玻尔百科局域性原理——即一个物体只受其直接周围环境影响的观点——是科学中最直观、最基本的概念之一。它主导着我们的日常经验，并构成了工程学、物理学和计算机科学中各种理论的基础。然而，这个常识性观念面临着来自奇异的量子力学世界的深刻挑战，在其应用价值与根本真理之间造成了引人入胜的张力。本文将深入探讨这一关键原理。我们将首先探索局域性的核心原理和机制，考察它在从材料科学到理论计算和逻辑学等领域中的表现形式。然后，我们将研究其具体应用和跨学科联系，揭示如何利用局域性来构建高性能计算机，乃至理解宇宙本身的结构，并最终直面其在量子现实面前令人震惊的崩溃。
科学中有一些观念是如此基本，如此直观正确，以至于我们常常甚至没有注意到我们正在使用它们。它们构成了我们推理的基石。局域性原理就是这样一种观念。在其最简单的形式中，它指的是一个物体只受其直接周围环境影响的常识性概念。如果你想推一本书，你必须接触它。池塘里的涟漪向外扩散，影响它旁边的水，然后又影响再旁边的水，如此等等。不存在“鬼魅般的超距作用”；效应是通过一连串的局域相互作用传播的。事实证明，这个简单的想法是所有科学中最强大、最具统一性的概念之一，出现在工程学、计算机科学乃至量子物理学最深奥的谜团等多个不同领域。然而，正如我们将要看到的，正是在挑战这一直觉的过程中，自然揭示了其最深刻的秘密。
让我们从一些实在的东西开始——字面意义上的。想象你是一位正在设计桥梁的工程师。你关心的是钢梁如何响应过往车辆产生的应力。你如何为此建模？你不会去追踪每一个铁原子之间的相互作用。相反，你将钢梁视为一种连续材料，一个连续介质。你所做的基本假设，即柯西连续介质假设，是纯粹局域的。它指出，梁内任意一点 的应力（内力）仅取决于同一点 处的应变（局部变形或拉伸）。这种关系被一个优美简洁的本构定律所描述：，其中 是应力， 是应变，而 是描述材料属性的张量。这里的应力不依赖于一米外甚至一毫米外的应变。这是一个完全局域的事件。
这个假设取得了惊人的成功。它使我们能够建造不会倒塌的摩天大楼、飞机和桥梁。但它为什么有效呢？因为它利用了尺度分离。原子的大小及其作用力的范围，与梁的尺寸及其弯曲的尺度相比微不足道。连续介质模型有效地对这些微观细节进行了平均。
但是，当这种尺度分离失效时会发生什么？如果我们在纳米尺度上建造一台机器，其组件仅有几百个原子宽呢？突然之间，连续介质模型中的“局域”点不再是无数原子的模糊集合，而是一个离散、块状的邻域。一个原子上的力现在很大程度上取决于其邻居的位置——不仅是紧邻的邻居，还有那些相距几个原子距离的邻居。局域性假设开始失效。
现代科学正努力解决这个问题。在计算材料科学中，研究人员开发机器学习模型来预测复杂材料中的能量和力。一种常见而强大的方法是假设一种形式的局域性：单个原子的能量贡献仅根据其在某个截断半径（比如几埃）内的邻居位置来计算。这是局域性原理的一个实际应用。然而，这个模型是不完整的。一些物理力本质上是长程和非局域的。例如，两个离子之间的静电吸引力随距离的增加而缓慢减小。为了建立一个准确的模型，科学家们通常必须采用一种混合方法：一个局域模型用于处理强的、短程的量子相互作用，并辅以一个独立的、非局域的计算来处理长程力。因此，局域性并非绝对真理，而是一种强大且极其有效的近似。
让我们将视角从物理世界完全切换到抽象的计算世界。一次计算是“局域的”意味着什么？思考一下图灵机，这个由 Alan Turing 构想的、支撑着所有现代计算的理论模型。图灵机是局域性的典范。它由一条带子、一个读写头和一组状态组成。在任何给定时刻，机器的读写头都位于带子上的一个单一位置。它读取该单元格中的符号，并根据该符号及其当前状态执行三项操作：在同一单元格中写入一个新符号，转换到一个新状态，以及将读写头移动至多一步，向左或向右。
