होलोग्राफिक संवाहिता से काले छिद्र के मेट्रिक को सीखना

हम हॉलोग्राफी द्वारा ऑप्टिकल संवाहिता के डेटा के आधार पर रीजनर-नॉर्डस्ट्रॉम-एंटी-डे सिटर काले छिद्र के मेट्रिक को सीखने के लिए एक न्यूरल नेटवर्क का निर्माण करते हैं। मैक्सवेल क्षेत्र के लिए रैखिक प्रवर्तनीय समीकरण को इस प्रकार से ऑप्टिकल संवाहिता के संदर्भ में फिर से लिखा गया है कि न्यूरल नेटवर्क को इस अवकल समीकरण के डिस्क्रीटाइजेशन के आधार पर बनाया गया है। एंटी-डे सिटर / गहरे अध्ययन द्वैतता में सभी पिछले मॉडलों के विपरीत, मेट्रिक फ़ंक्शन का अवकलन गति समीकरण में प्रकट होता है और हम इस फ़ंक्शन को डिस्क्रीटाइज़ करने के लिए अलग-अलग सीमित अंतर विधियों का प्रस्ताव करते हैं। क्षितिज के निकट ऑप्टिकल संवाहिता के विचलन से बचने के लिए घटित संवाहिता की धारणा भी प्रस्तावित की जाती है। कटऑफ के स्थान, तापमान और आवृत्ति रेंज पर प्रशिक्षण परिणामों की निर्भरता का विस्तृत अध्ययन किया गया है। यह कार्य सीमाओं पर दिए गए डेटा के साथ थोक ज्यामिति के पुनर्निर्माण के लिए एक ठोस उदाहरण प्रदान करता है।