ИСПОЛЬЗОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ PYTHON В КОСМОЛОГИИ
Ключевые слова:
Байесевское машинное обучение, гравитация, напряженностьАннотация
В статье используется Байесевское машинное обучение (БМО) для решения задачи напряженности в гравитации . Под напряженностью в работе подразумевается разницу между ранними измерениями (например космический микроволновый фон и барионные акустические колебания) и поздними (сверхновые типа ) значения постоянной Хаббла. Исследуется эволюция Вселенной в телепараллельной гравитации . Гравитация обобщает телепараллельную гравитацию, сформулированную на пространстве-времени Вейценбека, характеризующуюся исчезающим тензором кривизны (абсолютный параллелизм) и неисчезающим тензором кручения. Получены наблюдательные ограничения на модифицированную телепараллельную гравитацию, используя данные, полученные методом барионных акустических колебаний (БАО) и методом дифференциального возраста. результаты модель ведет себя подобно космологической постоянной ΛCDM при условии . Гравитация также согласуется с наблюдениями барионных акустических колебаний и методом дифференциального возраста. Гравитация может служить жизнеспособным кандидатом среди других модифицированных теорий гравитации. Используются методы выбора байесовской модели для сравнения предсказаний гравитации с наблюдениями барионных акустических колебаний и методом дифференциального возраста. Определены наиболее вероятные модели. Такой подход позволит проверить жизнеспособность гравитации в качестве решения проблемы напряженности . Описывается система выбора Байесовской модели и рассматривается методология анализа. Представлены результаты и обсуждены значения для нашего понимания гравитации и Вселенной. Изучены пространства параметров фоновой динамики с использованием доступных в настоящее время данных наблюдений Хаббла. Рассматривается пространственно – плоская Вселенная Фридмана Робертсона Уокера. Для того, чтобы охватить различные диапазоны красного смещения как для объектива, так и для источников, а также разное количество объективов и источников были сгенерированы данные на основе моделей.
