我一直对暗能量和暗物质持否定态度,一直觉得之所很多现象不能解释,是因为理论不够完善,还有更好的理论。

今天看了一期视频,在思考宇宙大爆炸之后的视界。

宇宙大爆炸时全部都是能量,后来冷却形成物质,逐渐形成电子、质子、中子、氢原子……

我忽略了一个可能,即能量一定要,且非得要形成这些我们所称的“物质”吗?剩余的能量变成我们所说的“能量”吗?我觉得确实不一定。

也许生成了其他物质,我们无法观测到,即暗物质。对应的无法观测的能量,叫暗能量。

暗物质的分布很可能和物质的分布类似,比如银河系中的暗物质就比银河系外面的暗物质多(但也未必)。

除了引力,它们与物质不发生我们已知的相互作用,或者完全无相互作用。而引力就是弯曲的时空现象,所以它们和物质一样,可以使时空弯曲。

既然它们有如此共性,不如反过来说更恰当,即时空弯曲产生了引力,既有物质的,也有暗物质的。

恒星附近暗物质少?

光速有限,可能是因为在运动中碰到了很多暗物质?

越想越乱……

 

光的全反射和白洞?

最近写论文,需要在word中录入公式,并且带公式编号。在网上看了一些方法,最后发现,word2016版本输入公式很方便了,现在就给大家分享一下。为了更加生动形象,我直接做一个视频教程,以供大家所需。

原创视频,转载请注明出处。

需要下载视频请访问网盘链接:https://pan.baidu.com/s/1o7VrAky 密码:cp9a

今天凌晨0点27分收到一封来自《Classical and Quantum Gravity》杂志的邮件,邀请我作为审稿人审理某个稿件。

说实话,我有点受宠若惊。这个杂志2016年的影响因子(Impact Factor)为3.119。
中科院分区: 本期刊属于物理 2区大类别;
所属小分类:天文与天体物理 3区;
物理:综合 2区;
物理:粒子与场物理 3区。

我一个渣渣,怎么审得了这种级别的文章。

不过,内心还是有点兴奋,哪怕是自欺欺人的说,我想应该是有人认可我吧,至少这样想会让我高兴。

不过,高兴归高兴,我还是清楚我几斤几两。为了负责,我拒绝了审稿邀请。

我想,等以后我有机会做自己想做的研究时,可能会有一点底气去审稿吧。也祝我的稿件投稿顺利。

看来我应该慎重考虑一下转型人工智能?先努力开始学着,多学点没什么坏处。

以下全文转载自:http://www.sohu.com/a/124743338_505819


来源:WIRED (MOVE OVER, CODERS—PHYSICISTS WILL SOON RULE SILICON VALLEY)

编译:Agnes Pan

“如今还真不是当物理学家的好时候。” Oscar Boykin如是说。Boykin在佐治亚理工的物理系完成了本科学业,之后于2002年在加州大学洛杉矶分校(UCLA)获得了物理学博士学位。就在四年前,瑞士大型强子对撞机的物理学家发现了希格斯玻色子,这是20世纪60年代曾首次预测存在的亚原子粒子。

正如Boykin所提到的,每个人都在期盼它真正被发现。然而,希格斯的发现并没有打破宇宙的理论模型,它没有改变任何东西,或是给予物理学家任何新的研究方向。“每当与物理有关的事情出现差错时,物理学家们都会非常兴奋,然而我们却正处于一个几乎不太会出现差错的时代。” Boykin说道,“在一个物理学家看来,这是一个令人沮丧的时代。”而且,薪水也不高。

Oscar Boykin

现在,Boykin已经不再是一位物理学家,他化身成了硅谷的软件工程师。而现如今,正是这类职业的黄金时代。

Boykin在一家价值90亿美元的创业公司Stripe工作,创建在线平台,帮助企业接收在线付款。Boykin的职责是帮助构建和运行公司收集数据的软件系统,他负责预测这些服务系统的未来走势,包括欺诈性交易发生的可能性,以及具体可能发生的时间和途径。一方面,作为一名物理学家,他非常适合这项工作,因为该职位需要极强的数学能力和抽象思维。然而,不像是纯物理学家,他现在的工作领域能提供给他无限的挑战和可能性。而且,薪水也很高。

如果物理和软件工程是亚原子粒子,那么,硅谷已经变成了粒子碰撞的地方。 Boykin在Stripe与其他三位物理学家一起工作。 去年12月,当通用电气收购了机器学习创业公司Wise.io时,通用的CEO Jeff Immelt调侃道,他刚刚获得了一家充满物理学家的公司,其中最著名的就是加州大学伯克利大学(UCB)的天体物理学家Joshua Bloom。

开源机器学习软件H20是由来自瑞士的物理学家Arno Candel(曾在SLAC国家加速器实验室工作)的帮助下开发的,该软件现在成为了全世界近7万名数据科学家的研究工具。微软的数据科学主管Vijay Narayanan也是一名天体物理学家,在他团队工作的还有其他几名物理学家。

这一切并不是经过精心策划的。“我们并不是进入了物理世界的‘幼儿园’,并拐卖了一车儿童。” Stripe的总裁兼联合创始人John Collison表示,“这样的事情只是自然而然的发生了。”而且,它发生在硅谷的每一个角落。 因为在结构和技术的角度上看,每个互联网公司需要做的事情,已经越来越与物理学家的技术和知识相对口。

一切都是顺其自然

当然,物理学家在早些时候,就在计算机技术方面发挥了重要作用,就像他们在许多其他领域有着重要作用一样。 参与设计世界上最早的计算机之一ENIAC的John Mauchly,就是一位物理学家。C语言之父Dennis Ritchie,最开始也是一位物理学家。

