息的大規模給數據挖掘提出了新課題和挑戰,需要新的思想的加入.常規的計算機演算法仍可以應用於生物數據分析中,但越來越不適用於序列分析問題.究其原因,是由於生物系統本質上的模型復雜性及缺乏在分子層上建立的完備的生命組織理論.西蒙曾給出學習的定義:學習是系統的變化,這種變化可使系統做相同工作時更有效。機器學習的目的是期望能從數據中自動地獲得相應的理論,通過採用如推理,模型擬合及從樣本中學習,尤其適用於缺乏一般性的理論,"雜訊"模式,及大規模數據集.因此,機器學習形成了與常規方法互補的可行的方法.機器學習使得利用計算機從海量的生物信息中提取有用知識,發現知識成為可能.機器學習方法在大樣本,多向量的數據分析工作中發揮著日益重要的作用,而目前大量的基因資料庫處理需要計算機能自動識別,標注,以避免即耗時又花費巨大的人工處理方法.早期的科學方法—觀測和假設----面對高數據的體積,快速的數據獲取率和客觀分析的要求---已經不能僅依賴於人的感知來處理了.因而,生物信息學與機器學習相結合也就成了必然.機器學習中最基本的理論框架是建立在概率基礎上的,從某種意義來說,是統計模型擬合的延續,其目的均為提取有用信息.機器學習與模式識別和統計推理密切相關.學習方法包括數據聚類,神經網路分類器和非線性回歸等等.隱馬爾可夫模型也廣泛用於預測DNA的基因結構.目前研究重心包括:1)觀測和探索有趣的現象.目前ML研究的焦點是如何可視化和探索高維向量數據.一般的方法是將其約簡至低維空間,如常規的主成分分析(PCA),核主成分分析(KPCA),獨立成分分析(Independent component analysis),局部線性嵌套(LocallyLinear embedding).2)生成假設和形式化模型來解釋現象[6].大多數聚類方法可看成是擬合向量數據至某種簡單分布的混合.在生物信息學中聚類方法已經用於microarray數據分析中,癌症類型分類及其他方向中.機器學習也用於從基因資料庫中獲得相應的現象解釋.機器學習加速了生物信息學的進展,也帶了相應的問題.機器學習方法大多假定數據符合某種相對固定的模型,而一般數據結構通常是可變的,在生物信息學中尤其如此,因此,有必要建立一套不依賴於假定數據結構的一般性方法來尋找數據集的內在結構.其次,機器學習方法中常採用"黑箱"操作,如神經網路和隱馬爾可夫模型,對於獲得特定解的內在機理仍不清楚.
[編輯本段]生物信息學的數學問題
生物信息學中數學佔了很大的比重.統計學,包括多元統計學,是生物信息學的數學基礎之一;概率論與隨機過程理論,如近年來興起的隱馬爾科夫鏈模型(HMM),在生物信息學中有重要應用;其他如用於序列比對的運籌學;蛋白質空間結構預測和分子對接研究中採用的最優化理論;研究DNA超螺旋結構的拓撲學;研究遺傳密碼和DNA序列的對稱性方面的群論等等.總之,各種數學理論或多或少在生物學研究中起到了相應的作用.但並非所有的數學方法在引入生物信息學中都能普遍成立的,以下以統計學和度量空間為例來說明.
1, 統計學的悖論
數學的發展是伴隨悖論而發展的.對於進化樹研究和聚類研究中最顯著的悖論莫過於均值了，就說明了要採用常規的均值方法不能將這兩類分開,也表明均值並不能帶來更多的數據的幾何性質.那麼,如果數據呈現類似的特有分布時,常有的進化樹演算法和聚類演算法(如K-均值)往往會得錯誤的結論.統計上存在的陷阱往往是由於
對數據的結構缺乏一般性認識而產生的.
2, 度量空間的假設
