從Shannon的信息熵到控制系統的狀態熵，一脈相承卻創新無限。清華大學從自治系統的演化動力學出發，對狀態熵變化率與系統聚合度關系進行了分析，為系統智能性度量提供新視角。
控制系統作為現代工程與科學的核心技術之一，廣泛應用于自動駕駛、機器人、航空航天、電力系統等多個領域。
自上世紀60年代興起的現代控制理論，使用狀態空間方程作為描述工具，對系統的可控性、可觀性、穩定性等基本屬性進行分析：
可控性描述了系統是否能在有限時間內從任意初始狀態轉移到目標狀態；
可觀性則衡量系統內部狀態是否能通過輸出信號唯一重構；
穩定性則確保系統在受到擾動后仍能保持在平衡狀態附近。
這些性質為控制器設計提供了理論依據，并在實際工程中得到了廣泛應用。
現有理論大多聚焦于單一初始狀態對應的單條軌跡行為。然而，系統的演化過程是整體性的，且極大受到初始分布的影響，尤其是在非線性系統中。
如何描述控制系統的整體行為，是一個待解決的重要問題。
一種可行的思路：通過隨機變量來描述系統狀態的概率分布，用隨機變量的分布變化描述系統內在的聚集或擴散趨勢。
基于這一思路，清華大學科研團隊首次提出狀態熵(state entropy)的概念，用于分析控制系統的聚集程度(degree of aggregation)，即聚合性，并將其作為描述系統演化過程的基本屬性之一。