این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Astronomy and Astrophysic، جلد ۱۰، شماره ۴، صفحات ۳۳۵-۳۵۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Physics-Informed Deep Learning for Three Dimensional Black Holes
چکیده انگلیسی مقاله In this paper, we have designed an artificial neural network architecture to produce metric field of planar BTZ and quintessence black holes applying a data-driven approach andleveraging holography principle (according to AdS/DL (Anti de Sitter/ Deep Learning) correspondence given by [1]). Data has been collected by choosing minimally coupled massive scalar field with quantum fluctuations and we try to process two emergent and ground-truth metrics versus the holographic parameter which plays the role of depth of the neural network. Loss or error function which shows rate of deviation of these two metrics in presence of penalty regularization term reaches to its minimum value when values of the learning rate approach to the observed steepest gradient point. Values of the regularization or penalty term of the quantum scalar field has critical role to matching this two mentioned metric. Also, we design an algorithm which helps us to find optimum value for learning parameter and finally, we understand that loss function convergence heavily depends on the number of epochs and learning rate.
کلیدواژه‌های انگلیسی مقاله Machine learning, Deep learning, Black holes, Three dimensions, BTZ, Optimization, Loss function
نویسندگان مقاله Emad Yaraie |
Instituut-Lorentz for Theoretical Physics, ITP, Leiden University

Hossein Ghaffarnejad |
Faculty of Physics, Semnan Universiy, Semnan, Iran, 35131-19111

Mohammad Farsam |
Instituut-Lorentz for Theoretical Physics, ITP, Leiden University

نشانی اینترنتی https://ijaa.du.ac.ir/article_387_f3bef28fe0a5faab9271b484e81e4235.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات