SCP基金会中文分部

线程空间

在前面的章节中，我们从世界线之间的转换这一角度讨论了时间旅行，并展示了如何利用它来预测简单时间循环的行为。然而，为了理解更复杂的现象，有必要对这一概念进行推广。

线程空间 指所有可能发生的事物的组合空间，其涵盖范围直至最微小的细节，包括那些本质上具有随机性的事件（如原子核衰变或量子相互作用）。此类组合的单一实例被称为“线程”。需要注意的是，在相对论中，必须考虑每个参考系都有其独立的线程体系，但本文不作讨论。

偏移线程的概念同样重要；给定一个时空向量 \vec x$\overrightarrow{x}$，那么 A + \vec x$A+\overrightarrow{x}$ 也是一个线程。我们通常可以将某个线程的所有偏移线程与原线程一并考虑，但在讨论线程距离和传送时，这种区分就变得至关重要。

无课后习题

夫斯基场

要正确理解各线程间的关系，我们还需要引入夫斯基场,这是宇宙中一个基本场。（注：在某些语境中，它也可能被称为子空间场。）夫斯基场为每个线程的时空点定义了唯一关联值。理论认为，正是这个场使得时空点能够彼此区分，从而避免了宇宙坍缩为单一质点的情况。该场也构成了不同线程间的本质差异，而最关键的是，通过测量该场可直接判定两个线程的相似程度。

测量这一现象存在多种方法，但最常用且实用的是以"休谟"为单位的线程距离。在你们的其他课程中，或许已通过康德计数器或类似设备测量事物"异常性"时接触过休谟这一单位。而在时间旅行研究中，我们使用的是另一种工具世界线变动率探测仪。与固定口袋维度作为参照系的测量方式不同，世界线变动率探测仪能直接测量线程间的相对距离，其灵敏度通常显著更高。

需要注意的是，线程距离并不能直接揭示两个线程之间存在的具体差异，但它能准确量化线程间的差异程度，并有助于定位可能发生重大改变的区域。

无课后习题

线程距离的代数性质

线程距离，记作 d(A,B)$d(A,B)$用于任意给定线程A、B之间，使我们能够定义一个度量空间，并诱导出一种拓扑结构，从而得以对线程空间进行推理论证。虽然夫斯基场的精确细节对理论因果性至关重要，但出于实际应用考虑，我们只需掌握其少数基本概念即可。

由于线程距离是一个度量，它具有以下性质：

• d(A,B)\in\Bbb R$d(A,B)\in \text{[PARSE ERROR: Undefined("Command("Bbb")")]}R$ — 线程距离是一个实数
• d(A,B)\ge0$d(A,B)\text{[PARSE ERROR: Undefined("Command("ge")")]}0$ — 线程距离具有非负性
• d(A,A)=0$d(A,A)=0$ — 线程到自身的距离为零
• d(A,B)=d(B,A)$d(A,B)=d(B,A)$ — 线程距离具有自反性；正反方向的测量结果相同
• d(A,B)\le d(A,C) + d(B,C)$d(A,B)\text{[PARSE ERROR: Undefined("Command("le")")]}d(A,C)+d(B,C)$ — 线程距离遵循三角不等式；任意两线程到第三个线程的距离之和，不小于这两线程之间的直接距离。(即，不存在任何"捷径")

这些数学特性至关重要，因其使我们能够运用分析工具推演线程空间的性质，尤其为定义线程势（详见第3.5节）提供了理论基础。

课后习题

1. 已知 d(K, Q) = 1.5\,\mathrm{Hm}$d(K,Q)=1.5\mathrm{H}\mathrm{m}$ 且 d(T, Q) = 7.0\,\mathrm{Hm}$d(T,Q)=7.0\mathrm{H}\mathrm{m}$， 则 d(K, T)$d(K,T)$的最大可能值是多少？
2. 进阶 设 f(\vec x) = d(E+\vec x, E)$f\left(\overrightarrow{x}\right)=d(E+\overrightarrow{x},E)$，证明 \nabla\times\nabla f(\vec x)=0$\nabla \times \nabla f\left(\overrightarrow{x}\right)=0$。

线程收敛和时间循环

在第2章中，我们曾以世界线为框架讨论时间循环，假设每次循环迭代都与前次完全相同。但实际上，由于贝尔定理的约束及"观测即干扰"的量子特性，每条世界线的每次迭代必然存在至少微小的差异。因此，更严谨的表述是将世界线理解为循环迭代的极限状态。

给定一个时间循环，其线程序列为A^{(1)}, B^{(1)}, A^{(2)}, B^{(2)} …$A^{\left(1\right)},B^{\left(1\right)},A^{\left(2\right)},B^{\left(2\right)}\mathrm{\dots }$，若该序列可分解为有限个收敛柯西序列，则可将世界线定义为这些序列的极限。具体而言，当 A^{(1)}, A^{(2)} …$A^{\left(1\right)},A^{\left(2\right)}\mathrm{\dots }$ 和 B^{(1)}, B^{(2)} …$B^{\left(1\right)},B^{\left(2\right)}\mathrm{\dots }$ 都为柯西序列，我们可定义 A = \lim_{n\to\infty} A^{(n)}$A=\underset{n\to \mathrm{\infty }}{\lim }{A}^{\left(n\right)}$ 和 B = \lim_{n\to\infty} B^{(n)}$B=\underset{n\to \mathrm{\infty }}{\lim }{B}^{\left(n\right)}$ 作为世界线。换言之，若循环经历任意次数后， A^{(n)}$A^{\left(n\right)}$ 与 A^{(n+1)}$A^{(n+1)}$之间的差异趋于无限小，则仍可将其视为有效世界线。

然而，某些情况下线程序列无法按此方式分解，此时序列将收敛到线程空间中的一组闭合曲线或高维流形。这类世界流线有时仍可类似于世界线进行考虑，但包含世界流形的系统通常无法通过代数方法求解。针对此类复杂系统的求解方法，我们将在第4章予以阐述。

无课后习题

线程电位

线程距离的另一个重要特性是它在时间和空间上的变化方式。特别是该距离函数具有连续可微性，且在无穷远处恒为零。其数学表述为：

测量不同线程之间的线程距离对于确定它们的相似程度以及推断收敛性非常有用。然而，从某种意义上说，更重要的是，我们还能测量仅由时空分隔的位点之间的线程距离。定义一个基于"至无穷远"线程距离的势场成为可能， 该场被称为线程势能，记为 \nabla^2 d(E)${\nabla }^{2}d\left(E\right)$，该势场具有若干极其重要的特性。

这个量在后面的章节中显得极为重要，因为它使我们能够直接将不同事件的概率相互关联：

两个事件的发生概率之比，也是在估算通过时间旅行改变这些事件的难易程度时的主要决定性因素之一。该比值还使我们可能通过追踪线程势的梯度峰值，定位并绘制出易受影响的邻近事件分布图。

无课后习题