ИИ и сложнейшие проблемы мира · Физика · arXiv · 2026-10-22
Определение параметров черных дыр dRGT в нелинейной электродинамике с помощью нейросетевых сценариев
Оригинальное название: Learning Parameters of dRGT Black Holes in Nonlinear Electrodynamics with Neural Network Scenarios
Машинное обучение используется для ограничения параметров черных дыр AdS в массивной гравитации типа dRGT, связанной с нелинейной электродинамикой. Фотонная сфера, тень черной дыры и скорость энерговыделения вычисляются с помощью высокопроизводительных параллельных вычислений, а численный фреймворк ограничивает электрический заряд и параметр нелинейной электродинамики по наблюдениям теней Event Horizon Telescope. Затем нейронные сети картируют области параметров, согласованные с наблюдениями EHT для M87*, SgrA*(VLTI) и SgrA*(Keck) внутри доверительных интервалов 1-sigma и 2-sigma, и полученные ограничения оказываются согласованными с эмпирическими данными SgrA*(VLTI).