从Shannon的信息熵到控制系统的状态熵，一脉相承却创新无限。清华大学从自治系统的演化动力学出发，对状态熵变化率与系统聚合度关系进行了分析，为系统智能性度量提供新视角。
控制系统作为现代工程与科学的核心技术之一，广泛应用于自动驾驶、机器人、航空航天、电力系统等多个领域。
自上世纪60年代兴起的现代控制理论，使用状态空间方程作为描述工具，对系统的可控性、可观性、稳定性等基本属性进行分析：
可控性描述了系统是否能在有限时间内从任意初始状态转移到目标状态；
可观性则衡量系统内部状态是否能通过输出信号唯一重构；
稳定性则确保系统在受到扰动后仍能保持在平衡状态附近。
这些性质为控制器设计提供了理论依据，并在实际工程中得到了广泛应用。
现有理论大多聚焦于单一初始状态对应的单条轨迹行为。然而，系统的演化过程是整体性的，且极大受到初始分布的影响，尤其是在非线性系统中。
如何描述控制系统的整体行为，是一个待解决的重要问题。
一种可行的思路：通过随机变量来描述系统状态的概率分布，用随机变量的分布变化描述系统内在的聚集或扩散趋势。
基于这一思路，清华大学科研团队首次提出状态熵(state entropy)的概念，用于分析控制系统的聚集程度(degree of aggregation)，即聚合性，并将其作为描述系统演化过程的基本属性之一。