除此之外 ， 这方面还有一些较小规模的研究工作 。 例如 ， 存眷阿拉伯美食 ， 研究它是否合适食物搭配假说[37] 。 对中宿世纪欧洲美食[38]研究也涉及了风味配对 ， 包罗汗青风味演变 。 作者出格存眷数据不完全和错误的感化 ， 为此利用了两个分歧洁净度的自力化合物数据集 ， 表白它们给出了与中宿世纪欧洲风味配对假说相矛盾的结论 。
【如何从复杂性科学视角进行审美？】当很多新的配料俄然呈现时 ， 对烹调艺术的成长可能会呈现一些展望 ， 这些推论也被提出来会商 。 例如中国处所菜系地舆位置与天气相似性的关系 ， 研究表白 ， 决议中国处所菜肴相似性的关头身分是地舆上的接近 ， 而不是天气上的相似 。
按照 Kinouchi 等人[31]烹调进化的复制-突变模子 ， 近似的模子也被专门用于研究分歧的印度菜肴[40] 。 作者们认为 ， 除了已确定的各地域之间的异同之外 ， 在风味的化合物程度上对这些模子进行比力 ， 可能会斥地一条通往分子程度研究的道路 ， 将特定当作分与糖尿病等非传染性疾病联系起来 。
除了对地舆和时代的乐趣之外 ， 烹调艺术和更硬的科学连系 ， 也发生了近似《告诉我您吃什么 ， 就知道您从哪里来：基于一种收集全球食谱的数据科学方式》（Tell me what you eat, and I will tell you where you come from: A data science approach for global recipe data on the web）这样的研究 。 正如题目所示 ， 它催生了食物计较[42] ， 从分歧来历获取和阐发各类食物数据 ， 用于食物的感知、识别、检索、保举和监测 。 这些计较方式 ， 可以应用于解决食物相关的问题 ， 在医学 ， 生物学 ， 美食学和农学等范畴 。
基于一个大型在线食谱平台的办事器日记数据 ， 研究者还摸索了收集上的食物偏好[43] 。 研究表白 ， 食谱偏好在必然水平上是由食材驱动的 ， 食谱偏好分布比食材偏好分布表示出了更多的地域差别 ， 工作日的偏好与周末的偏好也较着分歧 。 按照近似思绪 ， 研究人员还经由过程推特（twitter）[44]以及收集日记利用环境研究了网平易近的食物消费和饮食模式 ， 得出了“您吃什么就推什么”（you tweet what you eat）的结论[45] 。
最后我们以一本今世册本《人人都吃》（ Everyone Eats）[45]来竣事这一部门切磋 。 该书切磋了我们为什么吃我们所吃的 ， 为什么有些人喜好喷鼻料、糖果和咖啡 ， 为什么大米会当作为东亚良多处所的本家儿食 。 这本书聚焦于我们选择食物的社会和文化原因 ， 可能是超越物理和收集、进一步摸索饮食这个迷人本家儿题的好辅佐 。
三 视觉艺术
天然界常见的模式凡是是斑斓而迷人的[47] ， 模式形当作的研究也普遍在物理学、化学和生物学中睁开着 ， 此中包罗有序和无序布局若何进行量化[48-54] 。 事实上 ， 自从人工智能之父艾伦·图灵对形态发生的化学根本进行开创性的研究以来 ， 这个课题就一向在科学上活跃着并普遍受到存眷[55] 。 是以豪不奇异 ， 物理学顶用来量化研究模式的很多方式都可以用来研究艺术 ， 有的甚至几乎不需任何点窜 。
只不外一向以来 ， 研究者面对的瓶颈是若何将视觉艺术转化为高质量的数字形式 ， 尤其是对大量的美术作品 。 但自从有了 wikiart.org ， 这一问题获得了完美的解决 ， 它为利用物理方式大规模阐发艺术的摊平了道路 。
熵-复杂性：艺术汗青与艺术气概之树
基于大量数字影像数据 ， Sigaki 等人[56]经由过程熵和复杂性视角研究了艺术绘画的汗青 。 包罗近14万幅跨越近一千年艺术史的画作被纳入研究 。 成果很有趣 ， “复杂性-熵”平面（complexity-entropy plane）能很好反映了艺术史中的传统概念 ， 如 Wlfflin 对美术线绘与涂绘的双重概念 ， Riegl 对有关触觉与光学的二分法[57, 58]等 。
推荐阅读
- 如何更新uc浏览器？
- word2010如何设置项目符号和编号？
- 如何在桌面显示我的电脑图标
- sql server如何添加外键
- 如何修改图片后缀名
- 如何用光盘制作小企鹅
- 如何重新设置vivo手机其他应用打开方式？
- 点播影院 如何让私人影院生意更红火
- 网易云音乐如何进行意见反馈
- 优酷怎么下载视频，优酷如何下载视频