分形集梯度。量子干涉谱就是一种分形集，或者说，把信息空间进行分形过程。 雷达的T-R组件也是一种分形集。有源相控阵是用主动波束，对目标空间进行电磁干涉分形，利用电磁谱的分形梯度，对目标空间的目标，进行分形辨识。 无源相控阵雷达，利用接收天线阵列（T-R组件），对目标空间的电磁谱，进行分形，实际上就是利用分形集梯度进行辨识目标。人眼就光学无源雷达；它接收目标的发出光或反射的杂散光，然后，在视网膜上进行谱分析，或叫谱的分形辨识。相应的，将视网膜的分形图或谱分形图，投射到大脑神经网络上，进行更进一步的量子干涉分形过程或辨识。 所以说，AI要急需引入分形原理，定义分形集梯度（或密度）的概念。正交函数系也可是一种分形集；康托（尔）集也是一种分形集，这里的关键是分形集的测度如何在数据结构中定义，就是神经元上的数学定义如何与实际物理信号“挂钩”。 目前看，通过欧拉函数，让任意两个复数乘积为实数，不仅仅是复数域上的一种划分，而且是电磁力、电磁空间上的物理划分。数学上的函数变换，拉普拉斯变换，∫η（s）e^-stds，就是用欧拉函数在复域做划分，映射到实域。比如说，两个正负电荷吸引就是两电荷发出的“电力线”，“欧拉配对”过程，“电力线”获得配对根数越多，两电荷间的吸引力越大。 另外一个例子就是量子隧穿发生，它是基于粒子波函数与势垒波函数的“欧拉配对”，及其配对密度而发生的量子事件；其实量子（事件）辨识也就是一种量子隧穿过程，也可叫量子分形匹配。单光子（粒子）双缝干涉实验，呈现的干涉谱分布，就是量子事件的几率分布或分形图，也是遵循“欧拉配对”规则。 辐射能、电磁空间都遵循“欧拉配对”规则；动能或叫热能、引力空间遵循拓扑同伦分形或划分。 T-R组件在空间可以有各种几何分布排列，通常都是矩阵形排列。它其实就是一种分形集，T-R几何长度对应着某个频谱的谐振，其实就是“欧拉配对”；组件的几何密集度，就是它的分形测度。它很像康托分形集，任何开集的（1/3，2/3）子集上的所有有理数组成的集合。康托分形集是抽象分形，没有具体的空间几何形式，它只规定了分形集梯度或测度或密度，适合做AI的软件框架。目前就是找到一种数据结构，表示或存储康托分形集。 你当初如果选择雷达AI方向…。不过现在也不晚。我们当初做无源雷达，只是在做无线电定位。现在是人眼、智能天线和电磁信息空间的分形辨识方向。你要广泛“开源”接收各种信息为我所用，不要戴着有色眼镜看待各种信息源。