量子信息+熵，能解释宇宙的演化吗
热力学第二定律，也许是物理里最根本的几条原理之一。
它说，一个系统的熵只会随时间增加，不会减少。
这也是唯一一条能指明"时间箭头"朝哪走的物理定律。
熵，说白了就是无序的程度：熵越低，结构越有序；熵越高，越散乱。
糖从浓处向淡处扩散、气体膨胀、咖啡放凉，背后都是熵在增加。
人们相信，宇宙的演化也遵循这条定律。
宇宙早年处于低熵状态，一路演化到高熵。
可就在这个过程中，宇宙造出了一些极其复杂的结构——星系就是代表。
星系的熵很低，却是在一个高熵的环境里形成的。
这看起来像是在违反第二定律。
这个存在已久的矛盾，正是物理学家金妮斯特拉·比安科尼想解决的难题。
引力、熵与量子信息的交织，是比安科尼理论的视觉主题（图片来源：Physics World）
在爱因斯坦的广义相对论里，有个叫"度规"的数学对象，描述时空是怎么弯曲的；物质沿着这条弯曲走，就表现成了引力。
而在量子力学里，"算符"是对量子态做变换的数学工具。
比安科尼的关键一步，就是把这个"度规"当成量子算符来用，用量子化的方式描述时空的几何。
这样一来，会冒出两个"度规"：一个是"真实"的时空度规，一个是由物质和能量诱导出来的度规。
两者之间"差多少"，用量子信息论里的一个量来度量，叫量子相对熵。
正是这两个几何之间的量子相对熵，决定了时空怎么演化——换句话说，它给出的运动方程，就是引力。
在低曲率极限下，这套方程能精确还原爱因斯坦的广义相对论。
可一旦超出这个极限，方程就得被一个叫"G场"的对象修正。
G场生出一个暗能量项，而且是动态的。
暗能量被认为是直接推动宇宙膨胀的东西；在标准广义相对论里，它由静态的宇宙学常数驱动。
现在冒出一个动态的暗能量项，就有了被实验检验的机会。
比安科尼又把这套理论用到了弗里德曼-罗伯逊-沃克（FRW）宇宙模型上。
这是广义相对论对宇宙行为的一级近似，假设宇宙各向同性、处处均匀、且在膨胀。
膨胀由宇宙的主导成分驱动——暗物质、普通物质，或辐射。
宇宙膨胀时，体积变大，总熵也跟着变大。
但正因为体积涨得更快，单位体积里的熵——也就是熵密度——反而随时间下降。
总熵在涨，局部熵密度却在降，这就给了星系、甚至生命这类低熵结构一个在膨胀宇宙里被造出来的机制。
那这算不算违反第二定律？比安科尼用非空的 FRW 宇宙算了一遍总熵：要把熵密度在整个时空区域上积分，而因为体积随时间变大，总熵成了时间的函数——膨胀的速度超过了熵密度衰减的速度。
所以对辐射主导和物质主导的宇宙，总熵依然随时间增加，第二定律照样成立，尽管局部熵密度在下降。
比安科尼强调，GfE 理论还很年轻，需要实验来验证。
但这项工作揭示了它内在的热力学本质，为经典引力与量子引力都打开了新路——把引力用"量子信息"和"熵"来表述，也许正是通向"量子化引力"这个百年难题的另一条路径。
引力，也许并不是什么神秘的基本力，而只是信息与熵的必然结果。
若真如此，宇宙为什么要演化、为什么能长出星系和生命，答案也许就藏在这条最普通的第二定律里。
来源：S. Jones, "Could quantum information theory explain universe evolution?" Physics World, 14 Sep 2026. 报道所引研究：G. Bianconi, Physical Review D.
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
