全文共2366字,預計學習時長6分鐘
在我們的宇宙中,「虛無」是不存在的,是我們無法體驗的東西。即使是空無一物的空間,宇宙最遙遠的地方,也有能量。我們能意識到的只有真空,也就是我們所了解的任何粒子或場的缺失。然而,真空是有能量的。
海森堡的測不準原理告訴我們時間與真空是彼此的對偶。對事件的衡量更確定,對能量的把握就更不確定,反之亦然。因此,真空區域的能量不可能為零,因為零是一個精確值。
的確,雖然真空中的電場和磁場平均值為零,但它們的平方和——能量,不為零。這種能量有時被稱為零點能量,虛粒子,或量子漲落。理論上具有無限的密度。對大多數量子物理學來說,真空的能量不是大問題,只有能量物質發生了變化。但引力對所有的能量都有反應,包括真空的無限密度。
如果真的如此,真空的引力應該比其他任何東西都大得多。所以,這並不是真的。真空看起來幾乎沒有引力。在某種程度上,暗能量比擁有巨大的引力或是零引力還要奇怪。雖然量子場論可以很容易地修改以適應其中任何一種解釋,但是對一個理論這樣修改去適應並不是一個多大的壯舉。
事實上,暗能量與宇宙中物質的數量(暗物質+重子物質)是同一個數量級的。這相當巧合,這是為什麼被稱為巧合問題的原因,也是宇宙中最大的未解之謎之一。
當然,也有可能真空不具有任何引力和暗能量也沒有任何關係,這在筆者眼裡更不可能。無論暗能量是什麼,由於巧合問題,暗能量肯定與物質以及物質受到的作用力有關,或者與物質有共同的形成原因。
一個令人信服的解釋來自於全息原理,該原理認為,真空的能量與宇宙中某些連通區域的表面積有關,例如可能與真空自身的糾纏能有關,糾纏能不是總能量的度量,而是關聯中得到的能量。
更困難的問題被稱為微調問題,該問題處理的是:為什麼真空的重量幾乎為零。全息原理生成這個問題很容易解決,它的論點很巧妙,即我們的宇宙不應該有比一個同樣大小的黑洞更大的能量密度。事實證明,一個宇宙大小的黑洞在暗能量下所觀察到的東西周圍有能量密度。
雖然這個論點很聰明,但是並不能很好地與現在的量子場論聯繫起來,目前量子場論仍認為,真空的能量密度特別大。避免處理這一問題的方法是完全避免真空的能量漲落。
理察費曼試圖用他發明的費曼圖做到這一點,結果卻發現並未能消除漲落的影響,相反,將其顯示為沒有輸入或輸出的鼓勵循環。這些循環在量子物理中隨處可見。
我們可以通過向宇宙中添加第五維擺脫真空循環。量子場論可以建立在這個五維宇宙之上,通過一種20世紀60到80年代發展起來的隨機量子化的方法。在這種情況下,真空循環是第五維上統計平均的結果。
也就是說,這種能量漲落本質上並不存在,相反是關於第五維粒子是否存在的統計不確定性的結果。在一些地方存在,在另一些地方不存在,但在任何地方都有可衡量的影響。
純真空循環是粒子不與特定的或被測量的粒子相互作用的結果。它們和已知物質完全隔離,在五維理論中,這意味著這些粒子在五維宇宙中與我們不同的部分。
如果是這樣的話,暗能量的問題比我們想的可能要簡單得多。可能僅僅是統計上不確定粒子的結果,也就是說,暗能量是來自真實粒子相互作用的能量,但這些相互作用沒有與我們在第五維的部分相交,因此不可見,可是它具有一個可測量的引力效應。
因此,量子場的無限密度是一個假設錯誤條件的結果,也就是說,所有可能的場構型都存在。對於大多數實際用途來說,這個假設很合理。事實上,統計物理的層面上它一直存在,即使在由熱力學所產生的普通統計力學中。然而在宇宙學尺度上,該假設不成立的。就宇宙學的實際用途而言,時間與空間都是有限的。
同樣,在第五維宇宙中,第五維也是有限的。
我們知道,即使所有的維度都是無限的,它們對我們的影響似乎是有限的。時間和三維空間在因果關係方面有限制。在時間方面,讓我們回到大爆炸。以太空為例,我們距離可觀測宇宙的邊緣有460億光年之遙,由於宇宙的膨脹,即使在無限長的時間之後,可觀測到的宇宙仍然保持有限,這具有因果關係。
第五維應該沒有什麼不同,但是可能在因果範圍內與其他維度相關。這給量子物理學地預設設定了一個硬性的限制(無論是高能量還是紫外線,還是長波或紅外線)。
事實上,很可能第五維的範圍與其他維度的範圍相等,因此我們可以用同樣的方式來解釋巧合問題,就像微調問題一樣,甚至不用求助於全息原理,不是從一維到二維,而是從一維到四維。
第五維限定了真空能量密度的大小,其長度尺度類似於基於全息原理的論證。然而,量子場論被修正,限制了隨機量子化的長度尺度,而量子場論的全息原理仍然與量子場論相矛盾。
確切的說,第五維的本質是什麼,以及其與當前宇宙學的關係仍然是開放的研究領域。例如,Liu和Wesson探索了一個令人信服的論點,即第五維和時間結合在一起創造了一種衝擊波,這是宇宙向第五維擴展的長度尺度。如果是這樣的話,那麼第五維的大小肯定會和其他維的大小一樣。
雖然,愛因斯坦的五維方程還有其他解,但只要有了這個,就可以為整個宇宙場地隨機量子化以產生測量到的暗能量提供有力的理由。
留言點讚關注
我們一起分享AI學習與發展的乾貨
如轉載,請後臺留言,遵守轉載規範