想一想这意味着什么。整个带子在下一个时间步的状态是由一系列完全局域的变化决定的。单元格 在时间 的内容只有在读写头在时间 位于单元格 、 或 时，才可能与其在时间 的内容不同。其他任何东西都无关紧要。机器不能突然“看到”一千个单元格之外的符号并对其作出反应。这种严格的局域性不是一种限制，而是其决定性特征。它使计算过程成为我们可以一步一步分析的东西。事实上，正是这个特性使我们能够证明计算机科学中一些最深刻的成果，比如库克-列文定理，它奠定了 NP-完备性的基础。其证明过程涉及将图灵机的整个计算过程编码为一个庞大的逻辑公式，而这之所以可能，是因为有效转换的规则是局域性子句，将时间 的一小块计算区域与时间 的另一小块计算区域联系起来。
为了理解局域性的力量，看看当我们打破它时会发生什么会很有启发。想象一个假设的“跳转图灵机”（JTM），它有一条特殊指令：从带子上读取一个数字，然后将读写头直接跳转到那个位置，无论多远。突然之间，单元格 在时间 的状态可能取决于读写头在时间 位于带子上的任何位置。那种优雅的、局域的结构被打破了。我们的逻辑公式中的单个子句将不得不考虑一个巨大的、非恒定数量的可能性，而对局域图灵机有效的多项式规模的构造方法也随之失效。更现实的随机存取机 (RAM) 模型，它更接近真实计算机的工作方式，带有像 LOAD R_i, [R_j] （将寄存器 中存储的内存地址处的值加载到寄存器 中）这样的指令，也表现出这种非局域性。为了对这类机器进行推理，计算机科学家必须明确地追踪这些非局域依赖关系，这比处理一个简单的、局域的图灵机要复杂得多。
这种有限的、局域的“视野”思想甚至出现在更抽象的领域，如纯逻辑学。一阶 (FO) 逻辑是一种形式语言，我们可以用它来描述如图这样的数学结构的属性。图只是顶点和边的集合。“此图包含一个三角形”这样的属性是一个局域属性。要检查它，你只需要一次查看三元顶点集。这可以很容易地用一阶逻辑表达。
但是像“此图是连通的”这样的全局属性呢，即任意两个顶点之间都存在一条路径？事实证明，这不可能用一阶逻辑来表达。为什么？原因再次是局域性。一阶逻辑中的任何给定句子都有一个固定的结构，一个有限的“量词深度”，这对应于一个有限的视野半径。一个一阶逻辑句子只能验证每个顶点周围某个固定半径 内的局域模式的存在。
为了理解这一点，想象两个不同的宇宙。在宇宙1中，我们有一个巨大的、包含 个顶点的单圈图，就像一条巨大的宇宙项链。这个图显然是连通的。在宇宙2中，我们有两个独立的、较小的圈，每个圈有 个顶点。这个图是不连通的。现在，假设 远大于我们一阶逻辑句子的“视野半径” 。如果你在宇宙1的巨大项链中任选一个顶点，并观察其半径为 的局域邻域，你会看到什么？你会看到一条长度为 的简单路径。现在，在宇宙2的两个项链中任选一个顶点。如果你观察其半径为 的局域邻域，你会看到什么？完全一样的东西：一条长度为 的简单路径。因为两个宇宙中的局域邻域是相同的，所以具有有限视野的一阶逻辑句子无法区分它们。它必须给出相同的结论——要么对两者都判定为“连通”，要么都判定为“不连通”。但由于一个是连通的而另一个不是，我们得到了一个矛盾。因此，这样的一阶逻辑句子不可能存在。逻辑本身的局域性阻止了它感知全局属性。
局域性与行为之间的这种联系是数学中的一个深刻主题。例如，在研究曲面上的热扩散时，热方程在极短时间（）内的解完全是一个局域现象。某一点的温度几乎完全由该点一个无穷小邻域内的初始温度和几何形状（曲率）决定。空间的全局属性，如其整体形状或是否有孔洞，只有随着时间的推移，热量有机会扩散到更远的距离并“感知”到全局结构时，才开始变得重要。
