机器学习宇宙膨胀历史
宇宙学与河外天体物理
2017-12-27 v1 高能天体物理现象
广义相对论与量子宇宙学
摘要
我们首次使用机器学习技术,基于 30 个宇宙计时器研究宇宙的背景演化。从 7 种机器学习算法中,利用测试集上均方误差最小化原则,我们发现贝叶斯岭回归是从宇宙计时器中提取信息的最优方法。通过使用幂律多项式展开,我们从机器学习得到首个哈勃常数估计 km s Mpc。从机器学习视角,我们或可排除大量宇宙学模型,其含 的物理参数个数大于 3。非常重要且有趣的是,我们发现 3 个特定宇宙学模型的参数空间在同时考虑其解释力与泛化能力时均可被明显压缩。
引用
@article{arxiv.1712.09208,
title = {Machine Learning Cosmic Expansion History},
author = {Deng Wang and Wei Zhang},
journal= {arXiv preprint arXiv:1712.09208},
year = {2017}
}
备注
4.5 pages, 7 figures. This is the first work using machine learning algorithms to study the dark energy