⚛️ general relativity

Bayesian and Machine-Learning Analyses of Nonminimal $f(Q)$ Gravity and $H_0$ Tension

यह अध्ययन मेट्रिक-एफ़ाइन (metric-affine) औपचारिकता के भीतर नॉनमिनिमली कपल्ड (nonminimally coupled) $f(Q)$ गुरुत्वाकर्षण पर बेयसियन (Bayesian) और मशीन-लर्निंग विश्लेषणों का उपयोग करता है ताकि यह प्रदर्शित किया जा सके कि यह ढांचा विलंबित-समय ब्रह्मांड विज्ञान (late-time cosmology) के लिए एक लचीला दृष्टिकोण प्रदान करता है जो विविध अवलोकन संबंधी डेटासेट्स के साथ सुसंगत रहते हुए $H_0$ तनाव को आंशिक रूप से कम करता है।

मूल लेखक: Simran Arora, Mridul Patel

प्रकाशित 2026-07-30

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Simran Arora, Mridul Patel

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि ब्रह्मांड एक विशाल, फैलते हुए गुब्बारे की तरह है। दशकों से, वैज्ञानिकों के पास इस गुब्बारे को फुलाने का एक बहुत ही विश्वसनीय नुस्खा रहा है, जिसे कॉस्मोलॉजी का "स्टैंडर्ड मॉडल" कहा जाता है। यह नुस्खा दो मुख्य सामग्रियों पर निर्भर करता है: "डार्क मैटर" नामक अदृश्य चीज़ जो आकाशगंगाओं को एक साथ थामे रखती है, और "डार्क एनर्जी" नामक एक रहस्यमय धक्का जो गुब्बारे को तेज़ी से और तेज़ी से फैलाता है। यह नुस्खा इतना अच्छा काम करता है कि यह बिग बैंग की अवशेष चमक से लेकर तारों की गति तक, लगभग सब कुछ समझा देता है।

लेकिन हाल ही में, इस नुस्खे में एक छोटी सी दरार दिखाई दी है। जब वैज्ञानिकों ने दो अलग-अलग तरीकों का उपयोग करके यह मापा कि ब्रह्मांड अभी कितनी तेज़ी से फैल रहा है, तो उन्हें दो अलग-अलग उत्तर मिले। एक विधि, जो ब्रह्मांड के शिशु रूप (बिग बैंग के अवशेषों) को देखती है, कहती है कि विस्तार दर लगभग 67.4 किमी/सेकंड/Mpc है। दूसरी विधि, जो पास के "वयस्क" ब्रह्मांड को विस्फोट करने वाले तारों का उपयोग करके देखती है, कहती है कि यह लगभग 73.04 किमी/सेकंड/Mpc है। यह ऐसा है जैसे दो शेफ एक ही केक को माप रहे हों और उन्हें अलग-अलग आकार मिल रहे हों; पूर्ण मान में अंतर छोटा है, लेकिन सांख्यिकीय रूप से, यह एक बहुत बड़ी बात है। इस असहमति को "हबल टेंशन" (Hubble Tension) के रूप में जाना जाता है, और यह सुझाव देता है कि हमारे नुस्खे में कोई गुप्त सामग्री गायब है या गुरुत्वाकर्षण के जो नियम हम उपयोग कर रहे हैं, वे पूरी कहानी नहीं बताते।

