利用机器学习的与模型无关的伽马射线暴对宇宙学模型的约束
宇宙学与河外天体物理
2025-02-25 v3
摘要
本文中，我们以与宇宙学无关的方式，利用来自 Ia 型超新星的 Pantheon+ 样本的机器学习 (ML) 算法校准伽马射线暴 (GRBs) 的光度关系。通过使用在 ML 算法中选出性能最佳的 K 近邻 (KNN) 和随机森林 (RF)，我们用 A219 样本校准了 Amati 关系 (\unboldmath{-}) 关系，以构建 GRBs 的哈勃图。通过结合高红移处的 GRBs 和最新观测哈勃数据的马尔可夫链蒙特卡罗数值方法，我们发现使用 KNN 和 RF 算法对宇宙学模型的约束结果与使用高斯过程校准的 GRBs 获得的结果一致。
引用
@article{arxiv.2312.09440,
title = {Model-independent Gamma-Ray Bursts Constraints on Cosmological Models Using Machine Learning},
author = {Bin Zhang and Huifeng Wang and Xiaodong Nong and Guangzhen Wang and Puxun Wu and Nan Liang},
journal= {arXiv preprint arXiv:2312.09440},
year = {2025}
}
备注
24 pages, 5 tables, 8 figures. Accepted for publication in Astrophysics and Space Science