利用人工神经网络对宇宙学参数有限温度效应的随机分析

我们通过将温度依赖的量子修正引入哈勃参数，探索了有限温度量子引力效应对宇宙学参数，特别是宇宙学常数 Λ 的影响。为此，我们修改了宇宙线性各向异性求解系统。我们引入了由有限温度量子引力贡献产生的新密度参数 Ω_{Λ_2} 和 Ω_{Λ_3}，并利用包括人工神经网络和随机优化在内的先进机器学习技术，分析了它们对宇宙微波背景功率谱的影响。我们的结果表明，Ω_{Λ_2} 取负值，这与重正化中的维数正规化一致，并且 Ω_{Λ_2} 和 Ω_{Λ_3} 的存在提高了模型精度。数值分析表明，纳入这些参数改善了对 2018 年普朗克数据的拟合。尽管仍需进一步工作，但我们的结果表明，有限温度量子引力效应可能在宇宙学演化中扮演不可忽略的角色。尽管哈勃张力依然存在，但我们的发现凸显了量子引力修正对完善宇宙学模型的潜力，并激励了对高阶热效应和偏振数据约束的进一步研究。