探究准正规模新方法：物理信息神经网络
广义相对论与量子宇宙学
2021-08-13 v1
摘要
物理信息神经网络（PINNs）有潜力补充现有用于求解黑洞准正规模研究中出现的微分方程的技术集。本研究通过研究具有已知解析解的黑洞扰动方程来考察它们，从而可将其框定为PINNs中的反问题。我们的主要目标是检验PINNs在计算微分方程中未知准正频率的精度。我们所考虑的黑洞扰动情形包括近极端Schwarzschild-de Sitter与Reissner-Nordström-de Sitter黑洞，以及一个类似它们的玩具问题。对于这些情形，表明PINNs能以最高4位小数精度计算最低多极数 与最低模数 的QNFs。
引用
@article{arxiv.2108.05867,
title = {Investigating a New Approach to Quasinormal Modes: Physics-Informed Neural Networks},
author = {Anele M Ncube and Gerhard E Harmsen and Alan S Cornell},
journal= {arXiv preprint arXiv:2108.05867},
year = {2021}
}
备注
6 pages, 2 figures, submitted to the South African Institute of Physics 2021 conference proceedings