Excursion Set Approach to Primordial Black Holes: Cloud-in-Cloud and Mass Function Revisited

该研究利用游程集框架重新审视了原初黑洞的质量函数，指出其形成过程具有非马尔可夫性，从而证明传统普雷斯 - 谢克特形式中用于修正“云中之云”问题的因子 2 并不适用，并强调必须同时考虑随机运动的两个分量以得到正定的质量函数。

要点

这篇文章主要是在解决一个关于宇宙早期“黑洞种子”（原初黑洞）数量计算的数学难题。为了让你轻松理解，我们可以把宇宙想象成一个巨大的、正在发酵的面团，而原初黑洞就是面团里突然塌陷形成的小空洞。

以下是用通俗语言和生动比喻对这篇论文的解读：

1. 背景：我们在算什么？

宇宙大爆炸后，物质分布并不完全均匀，有些地方密一点，有些地方疏一点。

• 普通黑洞（暗物质晕）： 就像面团里慢慢发酵、聚集起来的大块面团（星系、星系团）。
• 原初黑洞（PBH）： 就像面团里因为某些特殊原因，瞬间剧烈塌陷形成的小黑洞。科学家想知道：宇宙里到底有多少这种小黑洞？它们的质量分布是怎样的？

2. 旧方法的问题：那个神秘的“乘以 2"

以前，科学家计算这些“塌陷区域”的数量时，使用了一个叫Press-Schechter (PS) 的公式。

• 云中之云问题（Cloud-in-Cloud）： 想象一下，你在大面团里找小空洞。有时候，一个小空洞（小区域）其实包含在一个更大的空洞（大区域）里。如果你只是简单地数“哪里密度高就数哪里”，你就会重复计算。比如，你数了那个小空洞，又数了包含它的大空洞，结果把同一个东西数了两次，或者漏掉了某些情况。
• 补救措施（那个“凑数因子 2"）： 为了解决这个重复计数导致的数量减半的问题，以前的科学家发现，把计算结果乘以 2，就能神奇地让总数对得上。这个“乘以 2"被称为“凑数因子”（Fudge Factor），因为它看起来像是为了凑数硬加上去的，缺乏严谨的数学证明，但在计算普通星系（暗物质晕）时，大家发现它确实管用。

3. 新发现：原初黑洞不能简单“乘以 2"

这篇论文的核心观点是：对于原初黑洞，那个“乘以 2"的魔法可能失效了，甚至会导致灾难性的错误。

作者把宇宙密度的变化想象成一个人在迷雾中走随机路（随机游走）：

• 普通星系（暗物质晕）的情况：

  • 想象这个人走的是**“白噪声”路**（像掷骰子，每一步都完全独立，不受上一步影响）。
  • 在这种路上，如果你设定一个“跌倒线”（临界密度），那么“第一次跨过线”的概率，和“曾经跨过线但后来没跨过去”的概率，在数学上是完全相等的（就像照镜子）。
  • 结论： 因为这两部分概率相等，所以总数 = 2 × 第一部分。这就是为什么普通星系计算时“乘以 2"是科学的。

• 原初黑洞（PBH）的情况：

  • 原初黑洞形成于宇宙极早期（辐射主导时期），这里的物理规则不同。这里的“路”变成了**“有色噪声”路**（像走在一个有弹性的蹦床上，你现在的每一步都受到过去几步的强烈影响，步与步之间是相关的）。
  • 关键发现： 在这种“有记忆”的路上，“第一次跨过线”的概率和**“曾经跨过线”的概率，完全不相等！**
  • 后果： 如果你还像以前那样，不管三七二十一直接“乘以 2"，计算出来的黑洞数量就会出错。更糟糕的是，在某些质量范围内，直接套用旧公式甚至算出负数的黑洞数量（这在物理上是不可能的，就像算出你有 -5 个苹果）。

4. 作者做了什么？

作者没有停留在理论推导，而是像做实验一样，用超级计算机模拟了10,000 次这种“随机走路”的过程：

1. 模拟普通情况： 验证了确实“第一次”和“曾经”的概率相等，证明了旧方法对普通星系是对的。
2. 模拟原初黑洞情况： 发现两者不相等。
3. 修正公式： 他们提出，计算原初黑洞时，必须把这两部分概率分别算出来，然后加起来，而不是简单地乘以 2。只有这样，才能确保算出来的黑洞数量永远是正数，且符合物理规律。

