通过贝叶斯机器学习解决 $f(T)$ 引力中的 $H_{0}$ 张力

本文使用贝叶斯机器学习（BML）与强透镜时间延迟（SLTD）技术来处理 $f(T)$ 引力中的 $H_{0}$ 张力。BML 的威力在于采用基于模型的生成过程，该过程已在宇宙学与天体物理的不同领域发挥重要作用，本工作为其又一佐证。考虑了三种可行的 $f(T)$ 模型：幂律、指数与平方指数模型。学习到的约束及相应结果表明，指数模型 $f(T)=\alpha T_{0}\left(1-e^{-p T / T_{0}}\right)$ 能够相当高效地解决 $H_{0}$ 张力。通过考虑所涉透镜与源的不同红移范围与参数，展示了该方法的预测能力与稳健性。所得教训是这些数值会强烈影响我们对 $H_{0}$ 张力的理解，正如所考虑模型的情况那样。学习方法的所得约束最终通过使用观测 Hubble 数据（OHD）得到验证。