几个世纪以来，局域性是物理学无可指摘的基础。Newton 本人就对他自己的万有引力定律感到不安，该定律似乎意味着太阳瞬间就能隔着虚空拉动地球。Einstein 用他的广义相对论解决了这个问题，其中引力不是一种鬼魅般的超距作用，而是一种局域效应：质量和能量告诉时空在这里如何弯曲，而时空的曲率告诉物质在这里如何移动。没有任何东西，无论是信息还是影响，可以比光速更快。局域性得以恢复，并被奉为神圣。
然后，量子力学登场了。
该理论预言了一种称为纠缠的现象，即两个粒子可以以一种方式联系在一起，无论它们相距多远，它们的命运都是相互交织的。如果你测量一个粒子的某个属性，你会瞬间知道另一个粒子的相应属性，即使它在光年之外。Einstein 曾著名地将此嘲讽为“鬼魅般的超距作用”，并坚信量子力学必定是不完备的。他和他的同事提出，这些粒子必定携带一些“隐变量”——就像小小的指令集——预先决定了测量的结果。
这就是局域性原理面临其终极考验的地方。在1960年代，物理学家 John Bell 设计了一个绝妙的定理。他采纳了 Einstein 的实在论（即属性在测量之前就已确定存在的观点）以及至关重要的局域性假设，并证明它们导出了一个可检验的预测。这里的局域性假设非常精确：对 Alice 的粒子进行测量的结果可以依赖于她的测量设置和隐变量（），但它不能依赖于远方的 Bob 选择的测量设置。用数学语言来说，给定设置 和隐变量 时 Alice 得到结果 的概率必须满足 。
任何同时遵守实在论和这个严格局域性原理的理论都必须满足一个特定的数学约束，现在称为贝尔不等式。另一方面，量子力学预言纠缠粒子会违反这个不等式。如果一个理论是显式非局域的——例如，如果 Alice 的设置选择可以瞬间“传达”给 Bob 的粒子，使其结果可以同时依赖于两个设置——那么它就可以轻易地违反该不等式。一场对决的舞台已经搭好。
实验被一次又一次地进行，精度不断提高，漏洞不断被堵上。结论已经明确。宇宙违反了贝尔不等式。我们的世界不遵守局域实在论的规则。
这是一个惊人的结论。那个简单的、直观的观点——事物只受其直接周围环境的影响——并非宇宙在最深层次上的运作方式。它对于桥梁、计算机，甚至热的扩散来说是一个强大而有用的近似，但它不是最终的答案。自然界，在其量子的奇异性中，拥有一种根本的非局域性，将跨越时空的粒子命运联系在一起。通过从一个简单的、常识性的想法开始，并将其推向绝对极限，我们揭示了关于现实结构最奇特、最美丽的真理之一。
到目前为止，在我们的探索中，我们已经将局域性原理作为一个抽象概念进行了探讨。我们已经看到它有两种形式：时间局域性，即我们现在使用的东西很可能很快会再次使用；以及空间局域性，即我们现在使用的东西可能就在我们接下来需要的东西附近。这似乎只是简单的常识，但它是一条极其重要的线索，我们可以在整个科学和工程的织锦中追溯它的踪迹。它不仅仅是程序员的指导方针；它更是我们技术乃至自然界本身的一个基本架构原则。现在，让我们离开纯粹的原理领域，进入现实世界，在那里，局域性是一只无形的手，塑造着从你的计算机速度到我们理解量子世界能力的一切。
没有任何地方比现代计算机内部更自觉、更不懈地利用局域性原理了。计算机的内存不是一个简单、统一的数据柜。它是一个深邃而复杂的层次结构，顶层是为处理器准备的、小而极速的高速缓存，底层则是巨大而迟缓的存储设备。这套层次结构之所以能工作，唯一的原因就是局域性。
想象一下，你有两种方式来存储一千个数字。你可以把它们整齐地排成一行，一个接一个，放在一个连续的内存块里——这就是数组。或者，你可以把它们散布在内存各处，每个数字都带有一个小指针，告诉你下一个数字在哪里——这就是链表。如果你想读取所有这一千个数字，哪种方式更快？直觉上，数组感觉更有序。然而，性能上的差异不仅仅是整洁与否的问题，而是灾难性的。当处理器从数组中读取第一个数字时，内存系统会赌空间局域性，它不只取回那一个数字，而是抓取一整块相邻的数字——一个“缓存行”——并将其放入处理器的超高速缓存中。接下来的几十次访问就变成了极速的缓存命中。相比之下，遍历链表则是一场指针追逐的噩梦。每次访问都是一个新的、看似随机的内存位置，几乎保证了每一次都会缓存未命中。处理器大部分时间都在等待数据从缓慢的主存中取回。一个简单的模型显示，对于大量的元素，遍历链表的速度可能要慢上几个数量级，这一切都是因为它的内存布局破坏了空间局域性。
