IA e os Problemas Difíceis do Mundo · Física · arXiv · 2026-10-22
Aprendendo parâmetros de buracos negros dRGT em eletrodinâmica não linear com cenários de redes neurais
Título original: Learning Parameters of dRGT Black Holes in Nonlinear Electrodynamics with Neural Network Scenarios
Aprendizado de máquina é usado para restringir parâmetros de buracos negros AdS em gravidade massiva do tipo dRGT acoplada a eletrodinâmica não linear. A esfera de fótons, a sombra do buraco negro e a taxa de emissão de energia são calculadas com computação paralela de alto desempenho, e uma estrutura numérica restringe a carga elétrica e o parâmetro eletrodinâmico não linear usando observações de sombra do Event Horizon Telescope. Redes neurais então mapeiam as regiões de parâmetros consistentes com as observações do EHT de M87*, SgrA*(VLTI) e SgrA*(Keck) dentro dos intervalos de confiança de 1-sigma e 2-sigma, e as restrições resultantes se mostraram consistentes com os dados empíricos de SgrA*(VLTI).