生物体既复杂又有序，就像这片亚麻茎的横截面。研究人员希望最终发展出描述所有生命的基本方程。每一秒钟，都有数百万个缜密有序的化学反应发生在一个细胞内；数十亿个单细胞生物体可以形成群落；数万亿个细胞可以精确地粘附在一起，形成组织和器官。然而，尽管生命具有如此高的复杂性，它们却是很容易识别的。物理学家认为，这种可识别性或许源自于构成所有生命基础的基本物理学原理。
他们正在寻找一种基于这些原理的数学理论，以解释生命为什么可以存在，以及生命是如何运作的。他们认为这样一个理论能让研究人员以目前不可行的方式对生命系统进行控制和操纵。
物理学家喜欢对理论进行统一。这些理论把复杂的现象归结成一组概念，表述这些概念的数学公式可以做出非常成功的预测。例如，热力学定理可以准确的预测将一壶水煮沸需要多长时间，它们解释了能量在从原子到飓风等一系列不同尺度的系统中的运动。
然而，尽管取得了这些成功，研究人员还没找到能够描述与生命相关的日常现象的通用方程。这样的方程能够提供与其他统一理论相同的预测能力，使研究人员能够精确地控制生物体。这种控制能够为细菌感染提供更好的治疗方案，改进癌症的治疗方法，并提供防止植物对除草剂产生耐药性的方法。
德国马克斯·普朗克动力学与自组织研究所所长Ramin Golestanian说：”物理学家研究过许多复杂的系统，但就复杂性和自由度的数量而言，生命系统属于一个完全不同的类别。“Golestanian通过将生命系统建模为移动的耗能粒子，即所谓的活性物质，来研究细菌群等生命系统。
他还参与了在去年举行的“生命物质的物理学”APS会议的组织活动，在会上，研究人员讨论了找到生命的数学理论是否是一个可实现的目标，如果是，这个理论应该回答哪些问题。
对于该领域的一些人来说，发现一个理论首先要颠覆生物学家对生命系统的描述。
在伊利诺伊大学厄巴纳-香槟分校研究演化和生态学问题的物理学家Nigel Goldenfeld表示：“当我去参加生物学会议时，总会听到人说，‘生命是门化学’，然后展示一大堆假定的反应。但我不并认为生命就是化学。“例如，化学提供制造生命所需的分子的信息，却并不提供如何获得一个正常运作的细胞的信息。
相反，Goldenfeld认为，“生命是物理学”，他觉得研究人员应该把生物看作是具有热力学约束的凝聚态物质系统。
Golestanian和Goldenfeld都认为，生命的一些特征，比如复制、演化和利用能量来移动，都是凝聚态物理学家所说的“涌现现象”（emergent phenomena）的例子。涌现现象是指，由大量简单组分相互作用产生的复杂性质。
例如，超导性是一种宏观性质，它产生于金属中电子间的相互吸引，结果导致一种零电阻的状态。对于生命而言，涌现行为产生于分子间的相互作用，以及分子如何结合起来形成结构或执行功能。
但是，金属或超导体这些标准的凝聚态物是“死”的东西，它们的行为是预先决定的，生命的运作方式则截然不同。对于同样的刺激，生物能够以看似迥然不同的方式作出反应。Goldenfeld说，生物系统有反馈回路，这使得我们很难用标准的微分方程来分析它们，他还不知道如何解决这个问题。
加州大学圣巴巴拉分校的Cristina Marchetti也赞同Goldenfeld的观点。与Golestanian一样，Marchetti通过将生物建模为活性物质来研究它们。Marchetti说：“通过与其他系统互动或信息交换，生命系统不断演化、适应和改变。” 她和其他人为描述特定生物系统的行为（如细菌群的运动，或肿瘤细胞的聚集）发展出了一套理论，但目前，那些基本过程在他们的理论中大多是缺失的。
关于解释生命系统演化状态的理论研究实际上还处于起步阶段。发展出一个普遍理论来解释生命为何存在的另一个挑战是，研究这个问题的人太少了。Goldenfeld说，大多数生物学家和物理学家在研究生命的内部运作时，都专注于对他们目前最喜爱的生物体的某些特定过程进行建模（例如，某个特定种属的果蝇的视觉是如何运作的），而不是着眼于更大的图景。
普林斯顿大学的理论物理学家William Bialek同意这种观点，但他也看到了研究特定生物体的积极一面。他指出，如果理论物理学家脱离细节，他们在寻找理论的过程中可能会失败。Bialek说：“我们这个领域的基本问题是，在寻找一般理论原理和研究特定系统的实验细节之间找到平衡。
“Golestanian同意这一观点，并补充说，任何致力于构建一个普遍的生命理论的人将”必须培养一种兴趣和能力来研究一系列现象，对它们进行分类，并寻找指向一种全面描述的模式。”
埃默里大学的Ilya Nemenman是采用这种方法的物理学家之一。他研究从蠕虫到鸟类的各种生物是如何处理它们周围环境的信息的，目的是找到规律并推导出适用于多个系统的通用方程。Nemenman说，发展生物系统一般理论的最大障碍之一是，确定哪些数量是重要的，哪些是无关紧要的。
在传统的凝聚态物理中，系统的对称性，也就是在坐标变换下保持不变的量决定了关键的物理量。例如，在晶体中，对称性是原子排列的有序模式；如果把坐标轴从一个晶格移动到另一个晶格时，一切看起来都是一样的。但是在生物系统中，那些对称性是不存在的，或者至少是目前无法识别的，这给写出正确方程的过程增加了额外的复杂性。
Nemenman认为，机器学习可能对这个目标有帮助，他的团队最近使用机器学习这一工具来揭示用于描述蠕虫对热作何反应的方程。生物学领域一直没有这样一个统一理论，却也成功前行了几个世纪，那么为什么找到这样一个理论如此重要呢？对Goldenfeld来说，驱动力是这样一种理论的潜在预测能力，以及它可能会对生物系统行为的控制。他举了治疗细菌感染作为例子。
目前的治疗计划并没有正确解释，当抗生素使一些不想要的细菌存活时所发生的演化。剩下的细菌可以演化和生长，形成耐抗生素的超级细菌，如耐甲氧西林金黄色葡萄球菌（MRSA）。
Goldenfeld说：“如果我们知道如何控制一个活的、不断演化的系统，那么我们就能找到一种既能杀死所有细菌又不会使问题恶化的治疗方案。” Golestanian则拒绝提供该理论的潜在应用，他指出，在现阶段做出具体预测显然还为时过早。然而，”我绝对相信，这种知识会带来好的结果。“