L'IA face aux grands problèmes du monde · Physique · arXiv · 2026-10-22
Apprentissage des paramètres des trous noirs dRGT en électrodynamique non linéaire avec des scénarios de réseaux de neurones
Titre original: Learning Parameters of dRGT Black Holes in Nonlinear Electrodynamics with Neural Network Scenarios
L'apprentissage automatique est utilisé pour contraindre les paramètres de trous noirs AdS dans une gravité massive de type dRGT couplée à l'électrodynamique non linéaire. La sphère de photons, l'ombre du trou noir et le taux d'émission d'énergie sont calculés par calcul parallèle haute performance, et un cadre numérique contraint la charge électrique et le paramètre électrodynamique non linéaire à partir des observations d'ombre de l'Event Horizon Telescope. Des réseaux de neurones cartographient ensuite les régions de paramètres compatibles avec les observations EHT de M87*, SgrA*(VLTI) et SgrA*(Keck) dans les intervalles de confiance à 1-sigma et 2-sigma, et les contraintes obtenues s'avèrent cohérentes avec les données empiriques de SgrA*(VLTI).