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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。