相同的高度有N条路径从A点（高处）至B点（低处），将小球从A点放下，由于重力作用，其中有一条曲线（摆线）花费时间最短，这是著名的最速降线问题。最速降线遵循最小作用量原理 也就是 m*vds 的累加为最小值的轨道就是最速降线，而物体的实际状态由位置x, y, z, 和相应位置的速度Vx, Vy, Vz 这6个变量共同组成，mv*ds对应的最速降线也是状态变化量累加值最小的曲线，因此最速降线也就是最小熵增的曲线，这时候我们发现最速降线问题等同于高尔顿钉板（见附件图），其下方最大概率的落脚点是粒子坠落的时候状态改变的累加值最小的点/范围，也是大多数粒子降落的位置，该位置也是花费时间最小落到地面的位置。


如果最速降线的问题与高尔顿钉板本质是同一个问题，我们开始通过高尔顿钉板来观察最速降线的特征，有以下结论：


1. 最速问题与光的折射属于相同的问题（见约翰.伯努利描述），光的折射问题与光总是走最快路径的费马原理相同，所以光也是走熵变化最小的路径的背后原因，可以假设一个小球（光子）向下滚动，大概率走到最中间的范围，同时也是最快路径。

2. 最速降线也可以解释为什么导线使用相同的电源情况下，电流总是走电阻最小的导线，因为电子在电阻小的导线会被碰撞的次数最少，状态改变最少，或者说平均自由程最长。由于常温下电子在导线中的定向移动与其他电子频繁碰撞(想象为非完全碰撞条件下的高尔顿钉板，且将重力场换成电场)，所以CPU从内存读取8个字节到计算单元耗费1000pj, 而真正计算仅仅需要10pj。

3. 最快路径就是熵增最少的路径，所以 减少状态的改变是优化性能的关键，状态的改变恰恰是热力学熵增的过程，这也是我们在https://www.mysmth.net/nForum/#!article/CSArch/61051 中提到的观点
--
修改:MaLing FROM 47.251.3.*
FROM 47.251.3.*

无状态&仅仅事件驱动的程序与最小作用量之间是否有对等关系?
因为程序可以看作信息量在其上传递的载体, CPU 计算的过程同样可看作信息量在程序载体上传递的过程。因此从理论上我们持续优化代码努力找到一条执行最快的路径，与最小作用量导致的最速降线(最快路径）是否相同？
--
修改:MaLing FROM 120.204.221.*
FROM 157.0.134.*