但凡看过情景喜剧《天才也性感》（原名：The Big Bang Theory）的人，我想没有不被剧中人物谢尔顿（Shelton）的那种与生俱来的古灵精怪、单纯的性格和执着的信念所吸引的。理论物理学家这个职业的具体内容也随着谢尔顿的出色演出而逐渐被广大观众所熟知。该剧由浅入深的将我们日常生活中所存在的大量物理学现象娓娓道来，从而使得非物理专业人士也能快速理解各种生活现象背后看似深奥的原理。热传导(Heat Conduction)便是众多普遍存在的物理现象中的一种。所谓热传导，是热传递三种方式（即热传导、热对流和热辐射）中的一种。它的工作原理非常简单：当两个不同温度的物体相接触时，热量会从温度高的物体传递到温度低的物体上，直到两者的温度相同，所以热传导方法有助于提高系统中低温度物体的温度。而我们知道，在信息极为丰富的互联网中，对于用户来说，最为迫切问题就是如何帮助他们找到那些他们所感兴趣但不易找到的信息。而这也正是推荐系统所最为关注的问题之一。假设以精确性为衡量一个推荐系统好坏标准的话，那么只要将算法设计得更加容易推荐那些热门的物品即可。举个例子来说，对于一个电影网站，如果一味的倾向于向用户推荐《阿凡达》、《功夫熊猫》之类的热门大片，固然用户会喜欢，推荐的精度也会很高。但这样的推荐结果对于用户来讲是没有任何信息含量的（因为大家早就通过各种渠道了解到了）。反之，如果能够推荐一些适合用户喜好的，但鲜有人关注而用户还不知道的影片。因为长尾效应的存在，推荐那些被收藏次数少、质量高的影片反而能起到“四两拨千斤”般的“惊艳”效果，从而提高用户对系统的信任和黏着性。正是基于这些考虑，近来一些物理学家尝试将热传导的方法应用到推荐系统中来，期望可以利用热量传递的原理，合理的提高温度较低物体的温度，更有利用推荐算法来发现那些不易被用户所察觉的“冷点“信息（即被收藏次数较少的物品）。