5. 总结与比喻

• 旧观念： 就像你数人群，发现漏了一半，于是习惯性地把结果乘以 2。这在数“普通人群”（普通星系）时很准。
• 新发现： 但当你去数“穿着隐身衣的特殊人群”（原初黑洞）时，他们不仅会隐身，还会互相干扰。这时候，如果你还机械地乘以 2，不仅数不准，甚至可能算出“负数的人”。
• 论文贡献： 作者告诉我们，不要盲目迷信那个“乘以 2"的旧习惯。对于原初黑洞，我们需要更精细的算法（考虑步与步之间的关联），把两部分概率老老实实加起来，才能得到正确的答案。

一句话总结：
这篇论文通过严谨的数学模拟证明，计算宇宙早期原初黑洞的数量时，不能简单套用计算普通星系的“乘以 2"法则，否则会得到荒谬的负数结果；必须采用更复杂的“分步求和”法，才能算出靠谱的黑洞数量。这为未来寻找暗物质和解释引力波来源奠定了更坚实的理论基础。

技术摘要

这是一份关于论文《Excursion Set Approach to Primordial Black Holes: Cloud-in-Cloud and Mass Function Revisited》（原初黑洞的巡天集合方法：云中之云问题与质量函数再审视）的详细技术总结。

1. 研究背景与核心问题 (Problem)

• 背景：原初黑洞（PBHs）是暗物质的有力候选者，其丰度和质量函数通常通过 Press-Schechter (PS) 形式体系进行估算。PS 形式体系最初用于计算暗物质晕（halos）的质量分布。
• 核心问题：
  • “云中之云”问题 (Cloud-in-Cloud Problem)：在 PS 形式体系中，如果直接计算超过临界阈值 $\delta_c$ 的区域，会低估坍缩物体的数量，因为小尺度的过密度区域可能被包含在更大的过密度区域中（即“云中之云”），导致重复计数或漏计。
  • “修正因子 2" (Fudge Factor 2)：为了恢复质量守恒，原始的 PS 公式人为引入了一个乘数因子 2。在暗物质晕形成的语境下，Bond 等人利用巡天集合理论 (Excursion Set Theory) 证明了在马尔可夫过程（Markovian process，即无记忆过程）下，该因子 2 是严格成立的（即 $P_1 = P_2$，其中 $P_1$ 是首次穿越阈值的概率，$P_2$ 是之前已穿越但当前未穿越的概率）。
  • PBH 计算中的混乱：在 PBH 形成的文献中，对于是否应用这个“因子 2"存在长期争议。一些研究直接套用晕形成的公式（乘以 2），而另一些则忽略它。此外，直接使用 $P_1$ 计算 PBH 质量函数有时会导致质量函数出现负值，这在物理上是不可接受的。
• 研究目标：在辐射主导（RD）时期，利用巡天集合框架重新审视 PBH 的形成，明确“因子 2"是否适用，并解决质量函数计算中的负值问题。

2. 方法论 (Methodology)

作者将 PBH 形成建模为密度对比度 $\delta(x, R_M)$ 随平滑尺度 $R_M$（或等效时间 $\tau \propto 1/R_M$）演化的随机游走过程。

• 巡天集合框架：

  • 将平滑后的密度对比度 $\delta(\tau)$ 视为随 $\tau$ 演化的随机过程。
  • 坍缩定义为随机游走首次穿越临界阈值 $\delta_c$。
  • 总坍缩概率 $P(>M)$ 被分解为两部分：
    1. $P_1$：在尺度 $\tau_M$ 处，$\delta(\tau_M) > \delta_c$（当前时刻超过阈值）。
    2. $P_2$：在 $\tau < \tau_M$ 的某个时刻曾超过阈值，但在 $\tau_M$ 处低于阈值（即“云中之云”导致的漏计部分）。
  • 总概率 $P(>M) = P_1 + P_2$。