但是,对于进入计算机技术领域的物理学家来说,如今才算时机成熟。由于机器学习的兴起,机器需要通过分析大量数据来学习任务,这种新型数据科学和人工智能是最适合物理学家的东西。

除此之外,神经网络,以及在此基础上开发的模仿人类大脑结构的软件,都是当前行业内的热点。但是,神经网络可以说是一个巨大的工程,涉及很多线性代数和概率论。计算机科学家不一定在这些领域内有过深入的研究,但物理学家有。“对于物理学家来说,神经网络中最陌生的,只有学习如何优化这些神经网络并训练他们,但这也是相对直截了当的一个部分。”Boykin说道,“其中,有一种技术被称为‘牛顿法’,以物理学家牛顿命名,而不是其他的什么牛顿。”

微软剑桥研究实验室主管Chris Bishop,在三十年前就有了同样的感受,当时深层神经网络才刚开始在学术界崭露头角。这也是导致他从物理学转变到机器学习领域的主要原因。“一个物理学家进入了机器学习领域,这是非常自然的一件事。”他说,“甚至比计算机科学家这么做更自然。”

更大的挑战空间

Boykin感慨道,十年前,许多他的物理学家同僚都争相转入金融界。同样的数学知识体系在华尔街非常受用,可以作为预测市场发展趋势的一种准确方式。 其中最重要的工具就是Black-Scholes方程式,这是一种能确定金融衍生物价值的方法,但后来,Black-Scholes在一定程度上也帮助酿成了2008年的金融危机。现在,更多的物理学者会选择转向数据科学,以及其他类型的计算机科技领域。

约十年前,物理学家开始进入顶尖的科技公司,参与开发大数据软件,即能在数百甚至数千台机器上运行数据的系统。Boykin曾在Twitter参与开发了名为Summingbird的大数据软件,来自MIT物理系的三位年轻人,也曾在一家名为Cloudant的初创公司研发出了类似的软件。物理学家熟知该如何处理数据,并且利用他们强大的抽象思维,构建一些复杂的系统。

在Google刚成立不久的时候,公司负责构建大规模分布式系统的关键人物之一Yonatan Zunger,就拥有斯坦福大学弦理论学的博士学位。当Kevin Scott加入Google的广告组时,他负责从各处获取数据,并用这些数据来预测,哪几类广告最可能获得最多的点击量。为此,他聘请了无数名物理学家进入他的小组工作。与很多计算机科学家不同,物理学家简直就是为了机器学习的实验本质而生。“这简直就是一门实验科学。” 如今的LinkedIn首席技术官Scott感叹道。

当下,大数据软件已经十分常见,它们帮助机器学习模型展开各类预测,这也为物理学家进入硅谷开辟了更广阔的道路。在Stripe,Boykin的团队还包括Roban Kramer(哥伦比亚大学物理学博士),Christian Anderson(哈佛大学物理学硕士)和Kelley Rivoire(MIT物理学学士)。他们来到这里,是因为他们适合这样的工作。他们来到这里,也是为了得到更可观的薪水。就像Boykin所说,“科技公司的薪资简直离谱。”但同时,他们来到这里,也是为了解决更多亟待解决的问题。

Anderson之所以放弃了物理学博士,离开哈佛,就是因为他对如今物理学界的看法和Boykin一样——是一种回报递减的纯学术追求。但是,互联网产业却并非如此。Anderson表示:“互联网的涵盖面很广,这让互联网产业能拥有更多的机会,同时也扩大了它的挑战空间和问题空间。但是,在这之中,我总能看到上升空间。”

充满变化的未来

今天,物理学家正前仆后继地进入硅谷公司,但在今后的岁月里,类似的现象会进一步蔓延。机器学习不仅会改变分析数据的方式,也会改变软件的开发方式。 神经网络已经从根本上改变了图像识别、语音识别、机器翻译以及软件接口的本质。正如微软的Chris Bishop所说,软件工程正在从基于逻辑的代码编写,转向基于概率和不确定性的机器学习模型。类似Google和Facebook这样的大公司,已经开始以这种新的思维方式,重新训练他们的工程师。最终,全世界都会跟随他们的脚步前进。

换句话说,大量物理学家进入硅谷工程师的领域,意味着更大的变化即将到来。不久之后,所有的硅谷工程师也都将踏入物理学家的领域。

-END-

本文由将门创投(thejiangmen)原创编译

如需转载,请在微信公众号中回复“转载”,获得许可

将门是一家专注于加速及投资技术驱动型初创企业的创投机构。

我们为技术驱动型的创业公司对接标杆企业用户、连接产业资源并提供众多战略投资机会。

将门旗下的基金将会重点投资通过技术创新激活商业场景,实现商业价值的初创企业。关注领域包括:1)机器智能;2)物联网;3)自然人机交互;4)企业计算。

今天投稿到加拿大的 Canadian Journal of Physics,在投稿时可以选择是否上传一段视频,以介绍这份工作。第一次碰到还有这种操作,我饶有兴致,于是就玩了一下现个丑。没想到英语说得这么烂,需要好好练练。我的好多发音真的太垃圾了了。

写的稿子:

The title of our manuscript is “Entropy of Vaidya Black Hole on Event Horizon with Minimal length Revisited “and we have submitted to Canadian Journal of Physics.

It is another work based on our previous one published on Communications in Theoretical Physics on June this year.
The previous one is about the static black hole, while this manuscript is about a non-static Vaidya black hole.
We calculated the entropy on event horizon with generalized uncertainty principle considered. And reveal that if suppose the Bekenstein-Hawking entropy is right, we could get the minimal length of our world, and which is on planck scale.

We hope this is a small step towards to the truth of the minimal length physics and to understand our world deeper.