[论文解读] Discrete spacetime and its applications

Eitan Bachmat|ArXiv.org|Feb 27, 2007

Random Matrices and Applications参考文献 42被引用 6

一句话总结

本文提出将离散时空建模为通过体积形式从时空流形中随机采样点所形成的随机偏序集，其中因果结构诱导出偏序关系。研究证明，此类离散时空的渐近性质可实现时空维度与度量的重建，并将该形式化方法应用于飞机登机和调度等多样化问题，表明最长因果链与登机时间及策略表现密切相关。

ABSTRACT

We survey some results about the asymptotic behavior of discrete spacetime models, which appeared in diverse settings in the physics and math literature. We then discuss some recent applications, including scheduling in disk drives and analysis of airplane boarding strategies.

研究动机与目标

• 建立基于时空流形体积采样生成的随机偏序集的离散时空数学框架。
• 研究当采样点数 n 增大时，离散时空的渐近行为。
• 证明在 n 趋于无穷的极限下，仅凭因果结构与体积形式即可重建时空维度与度量。
• 将离散时空形式化方法应用于看似无关的实际问题，如飞机登机与任务调度。
• 提供数值与理论证据，表明离散时空中的因果链与登机时间、任务完成顺序等可观测量之间存在关联。

提出的方法

• 将离散时空定义为从洛伦兹流形 M 的紧致区域 D 中，使用体积形式独立同分布采样得到的 n 个点的集合。
• 基于 M 的因果结构在采样点上诱导出偏序关系 ≺：当且仅当存在一条从 a 到 b 的未来指向的类时曲线时，定义 a ≺ b。
• 利用 Hawking、King、McCarthy 和 Malament 的结果，证明在连续极限下，因果结构与体积形式可唯一确定度量（至微分同胚）。
• 通过密度函数 p(x,y) 和拥堵参数 k，在单位正方形上构造洛伦兹度量，定义为 ds² = 4D²p(x,y)(dx² + kα(x,y)dy²)。
• 将飞机登机建模为因果过程：被他人阻塞的乘客形成链条，最长此类链条对应于离散时空中的最长因果曲线。
• 使用经 √n 缩放的最长因果曲线长度（固有时）来估计登机时间，并通过模拟验证其有效性。

实验结果

研究问题

• RQ1 能否从随机采样形成的离散时空的渐近结构中重建时空流形的维度？
• RQ2 在 n 趋于无穷的极限下，时空的因果结构与体积形式在多大程度上决定了其度量？
• RQ3 如何将离散时空形式化方法应用于建模飞机登机与任务调度等实际过程？
• RQ4 离散时空中最长因果链与航空运营中的实际登机时间之间存在何种关系？
• RQ5 该形式化方法能否在底层动力学复杂的情况下，高精度预测不同登机策略的性能排名？

主要发现

• 本文提出一种新方法，通过离散时空的渐近行为重建时空维度，解决了维度重建问题的简洁解法。
• 数值计算（图 2）表明，离散时空模型中的最长因果链与飞机登机模拟中的实际登机时间高度吻合。
• 当拥堵参数 k=4 时，任何从后往前的登机策略的期望登机时间受 (12) 限制，表明其相对于随机登机的改进不超过 20%。
• 模型预测：当 k=4 时，任何从后往前的登机策略最多只能将登机时间减少 5%，暗示此类策略的实际效益有限。
• 离散时空模型中的最长因果曲线渐近匹配了乘客相互阻塞的最长链条，验证了因果模型作为真实登机过程代理的有效性。
• 尽管边界效应导致误差项增加，但经 √n 缩放的最长曲线长度仍能极为准确地对登机策略进行排序，优于详细模拟结果。