यह शोध पत्र गुरुत्वाकर्षण के एक नए, थोड़े अजीब नुस्खे की जांच करता है ताकि यह देखा जा सके कि क्या यह उस केक के माप को ठीक कर सकता है। सामान्य गुरुत्वाकर्षण के नियमों (जनरल रिलेटिविटी) के बजाय, लेखक f(Q) ग्रेविटी नामक एक सिद्धांत का पता लगाते हैं। इस सिद्धांत में, गुरुत्वाकर्षण केवल स्थान के झुकने (वक्रता) या स्थान के मरोड़ने (टोरशन) के बारे में नहीं है, बल्कि यह नॉनमेट्रिसिटी (nonmetricity) नामक किसी चीज़ के बारे में है। नॉनमेट्रिसिटी को आप एक "खिंचाव" या दूरियों को मापने के लिए उपयोग किए जाने वाले पैमाने में बदलाव के रूप में समझ सकते हैं। इस नए ढांचे में, लेखक प्रस्तावित करते हैं कि यह खिंचाव केवल वहां बैठा नहीं रहता; यह ब्रह्मांड में मौजूद पदार्थ (जैसे तारे और गैस) से सीधे संवाद करता है, जिससे एक "नॉनमिनिमल कपलिंग" (nonminimal coupling) पैदा होती है। यह ऐसा है जैसे स्वयं पैमाना ही केक से बातें कर रहा हो, जिससे उसके विस्तार के तरीके में बदलाव आ रहा हो। लेखकों ने इस नए गणितीय मॉडल को बनाया, टेलीस्कोपों के वास्तविक डेटा का उपयोग करके एक विशाल कंप्यूटर सिमुलेशन चलाया, और अपने काम की दोबारा जांच करने के लिए आर्टिफिशियल इंटेलिजेंस का भी उपयोग किया।

जांच: एक नया गुरुत्वाकर्षण नुस्खा

लेखकों ने इस "खिंचाव वाले" गुरुत्वाकर्षण सिद्धांत का एक विशिष्ट संस्करण बनाने से शुरुआत की। उन्होंने एक ऐसे ब्रह्मांड की कल्पना की जहाँ नॉनमेट्रिसिटी स्केलर (मान लीजिए इसे Q कहें, जो उस खिंचाव का माप है) सीधे ब्रह्मांड में मौजूद पदार्थ से जुड़ा हुआ है। मानक भौतिकी में, पदार्थ और ज्यामिति (स्थान) आमतौर पर अपने अलग-अलग नियमों का पालन करते हैं। यहाँ, वे नृत्य करने वाले साथियों की तरह एक-दूसरे से बंधे हुए हैं। लेखकों ने इस संबंध के लिए एक सरल गणितीय आकार चुना: एक सीधी रेखा और एक वक्र (पावर-लॉ मॉडल) का मिश्रण। फिर उन्होंने पूछा: "यदि हम इस नए गुरुत्वाकर्षण नुस्खे का उपयोग करें, तो क्या हम ब्रह्मांड के विस्तार दर के दो अलग-अलग मापों को बेहतर ढंग से एक समान ला सकते हैं?"

यह जानने के लिए, उन्होंने केवल अनुमान नहीं लगाया; वे डेटा की भारी तोप लेकर आए। उन्होंने चार अलग-अलग ब्रह्मांडीय स्रोतों से मिली जानकारी को जोड़ा:

कॉस्मिक क्रोनोमीटर: ये प्राचीन, निष्क्रिय आकाशगंगाएँ हैं जो ब्रह्मांडीय स्टॉपवॉच के रूप में कार्य करती हैं, जो हमें बताती हैं कि अतीत में अलग-अलग समय पर ब्रह्मांड कितनी तेज़ी से फैल रहा था।
टाइप Ia सुपरनोवा: ये विस्फोट करने वाले तारे हैं जो "स्टैंडर्ड कैंडल्स" (मानक मोमबत्तियों) के रूप में कार्य करते हैं। क्योंकि हम जानते हैं कि उन्हें कितना चमकीला होना चाहिए, इसलिए हम बता सकते हैं कि वे हमसे कितनी दूर हैं और कितनी तेज़ी से हमसे दूर जा रहे हैं। टीम ने अत्यधिक सावधानी बरतने के लिए इन तारों के तीन अलग-अलग कैटलॉग (Pantheon+, DESY5, और Union3) का उपयोग किया।
DESI BAO: यह "बेरियन एकोस्टिक ऑसिलेशन" (Baryon Acoustic Oscillations) का उपयोग करता है, जो प्रारंभिक ब्रह्मांड में जमी हुई ध्वनि तरंगें हैं। ये एक ब्रह्मांडीय पैमाने के रूप में कार्य करते हैं, जो आकाशगंगाओं के बीच की दूरी को मापते हैं।
CMB (कॉस्मिक माइक्रोवेव बैकग्राउंड): यह ब्रह्मांड की "शिशु तस्वीर" है, बिग बैंग से बची हुई गर्मी, जो हमें एक आधार प्रदान करती है कि ब्रह्मांड कैसे शुरू हुआ था।

