当前位置: 首页 > news >正文

物质和暗物质形成机制

本文主要讨论在宇宙演化初期,物质与暗物质是如何形成的,以及星系螺旋曲线异常的来源

宇宙演化不同阶段的质量和暗物质形成和质-能转化机制

宇宙膨胀的第一阶段:质量生成主导。按本量子化弹性时空模型,质量是压缩态被空间旋量-SEQ固定手性自旋耦合锁定形成的,质量态的形成取决与空间压缩度和空间旋量-SEQ自旋耦合强度。那么由于第一阶段宇宙整体处于压缩相位,而空间旋量-SEQ自旋耦合集中在局部空间,形成质量是自洽的,因为第一阶段,宇宙整个空间总体处于压缩态,暴涨初期的压缩态更明显,由于旋量-SEQ固定手性耦合锁定的机制(类希格斯机制,具体在第10章介绍),部分空间的压缩态被锁定成质量态。 所以在第一阶段,质量生成主导,特别在初期暴涨时期,空间压缩度更高与质量态所需要的压缩度更匹配。

宇宙膨胀的第二阶段和第三阶段:质量态转化为能量态主导,整个过程可能有新的质量态生成。宇宙总体处于拉伸阶段,本模型认为这个阶段质量态由于空间本体的拉伸态而陷入不稳定状态,更多质量态解体。在这个阶段,一些大质量天体内部可能生成新的元素-质量态。

宇宙膨胀的第四阶段:宇宙重新进入压缩态,但此时空间旋量分布更均匀,希格斯机制效应更弱,虽可能形成的新质量态,但总体上质量生成速度明显不如第一阶段。

宇宙膨胀的第五阶段:反复振荡-然后进入到热平衡振荡。随着空间旋量的均匀化分布的演进-不可逆熵增过程,宇宙的反复振荡过程中,质量态所占比例越来越小,直到所有的质量态转换为能量态,即SEQ网络的旋量分布均匀,进入热平衡状态的振荡。

如果bigbang之前宇宙处于高度压缩的状态,那么bigbang之后经历的第一阶段就是弹性压缩势能转动能的阶段,这个阶段就是加速膨胀阶段,目前观测到的加速膨胀即可推出目前所处的阶段就是压缩相-加速膨胀阶段。 宇宙暴涨阶段的大量质量生成机制在这一图景下也很容易理解: 质量本身是空间的压缩态,通过空间基本量子的固定手性自旋与空间旋量耦合-类希格斯机制,在一些局部锁定了空间压缩态,即生成质量。这是因为在宇宙bigbang之后初期的暴涨阶段,宇宙的压缩度足够高,与质量所需的压缩度匹配,空间旋量集中在局部区域,这样就为一些局部在这个阶段生成质量态提供了条件。

由于宇宙膨胀初期,空间旋量(扭量弹性势能)集中在少数空间基本量子上,也符合热力学低熵态的设定。

同时这种空间高度压缩与高能空间旋量的协同生成质量的机制,也可以解释星系形成中的旋转曲线异常。具体机制可以这么认识,初期的高旋量集中在局部SEQ网络上,而这种旋量高度集中与高压缩耦合后,形成质量,那么质量体及周边空间携带的旋量肯定高于常规计算预测。

与宇宙膨胀初期的质量生成机制相似,暗物质的形成也是由空间压缩态与类希格斯机制(空间网络旋量与SEQ固定手性自旋耦合)协同锁定机制主导的。只不过暗物质形成时期比质量生成时期要晚,该形成阶段的空间压缩度不足以生成质量所需的空间压缩度,而且这个时期,由于熵增-SEQ自旋动能分布均匀化后,类希格斯机制的旋量强度也不足以锁定高压缩度,这就是暗物质与质量态的区别。本质上,暗物质也是一种空间压缩态的锁定,其压缩强度远低于质量态,但同样对周边空间造成拉伸作用,表现为引力场。

为什么宇宙膨胀第一阶段处于空间整体压缩相也有全域存在的引力-拉伸回复势?因为质量体的压缩度比周边空间高得多,空间变形梯度特别大,形成了相对拉伸回复势-引力势。

这套解释,是自洽且图像清晰的,特别是为宇宙暴涨初期质量态大量生成提供了具象化的物理图像和机制说明。

为什么宇宙在加速膨胀?宇宙加速膨胀的机制-CSDN博客

量子化弹性时空模型论文预印版存档:Multiplicative Entropy Encodes Time-Causality; Gauge Mediates Mass-Gravity; Frequency Mirrors Metric-Geometry

http://www.dtcms.com/a/323445.html

相关文章:

  • 【排序算法】④堆排序
  • 工具箱许愿墙项目发布
  • AI_RAG
  • 复现论文关于3-RPRU并联机器人运动学建模与参数优化设计
  • 机器翻译实战:使用Gensim训练中英文词向量模型及可视化
  • Android之gradle和gradlew命令编译项目总结
  • 消息队列核心功能和消息队列做异步的优势
  • C++:继承[下篇]
  • Vue 使用element plus组件库提示doesn‘t work properly without JavaScript enabled
  • [ MySQL 数据库 ] 多表关联查询
  • STM32HAL库 -- 10.DMA外设实战(UART串口+DMA读取传感器数据)
  • Tangram官网教程
  • Qt Graphics View框架概述
  • 夺宝奇兵 古老之圈 送修改器(The Great Circle)免安装中文版
  • openvela之STM32开发板部署
  • 力扣(轮转数组)
  • 智慧水务漏检率↓75%:陌讯水下视觉监测方案实战解析
  • 北京天津唐山廊坊沧州打捞日记
  • Nvidia 开源 KO 驱动 开发入门
  • 车流高峰漏检率↓85%!陌讯时序建模方案在智慧交通的实时优化​
  • AtCoder Beginner Contest 418
  • LLVM编译器入门
  • 力扣面试150(51/100)
  • 【Python 工具人快餐 · 第 2 份】
  • 使用SPM进行核磁数据预处理
  • 【无标题】六边形结构在二维拓扑量子色动力学模型中确实具有独特优势,并构建完整的二维拓扑量子色动力学模型。
  • Redis三种特殊数据类型
  • 【深度学习2】logistic回归以及梯度下降
  • synchronized和RentrantLock用哪个?
  • Datawhale AI夏令营第三期,多模态RAG方向 Task2