硬球散射
涌现是一个人人都想蹭的热点概念。凡是简单个体产生复杂整体,都可以往「涌现」上靠,因此难免混入大量未经实证的内容。
邓煜(预定菲尔兹奖得主)、Zaher Hani、马骁的工作就很适合回答「涌现有没有科学内容」。
他们从遵守牛顿力学的硬球系统出发,经过玻尔兹曼方程,最后抵达描述流体的欧拉方程和纳维-斯托克斯-傅里叶方程。
从涌现角度看,他们直接跳过了「整体大于部分之和」这句粗糙的口号,开始证明一套宏观方程究竟怎样从微观粒子的运动中出现。
一群硬球怎么变成流体
想象一盒气体。
如果你站在微观层次,需要记录每个粒子的位置与速度
它们自由飞行,彼此发生弹性碰撞。规则很清楚,也没有任何神秘力量。
在这一层,每个粒子都有确定的轨迹,碰撞遵守能量和动量守恒,把所有速度反过来,系统原则上还能沿原路返回。
但是你翻遍单个硬球的状态量,也找不到密度场、压强、温度、黏性和热传导。
这些性质尚未出现。
问题来了。
一盒气体有接近阿伏伽德罗常数量级的分子。
难道描述一阵风,真的要先算完每个分子的轨迹吗?
现实中的流体力学完全换了一套语言。工程师关心的是密度、速度场和温度场
没有谁会追问第 137 个分子下一秒飞到哪里,因为这个问题到了宏观尺度已经没有多少意义。
可问题被换掉了,不代表推导自动成立。
你凭什么扔掉绝大多数粒子信息?
碰撞产生的关联会不会越积越多?
为什么剩下几个宏观变量,恰好能够组成一套近似封闭的方程?
这才是涌现研究最难的地方。
第一道桥是玻尔兹曼方程
从粒子轨迹直接跳到流体方程,跨度太大。
玻尔兹曼在中间放了一座桥。它不再追踪全部粒子,只研究单粒子分布
这个函数告诉你,在时间 和位置 附近,速度约为 的粒子有多少。
于是,描述语言发生了第一次转换
全部粒子的轨迹单粒子的统计分布
从轨迹到分布新增了什么
第一个新增的东西,是统计状态。
微观层问某个粒子在哪里,玻尔兹曼层问某类粒子有多少。研究对象从一条条轨迹变成了分布 。
第二个新增的东西,是近似封闭的演化规律。
玻尔兹曼方程只用 和碰撞算子,就能描述下一刻的 。大量粒子的完整坐标被丢掉了,一个信息更少的变量却获得了自己的动力学。
第三个新增的东西,是宏观时间方向。
硬球碰撞的微观方程可以反演。玻尔兹曼方程却满足 定理
也就是说,玻尔兹曼熵 沿宏观时间增加。
微观层只有可逆轨迹,统计层却出现了不可逆的熵方向。
这就是第一处值得关注的涌现。
这座桥在物理学里用了一个多世纪,数学证明却长期卡在时间上。
1975 年,Lanford 证明稀薄硬球系统在玻尔兹曼-格拉德极限下会收敛到玻尔兹曼方程。但是他的定理只能控制很短的一段时间,大约是平均自由时间的一小部分。室温和标准大气压下,气体分子的平均自由时间约为 秒。
为什么只能走这么短?
因为粒子不断碰撞,碰撞又制造新的关联。时间稍微拉长,可能的碰撞历史便迅速增殖。你若还想把粒子近似成彼此独立,就得证明那些复杂关联在极限中确实可以忽略。
邓煜、Hani 和马骁在 2024 年跨过了这道障碍。
他们用累积量记录相关误差,把完整的碰撞历史编码成一种组合图,称为碰撞历史分子,再设计切割算法控制这些图的贡献。最后证明,只要玻尔兹曼方程的光滑解在 上存在,硬球系统到玻尔兹曼方程的收敛就在整个 上成立。
简单一句话,过去只能证明很短时间内这座桥不会塌,他们证明了只要桥对面的方程仍然光滑,整段路都能走过去。
所以这项成果对于涌现的意义,远不止把一个定理的时间延长了。
它证明在论文设定的极限中,粒子间不断生成的复杂关联不会摧毁宏观统计规律。玻尔兹曼层获得的那套新语言,可以在整个光滑解区间内维持自己的有效性。
第二道桥通向流体方程
到了玻尔兹曼方程,还没有得到流体。
还要继续压缩速度分布,只保留密度、平均速度和温度这些宏观量。对应的语言转换是
粒子语言分布语言场语言
2025 年,三位作者把第一项工作扩展到二维和三维周期空间,并在相应尺度极限和正则性假设下,从硬球系统经由玻尔兹曼理论推导出可压缩欧拉方程,以及不可压缩纳维-斯托克斯-傅里叶方程。
从分布到流体新增了什么
玻尔兹曼层仍然保留每个位置上的完整速度分布 。
到了流体层,连这部分信息也被压缩了。系统只留下几个速度矩
严格说,这三个量都能由 取矩得到。真正新增的特性是它们的自主性。经过流体极限以后,它们不再依赖完整速度分布的逐点演化,也能组成自己的近似封闭方程。
信息再次减少,新的性质却继续增加。
欧拉方程中出现了由压强推动的连续介质运动。纳维-斯托克斯-傅里叶方程中又出现了黏性耗散和热传导。单个硬球没有黏度,也不会携带一个热传导系数。这些量概括了海量碰撞在大尺度上的累计效果。
更关键的一点,是密度、速度和温度组成了近似封闭的场方程。
微观层出现粒子的运动与碰撞,玻尔兹曼层得到分布的演化。流动不是粒子运动的别名,热传导也不是某次能量交换的放大版。它们是海量微观事件被压缩后,才获得的宏观概念与自主规律。
他们在一定条件下,用数学严格证明了,底层出现运动,宏观才有流动,底层有出现量交换,宏观才有输运概念。
这就是第二处涌现。
希尔伯特在 1900 年提出第六问题时,其中一条纲领就是从原子论出发,对玻尔兹曼理论和流体力学的极限过程作数学处理。
当然,把它说成整个希尔伯特第六问题的完整解决还为时过早。
但这丝毫不影响它的重要性。
它第一次把一条长期缺失的数学道路接得这么长
可逆的粒子轨迹
带有熵方向的统计分布
带有压强、黏性和热传导的流体场
你看,涌现到了这里还有神秘色彩吗?