परिणाम: एक आंशिक समाधान, कोई जादुई छड़ी नहीं

संख्याओं की गणना करने के बाद, जिसका उपयोग MCMC (जो कि एक आदर्श नुस्खा खोजने के लिए लाखों अलग-अलग सामग्रियों के संयोजन को आज़माने जैसा है) नामक एक शक्तिशाली सांख्यिकीय विधि के रूप में किया गया था, लेखकों को कुछ दिलचस्प परिणाम मिले।

सबसे पहले, नया गुरुत्वाकर्षण मॉडल काम करता है। यह डेटा के साथ लगभग उतना ही अच्छा फिट बैठता है जितना कि मानक नुस्खा। उनके मॉडल में ब्रह्मांड का विस्तार इस तरह से होता है जो हमारे अवलोकन के बहुत समान दिखता है। अंतरिक्ष का "खिंचाव" (नॉनमेट्रिसिटी) विस्तार के इतिहास को थोड़ा बदलने के लिए पर्याप्त अतिरिक्त धक्का प्रदान करता है।

दूसरा, और सबसे महत्वपूर्ण, यह नया मॉडल हबल टेंशन को आंशिक रूप से कम करता है। जब उन्होंने अपने नए मॉडल का उपयोग करके विस्तार दर ( $H_0$ ) की गणना की, तो उन्हें लगभग 68.4 से 68.8 किमी/सेकंड/Mpc का मान मिला।

यह "शिशु ब्रह्मांड" के माप (67.4) से अधिक है, जो कि अच्छी बात है।
लेकिन यह "वयस्क ब्रह्मांड" के माप (73.04) से अभी भी कम है।
मॉडल और "वयस्क ब्रह्मांड" के बीच का अंतर लगभग 4.4 मानक विचलन (एक बड़ा असंतुलन) से घटकर लगभग 3 मानक विचलन रह गया है।

इसे इस तरह समझें: मानक नुस्खे ने कहा कि केक का आकार 67 था। स्थानीय माप ने कहा कि केक का आकार 73 था। नया नुस्खा सुझाव देता है कि केक वास्तव में आकार 68.5 का है। यह स्थानीय माप के लिए एकदम सटीक मेल नहीं है, लेकिन यह पहले की तुलना में बहुत बेहतर समझौता है। तनाव अभी भी बना हुआ है, लेकिन यह कम गंभीर है। लेखक नोट करते हैं कि हालांकि यह एक आशाजनक कदम है, लेकिन यह रहस्य को पूरी तरह से हल नहीं करता है। मॉडल डेटा के अनुरूप है, लेकिन मानक मॉडल अभी भी सांख्यिकीय रूप से बहुत प्रतिस्पर्धी है।

AI चेक: मशीनों को पैटर्न पहचानना सिखाना

यह सुनिश्चित करने के लिए कि उनका गणित केवल एक इत्तेफाक नहीं था, लेखकों ने एक तीसरे पक्ष को शामिल किया: मशीन लर्निंग। उन्होंने उनके नए गुरुत्वाकर्षण मॉडल द्वारा अनुमानित विस्तार के इतिहास को एक "शिक्षक" के रूप में माना और तीन अलग-अलग प्रकार के AI एल्गोरिदम से सीखा और भविष्य के विस्तार की भविष्यवाणी करने के लिए कहा।

तीन "छात्र" थे:

लीनियर रिग्रेशन (Linear Regression): एक सरल छात्र जो सीधे रेखा वाले पैटर्न की तलाश करता है।
रैंडम फॉरेस्ट (Random Forest): एक छात्र जो जटिल पैटर्न खोजने के लिए कई निर्णय वृक्षों (decision trees) का उपयोग करता है।
सपोर्ट वेक्टर रिग्रेशन (SVR): एक परिष्कृत छात्र जो बहुत जटिल, घुमावदार संबंधों को संभाल सकता है।