这不是偶然的；硬件就是建立在这场赌博之上的。因此，我们在软件中如何管理内存就变得至关重要。考虑一个需要创建和销毁许多小对象的程序。一种分配策略，“碰撞指针”，只是简单地将新对象一个接一个地放在一个连续的区域里。另一种策略，“空闲列表”，则维护一个分散的空闲位置列表并重用它们。如果程序稍后迭代其创建的对象，碰撞指针布局会展现出优美的空间局域性，导致较低的缓存未命中率。而空闲列表布局则导致对象散布在内存中，几乎每次访问都会导致缓存未命中。分配器的选择可能意味着未命中率是 0.25（每四个对象一次未命中）还是接近 1.0（每个对象都未命中）的差别。
但如果工作负载本身似乎没有局域性怎么办？有时，我们必须巧妙地去创造它。考虑用一个滤波器处理一幅大图像，即“卷积”操作，其中计算每个输出像素需要查看其周围一小块方形的输入像素。如果图像是逐行存储的（扫描线布局），访问一个方形窗口意味着要从一行的末尾跳到下一行的开头，不断地获取在内存中相距甚远的数据。一个更好的方法是将图像分割成小的方形图块，并将每个图块的像素存储在一起。现在，访问模式的二维局域性反映在了一维的内存布局局域性中。当处理器需要图块中的一个像素时，它几乎免费地在同一个缓存行中获得了整个邻域。这种根据访问模式重构数据的简单方法极大地提高了每次内存获取的“空间利用率”，并且是图形学、科学模拟和机器学习中高性能计算的基石。
当然，也有其阴暗面。如果你不小心，可能会造成一种对缓存极不友好的情况。想象一个程序反复循环访问，比如说，十个不同的数据项。如果由于内存地址的残酷巧合，这十个数据项都映射到缓存中的同一个组里怎么办？如果该缓存组只能容纳八个项（即相联度为8），一场噩梦就展开了。每当程序请求第九个项时，已满的缓存必须驱逐最近最少使用的项来腾出空间。当它请求第十个项时，又会驱逐另一个。当它循环回到第一个项时，它已经不见了！它为了给第九个项腾位置而被驱逐了。这种被称为“颠簸”的病态情况导致每一次访问都未命中。原则上，解决方案很简单：缓存组的相联度必须至少与你的工作集中的项数一样大。在我们的例子中，一个相联度为十的缓存，在十次初始“热身”未命中后，将达到完美的命中率。这揭示了一个深刻的真理：硬件和软件在进行一场精妙的舞蹈，而性能取决于它们是否能跟上局域性的节奏。
局域性原理可以向上扩展。它是操作系统 (OS) 的指导哲学，OS 是管理计算机所有资源的总指挥。在这里，风险更高。我们谈论的不再是纳秒级的缓存未命中延迟，而是快速 RAM 与缓慢旋转的硬盘或 SSD 之间毫秒级的鸿沟。
虚拟内存的魔力让程序可以表现得好像它拥有一个巨大的、私有的地址空间，而 OS 则根据需要来回地从磁盘上调度数据。当一个程序试图访问一个当前不在 RAM 中的数据片段时，就会发生“页错误”。OS 此时必须从磁盘上获取所需的页面，这是一个极其缓慢的操作。但 OS 很聪明。它不只是获取被请求的那一页。它赌的是空间局域性，经常采用一种“缺页预取”策略：它同时也会从磁盘上获取接下来几个相邻的页面。这场赌博的依据是，程序很可能正在顺序处理数据，而当它需要那些后续页面时，它们已经等在 RAM 里了。这种基于局域性的对程序行为的概率性押注，对于隐藏二级存储的巨大延迟至关重要。