在生物信息學中,進化樹的確立,基因的聚類等都需要引入度量的概念.舉例來說,距離上相近或具有相似性的基因等具有相同的功能,在進化樹中滿足分值最小的具有相同的父系,這一度量空間的前提假設是度量在全局意義下成立.那麼,是否這種前提假設具有普適性呢，我們不妨給出一般的描述:假定兩個向量為A,B,其中,,則在假定且滿足維數間線性無關的前提下,兩個向量的度量可定義為:(1)依據上式可以得到滿足正交不變運動群的歐氏度量空間,這也是大多數生物信息學中常採用的一般性描述,即假定了變數間線性無關.然而,這種假設一般不能正確描述度量的性質,尤其在高維數據集時,不考慮數據變數間的非線性相關性顯然存在問題,由此,我們可以認為,一個正確的度量公式可由下式給出:(2)上式中採用了愛因斯坦和式約定,描述了變數間的度量關系.後者在滿足(3)時等價於(1),因而是更一般的描述,然而問題在於如何准確描述變數間的非線性相關性,我們正在研究這個問題.
[編輯本段]統計學習理論在生物信息學中應用的困難
生物信息學中面對的數據量和資料庫都是規模很大的,而相對的目標函數卻一般難以給出明確的定義.生物信息學面臨的這種困難,可以描述成問題規模的巨大以及問題定義的病態性之間的矛盾,一般從數學上來看,引入某個正則項來改善性能是必然的[7].以下對基於這一思想產生的統計學習理論,Kolmogorov復雜性[98]和BIC(Bayesian Information Criterion)[109]及其存在的問題給出簡要介紹.支持向量機(SVM)是近來較熱門的一種方法,其研究背景是Vapnik的統計學習理論,是通過最大化兩個數據集的最大間隔來實現分類,對於非線性問題則採用核函數將數據集映射至高維空間而又無需顯式描述數據集在高維空間的性質,這一方法較之神經方法的好處在於將神經網路隱層的參數選擇簡化為對核函數的選擇,因此,受到廣泛的注意.在生物信息學中也開始受到重視,然而,核函數的選擇問題本身是一個相當困難的問題,從這個層次來看,最優核函數的選擇可能只是一種理想,SVM也有可能象神經網路一樣只是機器學習研究進程中又一個大氣泡.Kolmogorov復雜性思想與統計學習理論思想分別從不同的角度描述了學習的性質,前者從編碼的角度,後者基於有限樣本來獲得一致收斂性.Kolmogorov復雜性是不可計算的,因此由此衍生了MDL原則(最小描述長度),其最初只適用於離散數據,最近已經推廣至連續數據集中,試圖從編碼角度獲得對模型參數的最小描述.其缺陷在於建模的復雜性過高,導致在大數據集中難以運用.BIC准則從模型復雜性角度來考慮,BIC准則對模型復雜度較高的給予大的懲罰,反之,懲罰則小,隱式地體現了奧卡姆剃刀("Occam Razor")原理,近年也廣泛應用於生物信息學中.BIC准則的主要局限是對參數模型的假定和先驗的選擇的敏感性,在數據量較大時處理較慢.因此,在這一方面仍然有許多探索的空間.

『柒』 吉爾伯特的偉大貢獻是什麼

吉爾伯特的偉大貢獻在於他進行了磁鐵和指南針實驗，提出地球本身就是一大塊球形磁鐵。

地球具有磁性的思想使吉爾伯特推測，地球的磁性引力使物體保持在地球上。雖然他是錯誤的，但他的理論為「地心引力」理論開辟了道路。吉爾伯特的地球模型在今天仍是對地球磁性的標准描述，但他藉助於磁力解釋行星繞太陽運動的嘗試是不正確的。後來牛頓的萬有引力思想卓有成效地解決了這個問題。

『捌』 cs1.6的陣營文件

cstrike\models\player\leet 警察1模型文件
cstrike\models\player\gsg9 警察2模型文件
cstrike\models\player\sas 警察3模型文件
cstrike\models\player\gign 警察4模型文件
cstrike\models\player\terror 土匪1模型文件
cstrike\models\player\urban 土匪2模型文件
cstrike\models\player\arctic 土匪3模型文件
cstrike\models\player\guerilla 土匪4模型文件