KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-22
Lernen von Parametern dRGT-Schwarzer Löcher in der nichtlinearen Elektrodynamik mit neuronalen Netz-Szenarien
Originaltitel: Learning Parameters of dRGT Black Holes in Nonlinear Electrodynamics with Neural Network Scenarios
Maschinelles Lernen wird verwendet, um Parameter von AdS-Schwarzen Löchern in einer dRGT-ähnlichen massiven Gravitation, gekoppelt an nichtlineare Elektrodynamik, einzuschränken. Die Photonenkugel, der Schatten des Schwarzen Lochs und die Energie-Emissionsrate werden mittels leistungsstarker paralleler Berechnung berechnet, und ein numerisches Framework schränkt die elektrische Ladung und den nichtlinearen elektrodynamischen Parameter anhand von Schattenbeobachtungen des Event Horizon Telescope ein. Neuronale Netze kartieren daraufhin die mit EHT-Beobachtungen von M87*, SgrA*(VLTI) und SgrA*(Keck) innerhalb von 1-Sigma- und 2-Sigma-Konfidenzintervallen verträglichen Parameterbereiche, und die resultierenden Einschränkungen erweisen sich als konsistent mit den empirischen Daten zu SgrA*(VLTI).