这一原则甚至延伸到存储本身的物理布局。在传统的硬盘驱动器 (HDD) 上，访问数据所需的时间主要由读写头的物理移动——即寻道时间——所决定。为了优化这一点，文件系统可能会使用“基于区段的分配”，即将一个文件的数据存储在长而连续的块运行中。更重要的是，文件系统会尝试将文件的数据在磁盘盘片上物理地放置在靠近其元数据（即“inode”，其中包含指向该数据的指针）的位置。通过最小化读写头在读取地图（inode）和读取领土（数据）之间必须行进的物理距离，系统将延迟降至最低。一种遵循这种“inode 亲和性”的策略被证明优于忽略它的策略。在这种情况下，局域性不是关于抽象地址，而是关于旋转磁盘上真实的物理邻近性。
OS 作为局域性管理者的角色可能极其微妙。现代系统使用复杂的内存分配器，如“slab 分配器”，来高效地管理常用内核对象的内存。为了效率，对所有特定大小（比如 64 字节）的对象使用相同的内存池似乎是明智的，无论它们的用途是什么。但如果一个子系统（如网络）分配的是被持续访问的“热”对象，而另一个子系统（如文件系统）分配的是创建后很少被触及的同样大小的“冷”对象，该怎么办？将它们合并到相同的内存 slab 中意味着热对象和冷对象会交错在一起。一个运行网络密集型任务的处理器核心会发现其缓存被那些紧邻其所需热数据的无用冷数据所污染。热数据流的空间局域性被稀释了。解决方案是拆分缓存，为热对象和冷对象分配独立的内存 slab，即使它们大小相同。这个决策需要复杂的度量标准，比如测量缓存行未命中率，甚至是子系统间混合的“熵”，以便在碎片化和因改善局域性而获得的性能之间进行权衡。
到目前为止，我们看到局域性是一个强大的优化原则。但它的影响远不止一台计算机。它是一个帮助我们理解信息结构，并最终理解物理世界结构的概念。
“近”到底意味着什么？它不必是米为单位的距离或一系列内存地址。考虑一个社交网络、一个电网或细胞中的蛋白质网络。这些都是抽象的图，其中“邻近性”意味着通过一条边相连。我们如何描述诸如信息或热量在此类网络上传播的过程？我们需要一个能够捕捉局域相互作用的算子。这个算子就是图拉普拉斯算子，，其中 是编码成对连接强度的邻接矩阵， 是编码每个节点总强度的对角度矩阵。拉普拉斯算子作用于图上定义的信号 的结果，，表示一个节点与其邻居之间的净差异，并按其连接强度加权。这个优美而简单的算子，直接源于局域的、基于差异的相互作用原理，是现代图信号处理和基于图的机器学习的基础。
然而，局域性最深刻的应用将我们带回了基础物理学。你是否曾想过，我们为什么能够模拟世界？即使是一个简单分子的量子力学也涉及天文数字般相互作用的电子。一个暴力模拟似乎完全没有希望。然而，像密度矩阵重整化群 (DMRG) 和现代耦合簇 (CC) 理论等方法已经取得了令人难以置信的成功。为什么？答案是物理相互作用的局域性。
在物理世界中，事物主要与其直接邻居相互作用。支配物质的力，如电磁力，是局域的。这种相互作用的局域性对物质的量子态有一个惊人的后果：它严重限制了它们所能拥有的量子纠缠量。对于大多数系统，一个区域与其周围环境之间的纠缠并不随区域的体积增长，而是随其边界的面积增长——这就是“面积定律”。在一维链中，边界只是一个点，所以纠缠保持在一个常数范围内。在分子中，两个电子运动之间的相关性随着它们之间距离的增加而迅速衰减。
正是量子物质的这种“短视性”使其在计算上变得易于处理。这意味着，那个极其复杂的量子态可以通过一个简单得多的结构（如 DMRG 中的矩阵乘积态或局域 CC 理论中的稀疏振幅集）以惊人的精度来近似，这个结构只需要捕捉局域的纠缠。我们能够从第一性原理计算材料和分子属性的能力，正是大自然法则中根深蒂固的局域性原理直接赠予的礼物。
从数组与链表的平凡选择，到量子纠缠的深刻结构，局域性原理是一条金线。它是关于邻近性的陈述，是关于因果关系架构的陈述。它教导我们，要构建高效的系统并理解自然世界，我们必须尊重那条简单、强大而普适的法则：此处发生之事，受其紧邻之物影响最深。