利用物理信息神经网络揭示粒子暗物质

我们使用物理信息神经网络（PINNs）这一无网格方法，参数化求解了在替代宇宙学中主导冻入暗物质（DM）的玻尔兹曼方程。通过逆向 PINNs，仅使用一个 DM 实验点——即观测到的遗迹密度——我们确定了该理论的物理属性，即受膜世界场景启发的幂律宇宙学以及粒子相互作用截面。在这种替代宇宙学中，宇宙的膨胀通过一个开关型函数进行参数化，该函数在后期复现哈勃定律。在不失一般性的前提下，我们使用平滑函数更真实地对该转变进行建模。我们预测了幂律指数与粒子相互作用之间独特的成对关系：对于具有负（正）指数的给定宇宙学，需要更小（更大）的截面才能复现数据。最后，通过贝叶斯方法，我们量化了逆向问题中求得的理论参数的认知不确定性。