利用 $\texttt{FOREST}$ 从随机树中收获原初黑洞

我们引入了一个新颖的框架，在随机树上实现随机暴胀，将暴胀膨胀建模为一个分支过程。结合 $\delta N$ 形式，这使我们能够生成曲率扰动的实空间图，完全捕捉暴胀期间的量子扩散及其非微扰反作用。与格点方法不同，树不在固定背景上进行，因为随着树的展开，新的时空单元动态出现，自然地包含了度规涨落。随机树的递归结构还提供了显著的数值效率，我们开发了 FOrtran 递归探索随机树（$\texttt{FOREST}$）工具并展示了其性能。我们展示了原初黑洞如何在树的不平衡节点处绽放，以及如何自动考虑“云中云”效应获得其质量分布。在“量子阱”玩具模型中，我们发现了广泛的质量分布，具有由指数尾部终止的温和幂律。最后，我们将结果与文献中现有的近似进行比较，并讨论了几种前景。