基于物理信息神经网络推断哈勃函数及其不确定性

哈勃函数表征了给定的 Friedmann-Robertson-Walker 时空，并可与宇宙学流体的密度及其状态方程相关联。我们展示了物理信息神经网络 (PINNs) 如何模拟这一动力系统，并针对给定的密度和状态方程选择，提供对光度距离的快速预测，以满足超新星数据分析的需求。我们使用该模拟器，在超新星数据的基础上，对哈勃函数执行了与模型无关且无参数的重构。作为本研究的一部分，我们利用异方差损失和排斥系综开发并验证了一种针对 PINNs 的不确定性处理方法。