基于神经网络的抛物类黑洞解分析
广义相对论与量子宇宙学
2023-07-25 v4 高能物理 - 理论
数学物理
math.MP
计算物理
数据分析、统计与概率
摘要
在本文中，我们引入一种基于人工神经网络（ANNs）的数值方法，用于分析高维抛物类中 Einstein-axion-dilaton 系统的黑洞解。利用基于广义相对论的剖面求根技术，我们描述了一种 ANN 求解器，可直接处理该常微分方程组。通过广泛的数值分析，我们首次证明在时空高维情况下抛物类不存在自相似临界解。具体而言，我们为定义域内所有解建立了基于 ANN 的 置信区间。在 置信水平下，我们的 ANN 估计量确认高维中不存在黑洞解，因此引力坍缩不会发生。结果对 Choptuik 现象的普适性提出了一些质疑。因此，我们得出结论：决定临界指数的扰动的最快增长模在高维抛物类中不存在。
引用
@article{arxiv.2302.04619,
title = {Analysis of Black Hole Solutions in Parabolic Class Using Neural Networks},
author = {Ehsan Hatefi and Armin Hatefi and Roberto J. López-Sastre},
journal= {arXiv preprint arXiv:2302.04619},
year = {2023}
}
备注
V4: 24 pages, 15 figures. Matched with Published version in The European Physical Journal C. All the codes related to different parts of the paper are added in this repository: \url{https://github.com/gramuah/ann4bh}