第一周
同性恋的遗传学假说
第一周作业主要是熟悉这个平台使用，内容不限，那么我这次就从遗传学的角度谈谈我对同性恋的看法。6月26日，美国最高法院宣布同性恋婚姻在全美合法，再一次将同性恋话题推向风口浪尖。而人们对于同性恋产生原因也是众说纷纭，直到现在也没有一个令人信服的说法。其实同性恋并不是人类所特有的行为，同性恋其实普遍存在于哺乳动物中，这就提醒了我们一点，同性恋也许不仅仅是后天环境的产物，而是根植于我们的DNA中，由一段特殊的序列所控制。假如同性恋主要由基因控制，我们可以发现很多很有趣的推论。（所有的推论都是以达尔文进化论作为理论基础）我们先考虑最简单的一种情况，及同性恋是由单基因决定的，根据现在同性恋在人群中所占的比例我们可以大胆推测同性恋是隐性基因，也就是说人必须要同时拥有两个同性恋基因才会表现出同性恋这种性状，我们就以a表示同性恋基因，相反A就是抑制基因，它的出现将抑制a基因的表达。所以同性恋者的基因就是aa，而正常人为AA/Aa。我们必须要注意到一点，也是接下来所有推导的根据，同性恋不能产生后代。一个基因的表达结果是不能产生后代，那么这个基因相当于是致死基因，其实这个基因不仅杀死了基因所有者，其实也在消灭基因本身。因为aa的个体不能产生后代，a基因不能遗传给下一代，所以a基因的频率就会在群体中迅速下降。为了更加方便研究这个问题我们引入一个简单的数学模型。 我们设A基因在群体中的频率为p，a基因在群体中的频率为q。则基因型为AA个体的频率为p²，Aa个体频率为2pq，aa个体频率为q²。设s为基因的选择度，那么w=1-s就为此基因的适应值。如下表所示
| 基因型 | AA | Aa | aa | 群体 | |||||
| 起始频率 | p² | 2pq | q² | 1 | |||||
| 适应值w | 1 | 1 | 1-s | w | |||||
| 选择后 | p² | 2pq | q²（1-s） | 1-sq² | 相对频率 | p²/(1-sq²） | 2pq/(1-sq²） | q²（1-s）/（1-sq²） | 1 |
计算下一代a的基因频率 q1=P（AA)+0.5p(Aa)=q（1-q）/1-sq² Δq=q1-q=-sq²（1-q）/1-sq² 因为同性恋在人群中占的比例很低所以1-sq²≈1 所以Δq=-sq²（1-q） 可见a基因频率会随着传代次数增加而下降。
那么为什么同性恋基因不会在生物进化漫长的过程中被淘汰呢？我给出一些自己的解释。首先，我们刚才的模型是假设AA和Aa基因拥有100%的存活率（或者说是能找到配偶并产生后代的概率，单身狗的w=0）其实现实社会中并不可能存在这种情况，人都会由于各种原因死亡或找不到配偶使基因w＜1，假如a基因想要在历史长河中不被淘汰，它只有一个选择，就是增加Aa基因型的w值，换而言之，就是携带有同性恋基因的个体（因为有A基因，所以不会表现出a性状）要能比其他存活率提高或者更能吸引异性，所以我们可以再修改一下之前的数学模型。
| 基因型 | AA | Aa | aa | 群体 | |||||
| 起始频率 | p² | 2pq | q² | 1 | |||||
| 适应值w | 1-t | 1 | 1-s | ||||||
| 选择后 | p²（1-t） | 2pq | q²（1-s） | 1-sq²-tp² | 相对频率 | p²（1-t）/(1-sq²-tp²） | 2pq/(1-sq²-tp²） | q²（1-s）/（1-sq²-tp²） | 1 |
然后跟上面一样，计算a基因的频率变化，q1=P（AA)+0.5p(Aa)=q（1-qt）/1-sq²-tp² Δq=q1-q=pq（pt-qs）/1-sq²-tp² 假如要使遗传平衡，Δq=0，有三个解p=0/q=0/pt=qs 前面两个解表示基因已经完全淘汰不符合我们模型设定，所以pt=qs就是我们的解。
其实上述模型借用了一个在现实中的例子，我们都知道有一种遗传性疾病叫做镰刀形型细胞贫血症，患病者因为基因缺陷导致血红蛋白三维结构非常态化，这种病也是由一组隐性基因所控制的，纯隐性个体无法活到成年，所以w=0。而这种病的杂合体的症状较纯隐性个体较低，不会死亡，但他的血细胞中也有一部分是非常态化的。照常理这种严重的遗传疾病的基因频率会因为自然选择的原因而非常低，确实，在大部分地区，这是一种非常罕见的疾病。但在非洲的某些地区，镰刀形贫血症却司空见惯，这是因为非洲疟疾十分流行，而疟疾是由疟原虫寄生在人体血细胞导致的。但是疟原虫不能适应非常态的血细胞，这就导致杂合体较显性纯合体有更高的适合度。跟我们上面所假设的模型一样，隐性患病基因的频率可以有一个平衡点（pt=qs）。 以上就是我以遗传学角度对同性恋机制的探讨，如有错误，欢迎指正。
第二周
