黑洞、模量稳定化与浇灌域
机器学习
2026-01-07 v2 最优化与控制
摘要
在含有模量的理论中，极端黑洞的行为使得对于一般初始条件，标量从无穷远到视界的行进距离随黑洞大小而增长。这进而意味着更大的黑洞可以探测该理论的更高能原料，与（简单）有效场论的预期相反。我们将这一差异与缺乏 cosmological 模量稳定化相关联。确实，对于所谓的刚性紧致化（rigid compactifications）——即那些具有参数化重量稳定模量的尺度分离字符串真空——我们恢复了有效场论直觉，即只有小黑洞才能探测高能。我们在一个玩具模型中明确了这一点，然后转向顶层模型，构建了 IIA尺度分离紧致化中具有稳定模量的近视界解。在这些顶层模型中，我们仍然观察到大黑洞的大位移，这可以追溯到缺乏参数化重量模量。我们推测，需要允许大黑洞视界附近产生非局部效应的 UV 物理与刚性紧致化相冲突，这暗示了此类紧致化可能位于浇灌域中。
引用
@article{arxiv.2504.02644,
title = {Solving the Paint Shop Problem with Flexible Management of Multi-Lane Buffers Using Reinforcement Learning and Action Masking},
author = {Mirko Stappert and Bernhard Lutz and Janis Brammer and Dirk Neumann},
journal= {arXiv preprint arXiv:2504.02644},
year = {2026}
}