电路里运行的是电荷，主要是自由电子；电子运动形成电流，其实就是像一序列弹珠，第一个通过碰撞下一个，这样依次把其动能传递到最后一个，形成所谓的电子运动的流，其实就是一个电场能量的传导、传递，每个自由电子本身并没移动多远，只是通过这种碰撞传递（其实就是一种驻波，量子力学上讲的波函数，把电子看做是电荷波函数的波包也行，一种驻波碰撞叠加）了电场能量而已。 直流电路也仅仅是这种电荷的驻波能量传递，而交流电路，微分电路、谐振电路等等，则还要传递电磁波能量，就是所谓位移电流形成的能量（实际上，还有电荷、偶极子自旋等形成的拓扑电流，这应该是我发现的，可以申请专利）。 位移电流的能量传导，没法禁锢在导体表面，只遵循“最小代价”原则，正如磁力线只遵循“磁阻”最小原则，来形成其磁通量的通路一样。 那么，量子器件中运行的，具有量子效应的几率波，或者说是，量子事件波函数，或波函数波包。 由于在宏观体系下，实际上都主要是电磁力在起主导作用，引力作用几乎忽略不计，所以说，量子器件中运行的仍然是电荷（粒子），光子也是附着在实物粒子的出现而出现而运行。只不过量子器件中的电荷运行规律，是有量子效应的，遵循量子状态空间下的，量子运行属性的，典型的就是量子干涉性质、波函数几率波性质，还有就是欧拉联络。 人脑处理信息的过程是这样的:例如，外界目标的光波经过人眼射到视网膜上；视网膜就是人大脑神经网络输入层，将目标光信号转换为大脑神经网络（量子神经网络）运行的、微弱的量子信号；这个量子信号要到大脑中的经验库，或叫知识库中，进行“意义匹配”，或者说，叫逻辑关联；也就是说，人脑量子神经网络，运行微弱量子信号过程，就是对目标信号进行量子逻辑关联过程（抽象思维过程），在人类语言编码或编辑下进行量子逻辑关联。 在这点上与你的人工神经网络运算过程，完全不一样；人工神经网络是一个张量模型，它的运行结果，无非就是像傅立叶函数变换一样，把目标信号（函数）展开在高斯函数空间上，给你说的高级点，就是在高斯函数空间上挖掘出一条最优泛函。 现在的ChatGPT等，无非是一个“文本编辑程序”，也是想像人脑一样，将非序关系的文本信息，在程序中进行二值逻辑的关联优化而已，利用八位二进制编码进行二值逻辑的关联、搜索（学习）和优化。 你说的，我们是将文字这种非序信息转化为一个n维向量，然后输入到一个张量模型中，进行“函数优化”？这里的非序信息里的逻辑关联信息，能这么“优化”出来？ 你需要深入点学习一下ChatGPT，看看它的数据库（知识库）的数据结构，到底是什么样的，别一知半解，半瓶醋晃荡。 人脑这种量子神经网络，脑神经细胞中的离子通道，是通过极微弱的离子，包括电子等带电粒子，它虽然也是电荷流，但是，它是量子属性的，以量子干涉行为，在脑子量子状态空间中，以量子事件几率性“坐实”方式，在大脑中进行“思维”；它的量子信号是以波函数几率波方式运行的。因为，它是量子事件几率发生在脑空间中，导致其自然逻辑是量子多值、模糊逻辑。 人脑的知识库（经验库），与你说的一样，是建立在整个大脑神经网络空间上的，没有像电脑这样的硬存储区；所以说，电脑这种硬存储知识库，不可能建立起信息空间上的逻辑联系，因为人的知识库它是一个拓扑，其上的规则是自洽的，是需要不断学习添加的，没有“拓扑边界”，硬存储肯定不可能有这种逻辑自洽性质。目前看，二值逻辑形成的知识库，是否具有规则自洽性，即由拓扑本身的子集生成拓扑规则（逻辑规则），需要给出一个证明。 我还是那句话，经典人工智能就是个数据挖掘工具而已；人脑思维是知识挖掘，是挖掘非序信息上的逻辑关系（规律）。非序信息属于上层信息，它的底层是物理的序关系信息，它们之间的联络就是欧拉联络，就是量子信号对称共轭联络，量子事件，其共轭几率波碰撞“坐实”。 你不要莫名其妙的排斥我写的，静下心来多看几遍！从你的叙述看，现在的什么机器学习、什么人工智能模型，真没啥进展！你在杂刊上看看有没有人研究量子神经网络，这才是正题！ 你不用怀疑人脑的量子过程性。现在由于看到希尔伯特空间上的这个欧拉联络，是个自然物理性质，不是什么数学性质，所以，量子神经网络具有形式的可表达途径了。 我不想打击你，人工智能只是一个数据挖掘工具，在有序关系的信息空间有一定的优势，但不可能有人脑的思维能力。如果有可能的话，至少也是要摒弃硬存储，但是，电脑没有硬存储，其程序又不可运行，都是基于基栈、指针、数组等数据格式及语言，根本就没法没有硬存储。所以，电脑没法建立起自洽逻辑的知识库