没有突然冒出来的「流体灵魂」,也没有拿量变质变搪塞读者,只有扎实的数学推导。每一层新增了上一层描述中找不到的变量、性质和方程,同时丢掉了更多微观信息。
这件事相当反直觉。
通常我们觉得信息越多,解释能力越好。可在这条推导中,微观信息越来越少,宏观规律反而越来越自主。
所以涌现并不要求高层规律逃离底层规律。它关心的是,经过极限、平均和信息压缩以后,哪些新变量能够稳定存在,并组成一套近似封闭的因果语言。
这就是宏观方程的涌现。
其他涌现研究在做什么
简单回顾几种经典的涌现案例。
伊辛模型与重整化群,一根小磁针怎样变成一块磁铁
伊辛模型你可以把它想成许多只能朝上或朝下的小磁针。每根小磁针只受邻居和温度扰动影响,它并不知道整块材料该朝哪里磁化。
温度足够低时,原本分散的小磁针会集体偏向同一方向。单根小磁针没有「整块材料的磁性」,许多小磁针放在一起以后,这个整体性质才出现。
它说明宏观秩序可以从局部关系中长出来,无须预先藏在某一个个体里。
重整化群还发现,一些微观材料虽然差别很大,到了更大的观察尺度,却会表现出相似的变化规律。
这让「涌现」多了一层重要含义。放大观察范围以后,有些细节会消失,新的共同规律反而变得清楚。
Vicsek 鸟群模型,没有领头者怎样形成共同方向
这个模型里有许多会自己移动的个体。每个个体只看附近同伴的方向,稍微跟着转,同时还会受到随机扰动。这里没有领头者,也没有一张全局路线图。
扰动较小时,原本各走各路的个体会形成稳定的共同方向。扰动继续增大,这种集体方向又会消失。
它说明大规模协调不一定需要中央指挥。只要局部模仿能够传递,群体就可能获得单个成员并不拥有的方向感。
该模型还能告诉我们,外界干扰增加到什么程度时,这种秩序会瓦解。
所以鸟群研究关注的涌现,也可以说得很简单。每只鸟只顾附近,整个群体却像一个整体那样移动。
大模型能力突现,为什么像是突然学会了一项能力
底层是大量参数的反复调整。训练任务看起来也很简单,让模型根据前文预测后面会出现什么文字。
随着参数、数据和计算量增加,模型在算术、翻译或推理任务上的得分,有时会突然越过一道门槛,看起来像是一下子学会了某种能力。
同一批模型如果采用「答对才得一分」的评分,能力曲线可能突然跳起来。换成能反映接近程度的连续评分以后,跳跃有时会变成平滑增长。
因此,大模型研究带来的重要提醒,是先分清模型内部真的发生了质变,还是评分方法把渐进变化切成了一道台阶。目前我们还很难提前预测,哪种能力会在什么规模出现。
不过和前两个例子相比,大模型如何「能力涌现」仍是一项等待完成的研究问题。
结尾
以后再看到「某某能力涌现了」,你可以连续问下去。
微观层到底有什么东西在互动?
整体究竟多出了什么单个部分没有的性质?
这个说法能帮助我们解释、预测或改变什么?
三句话说不清,「涌现」大概只是一个标签。三句话能说清,再追问具体机制、尺度变化和反例,它才可能成为一项严肃的科学研究。
题主真正反感的,也许从来都不是涌现。
题主反感的是有人把起点假装成终点,把「这里有个问题」写成「问题已经解释完了」。
邓煜等人的成果刚好展示了另一条路。