黑洞中熵面密度与微观性质的联系

我们引入一个新的微观量 $\varepsilon$,它描述单个黑洞分子对黑洞熵的贡献,并给出该微观量与宏观量——熵面密度 $\sigma_{S}$ 成正比的关键关系,从而将黑洞的微观量与宏观量联系起来。这种联系为从宏观视角理解黑洞微观结构提供了新的探针。我们还依据熵面密度对黑洞进行分类。当其熵面密度大于(小于) $1/4$ 时,此类黑洞被定义为强(弱)Bekenstein-Hawking黑洞,其中具有 $1/4$ 熵面密度的黑洞被视为Bekenstein-Hawking黑洞。我们计算了四个模型的熵面密度,其中三个为正则黑洞——Bardeen黑洞、Ay\'{o}n-Beato-Garc\'{\i}a黑洞和Hayward黑洞,一个为奇异黑洞——五维中性Gauss-Bonnet黑洞。在此分类方案下,Bardeen黑洞、Ay\'{o}n-Beato-Garc\'{\i}a黑洞与五维中性Gauss-Bonnet黑洞属于强Bekenstein-Hawking黑洞类型,而Hayward黑洞属于弱Bekenstein-Hawking黑洞类型,且当事件视界半径趋于无穷时这四个黑洞都趋近于Bekenstein-Hawking黑洞。此外,我们从熵面密度视角,或等价地从单个黑洞分子熵视角,发现了五维中性Gauss-Bonnet AdS黑洞在相变中的有趣性质。