相信很多朋友对吃豆人的经典形象非常熟悉。它既没有颓废的气质、也没有忧郁的眼神、更不会蹦出什么段子或者金句。它来到世间只做一件事:吃豆。
这跟黑洞的属性实在非常相似。黑洞也只做一件事:吞噬。而且跟吃豆人差不多,黑洞也只吃离自己很近的东西。
黑洞与恒星经常碰撞,然后二者就此合体。接触之后,恒星很快也会变成黑洞,并融入碰上的黑洞让它变成一个更大的黑洞。
但整个过程是偶然还是种主动行为?万一黑洞是在积极猎杀恒星呢?虽然黑洞的这种活动不会加快宇宙奇点的来临,但至少能把自己越吃越大,如同宇宙背景下一个愈发庞大的真空陷坑。
而且在对一些合体事件进行观测后,研究人员最近发现黑洞很可能与宇宙保持着相同的膨胀速度。
来自夏威夷大学、芝加哥大学与密歇根大学的一组研究人员观察到,黑洞是宇宙合并的显著结果,而且这些黑洞的尺寸似乎比天体物理学家想象中要大得多。
在重复运行模拟并引入某些新的物理现象作为参考之后,研究团队确定黑洞很可能在以同步于宇宙的速度持续膨胀。总结来讲,随着宇宙本体的膨胀,黑洞也在持续增长并变得越来越强。
回到开头关于吃豆人的例子,其实这里也有不当之处。在游戏里至少那些小鬼魂还能伤害到吃豆人,除非我们的主角吃下能量药丸。但现实世界中没有任何东西逃得过黑洞的引力,就连光都不行。
而麻省理工学院近期一项最新研究则证实了一种猜测,即黑洞可以利用强引力造成的真空破坏力瓦解周遭恒星并产生重金属。
在中子星与黑洞之间的某些碰撞中,星体并不会被完全吞噬,而是在巨大的不稳定能量中生成金与铂等元素。
考虑到黑洞随宇宙膨胀以及金属元素自由漂浮等理论,目前还不清楚这些金与铂元素最终是否会被黑洞吸收。
不过就算是能产生一点重金属,黑洞的创造也只能说是“破坏之余的意外行为”。毕竟如果是两颗恒星直接相撞,产生的重金属会更多、更丰富。
科学家们希望未来几年内当下一代太空望远镜与天文台部署到位之后,我们能够建立起更多新的黑洞观测见解,包括关于宇宙最初奇点形成的细节信息。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。