• 关键区别：马尔可夫性 vs. 非马尔可夫性：

  • 暗物质晕：在锐利 $k$ 空间滤波（sharp-$k$ filter）下，噪声 $\xi(\tau)$ 是白噪声（不相关），过程是马尔可夫的。此时 $P_1 = P_2$，因此 $P(>M) = 2P_1$，解释了“因子 2"。
  • 原初黑洞 (PBH)：PBH 形成于哈勃视界尺度。由于 PBH 质量与哈勃视界直接相关，且密度对比度与曲率扰动 $\zeta$ 的关系涉及 $k^4$ 权重，导致噪声 $\xi(\tau)$ 在不同时间步是相关的（有色噪声）。这使得过程变为非马尔可夫 (Non-Markovian) 的。

• 数值模拟：

  • 作者推导了 PBH 情况下的噪声协方差矩阵 $C(\tau, \tau')$，发现其包含非对角项（即 $\tau \neq \tau'$ 时相关）。
  • 使用 Cholesky 分解生成有色高斯噪声，求解 Langevin 方程进行数值模拟。
  • 对比了不同功率谱（幂律谱、尖峰谱）下的 $P_1$ 和 $P_2$ 的统计分布。

3. 主要贡献与结果 (Key Contributions & Results)

A. 理论突破：PBH 形成是非马尔可夫过程

• 即使采用锐利 $k$ 空间滤波，PBH 形成过程中的密度扰动演化也是非马尔可夫的。
• 这是因为 PBH 的方差 $\sigma_M^2$ 不是 $1/M$的单调递增函数（对于尖峰功率谱，$\sigma_M^2$ 在特定质量处达到峰值后下降），导致噪声项在不同时间步存在强相关性。

B. 证伪“因子 2"的普适性

• 通过数值模拟，作者发现对于 PBH，$P_1 \neq P_2$。
• 特别是在大质量区域（$\tau_M \gg \tau_*$，即功率谱峰值之后），方差趋于零，轨迹不再能穿越阈值，此时 $P_1 \approx 0$，但 $P_2$ 仍然显著（因为轨迹曾在早期穿越过阈值）。
• 结论：在 PBH 计算中，$P(>M) = P_1 + P_2 \neq 2P_1$。因此，盲目应用“因子 2"是错误的。

C. 解决质量函数负值问题

• 文献中常直接使用 $2 \frac{dP_1}{dM}$来计算质量函数。作者发现，由于$P_1$和$P_2$不相等且变化率不同，仅计算$P_1$ 的导数在某些质量范围内会导致质量函数为负值（物理上不可能）。
• 正确做法：必须计算总概率 $P(>M) = P_1 + P_2$ 的导数。数值结果显示，$P_1 + P_2$ 的导数在整个质量范围内保持正定（Positive-definite）。
• 这意味着 $P_2$ 的贡献对于获得物理上合理的质量函数是不可或缺的。

D. 数值验证

• 通过 $10^4$ 次 Langevin 轨迹模拟，验证了理论推导的方差与模拟方差的一致性。
• 展示了在窄峰（单色 PBH）和宽峰（扩展 PBH）功率谱下，$P_1$ 和 $P_2$ 的统计行为差异，证实了非马尔可夫效应的存在。

4. 科学意义 (Significance)

1. 澄清理论争议：彻底解决了 PBH 丰度计算中关于是否使用“因子 2"的长期混淆。明确指出该因子仅适用于马尔可夫过程（如暗物质晕），而不适用于 PBH。
2. 建立稳健的理论基础：指出了以往文献中忽略 $P_2$ 项（即忽略非马尔可夫效应）会导致质量函数出现非物理的负值。提出了正确的计算框架：必须包含 $P_1$ 和 $P_2$ 的完整贡献。
3. 方法论创新：展示了如何在非马尔可夫随机过程中处理“云中之云”问题，为未来更精确的 PBH 丰度计算（特别是针对非高斯扰动或复杂功率谱）提供了严格的数学和数值基础。
4. 观测影响：由于 PBH 丰度直接关联到引力波事件率（如 LIGO 观测到的双黑洞并合）和暗物质限制，修正后的质量函数将直接影响对早期宇宙物理（如暴胀模型）的约束。

总结

该论文通过引入巡天集合理论并深入分析噪声的相关性，证明了 PBH 形成是一个非马尔可夫过程。这一发现推翻了在 PBH 计算中简单套用“因子 2"的做法，并揭示了忽略非马尔可夫项（$P_2$）会导致质量函数出现非物理负值的严重后果。作者提出了一套包含 $P_1$ 和 $P_2$ 的完整计算方案，为 PBH 宇宙学研究提供了更精确、更稳健的理论工具。