总结 本周我们主要学习了有关量子力学的内容，课程内容丰富，老师授课精彩，同学讨论积极。虽然我还没有学习量子物理，但通过老师的讲解已经对量子物理有了大概的认识。课堂上老师大部分的时间用来讲解波粒二象性，著名的双缝单电子试验告诉我们电子似乎既有波的性质又有粒子的性质，然而这违背了我们的常理。韩老师也提出了他的看法，韩老师认为在量子物理学中我们不能生搬硬套经典物理中的概念，波与粒本质上就是相互对立的，以一个对立的概念来建立一个新的学说是不可能成功的，所以我们应该跳出经典物理的圈子，以全新的眼光来看待新概念。之后老师又介绍了有关非限定域的概念，并用“管中窥豹”形象的比喻了这个生涩的物理学词汇。也让我第一次明白真随机与伪随机的区别。
- 总之，通过这次课让我对量子物理有了大概的认识，也第一次用逻辑模型学习了全新的学科，受益匪浅。
专业词条
人物及其经典实验
第三周
课前预习：
霍姆斯《法律的道路》中经典语句：
| “我们研究的目标就是预测，是对通过法院而实现的公共权力的影响范围的预测。” |
| “法律思想每个新成就的最为重要和几乎全部的意义就是使这些预言变得更加精确，并把它们归纳成一个充分联系的体系。” |
| “我所指的错误是这样一种观念，即法律的发展过程中唯一起作用的力量是逻辑。在逻辑形式的背后隐藏着对于相互冲突的立法基础的相对价值和重要性的判断，它经常是一个含混不清和无意识的判断，这不但真实，而且还是整个程序的根基和关键。” |
| “对法律的理性研究而言，现在所需要的或许是精通文字的人，而未来所需要的则是精通统计和经济学的人。” |
我注意到其中有一个非常有趣的观点，说未来的法律人才必须具备统计学和经济学的知识。这与我们学科交叉的思想不谋而合，以往法律是通过历史事件，案例而不断改进发展的。如果将来我们能从数学的角度，特别是统计学的角度，研究法律问题，我觉得这将会是一个非常有趣的尝试。
课堂笔记 法律的生命不是逻辑而是经验。 四力调控法则
学科对比
| 生物学 | 法学 | 相同点 | 不同点 | |
| 研究内容 | 生物学是研究生物的结构、功能、发生和
发展的规律，以及生物与周围环境的关系等的科学。 |
法学又称法律学、法律科学，是以法律、法律现象以及其规律性为研究内容的科学 | 均是对具体现象的理解和研究 | 研究对象不同，适用对象不同 |
| 所处地位 | 作为自然科学的传统学科，生物学研究范围非常广泛，小到纳米级的病毒，大到地球生态圈都是生命科
学的研究范围，学科交叉的思想在生命科学中比比皆是，可以说是一个及所有基础学科于一身的综合学科。 |
法学是世界各国高等学校普遍开设的大类，也是中国大学的十大学科体系之一 | 是人们生产生活中不可缺少的内容 | |
| 对发现的理解 | 对物质[1]运动与变化的客观规律的揭示 | 发现的本质在于发现行为本身 | 是对事物的理解或再创造 | 前者更偏向于观察行为，后者则是思辨行为 |
| 思维 | 要在头脑中形成对整个物理世界本质的、完整的、深刻的反映，就要对观察过的物理现象、物理事实、物理过程等在大脑中形成清晰的物理图景，并反复加工、合理改造、去粗取精，把感性认识上升为理性认识，此即物理思维。 | 法律思维是法律职业者的特定从业思维方式，是法律人在决策过程中按照法律的逻辑，来思考、分析、解决问题的思考模式，或叫思维方式。 | 都存在相对固定的逻辑过程 | 前者是一个过程，后者更像一个模式 |
| 主要内容 |
*动植物学(systematics)
研究动植物基本形态，并合理分类
*分子生物学(molecular biology )
研究分子层次上的生物学问题，如核酸，蛋白质和他们之间相互作用关系
*细胞生物学(Cell Biology) 细胞生物学是在显微、亚显微和分子水平三个层次上，研究细胞的结构、功能和各种生命规律的一门科学。 *发育生物学育生物学（developmental biology）
从分子水平、亚显微水平和细胞水平来研究分析生物体从精子和卵的发生、受精、发育、生长直至衰老死亡的过程及其机理。
|
*理论法学 即：从总的方面探求法学研究 对象的各种基本概念、基本原理、基本 原则和基本规律的法学分支学科的总称。 *历史法学 即：专门研究法、法的现象以 及与法相关问题中的历史问题的法学分 支学科的总称。 *应用法学 即：旨在直接服务法律实际 生活、帮助解决法律实际问题的法学 分支学科的总称。 *综合法学 即：具有相当大的跨越性 的法学分支学科的总称。 |
发展较成熟，在不同方面与我们的生产、生活密不可分。都还有有发展空间，如：物理中的量子力学；法学中的综合法学。 | 因研究对象不同而产生内容差异，但应用原理也许有交叉。 |
神经生物学 计算机科学 词条对比
| 神经生物学 | 神经元 | 神经突触 | 神经递质 | 神经调控 | 功能区 |
| 计算机科学 | 输入单元 | 输出单元 | 控制单元 | 语言/程序 | 计算机网络 |
计算机的出现无疑大大推进了神经科学的发展，例如欧洲的人类大脑计划就是先把大脑切成许多薄片，然后扫描每一张薄片，最后得出整个大脑中所以神经元的分布和神经元之间的分布,最终通过计算机模拟出大脑功能。
学习图表 Kuhn Cycle