超越广义相对论的旋转黑洞的神经谱发现

在高曲率引力理论中寻找旋转黑洞解是一个具有根本重要性的问题。几乎所有将引力与量子力学调和的方法都预测了爱因斯坦-希尔伯特作用的修正，然而对于稳态扇区，尚不存在系统的解生成方法。我们通过{\sc Akribeia}填补了这一空白，这是一种新颖的混合框架，将物理信息神经网络与伪谱细化步骤相结合，产生了经过认证的神经场旋转黑洞解——连续的、全局定义的、以耦合常数为参数的函数——其相对于场方程的残差被验证到极高精度。我们将该方法应用于曲率二次和三次的理论，并首次构建了具有多个非零角动量、以新耦合常数为参数的旋转黑洞族。在针对先前已知的五维时空进行验证后，我们提出了在新场景下的解，这些场景导致高度非线性/非微扰的常微分方程组。我们的方法也可以系统地适应其他涉及偏微分方程的设置。