परिणाम स्पष्ट थे: SVR विद RBF कर्नेल (एक विशिष्ट प्रकार की गणितीय तकनीक) स्टार स्टूडेंट रहा। इसने विस्तार के इतिहास की भविष्यवाणी लगभग पूर्ण सटीकता (99.93% सटीकता) के साथ की। यह सरल लीनियर छात्र से कहीं बेहतर था और रैंडम फॉरेस्ट से भी बेहतर था। इसने पुष्टि की कि उनके नए गुरुत्वाकर्षण मॉडल द्वारा उत्पन्न विस्तार का इतिहास सुचारू, सुसंगत और एक पैटर्न का पालन करता है जिसे उन्नत AI आसानी से पहचान सकता है। यह ऐसा है जैसे AI ने नए गुरुत्वाकर्षण नुस्खे को देखा और कहा, "हाँ, यह समझ में आता है; पैटर्न ठोस है।"

निष्कर्ष

तो, अंतिम निष्कर्ष क्या है? शोध पत्र सुझाव देता है कि एक ऐसा ब्रह्मांड जहाँ अंतरिक्ष में एक "खिंचाव" वाला गुण है जो सीधे पदार्थ से बात करता है, हमारे ब्रह्मांड की व्याख्या करने के लिए एक व्यवहार्य उम्मीदवार है। यह एक लचीला ढांचा प्रदान करता है जो मानक मॉडल की नकल कर सकता है लेकिन विस्तार दर को बदलने के लिए भी इसे थोड़ा ट्यून कर सकता है ताकि तनाव को कम करने में मदद मिल सके।

हालाँकि, लेखक जीत की घोषणा करने में सावधानी बरतते हैं। वे बताते हैं कि हालांकि तनाव कम हो गया है, लेकिन यह खत्म नहीं हुआ है। नया मॉडल एक "आशाजनक और लचीला ढांचा" है, लेकिन इसके लिए अधिक परीक्षण की आवश्यकता है। बेयसियन विश्लेषण (यह मापने का एक तरीका कि एक सिद्धांत दूसरे की तुलना में कितना संभावित है) बताता है कि हालांकि नया मॉडल डेटा के साथ फिट बैठता है, लेकिन वर्तमान अवलोकनों द्वारा अतिरिक्त जटिलता की मजबूत मांग नहीं की गई है। यह एक मजबूत दावेदार है, लेकिन मानक मॉडल अभी भी अपनी जगह बनाए हुए है।

अंत में, यह शोध पत्र एक याद दिलाता है कि ब्रह्मांड आश्चर्यों से भरा है। गुरुत्वाकर्षण के नियमों को थोड़ा सा बदलकर—स्थान की ज्यामिति और उसके भीतर मौजूद पदार्थ के बीच एक संवाद पेश करके—हम शायद यह समझने के करीब पहुँच रहे हैं कि ब्रह्मांड जिस दर से फैल रहा है वह क्यों है। हबल टेंशन एक पहेली बनी हुई है, लेकिन यह नया हिस्सा एक ऐसा टुकड़ा है जो तस्वीर को थोड़ा और स्पष्ट बनाता है।

तकनीकी सारांश: गैर-न्यूनतम $f(Q)$ गुरुत्वाकर्षण और $H_0$ तनाव का बेयसियन और मशीन-लर्निंग विश्लेषण

समस्या विवरण
यह शोध पत्र निरंतर बने हुए "हबल तनाव" (Hubble tension) को संबोधित करता है, जो एक महत्वपूर्ण विसंगति (वर्तमान में $\sim 4.4\sigma$ से $5.3\sigma$ ) है, जो प्रारंभिक ब्रह्मांड के हबल स्थिरांक ( $H_0 \approx 67.4$ किमी s $^{-1}$ Mpc $^{-1}$ [Planck/ $\Lambda$ CDM से]) और देर से ब्रह्मांड के प्रत्यक्ष मापों ( $H_0 \approx 73.04$ किमी s $^{-1}$ Mpc $^{-1}$ [SH0ES से]) के बीच है। जबकि मानक $\Lambda$ CDM मॉडल ब्रह्मांडीय विकास का सफलतापूर्वक वर्णन करता है, यह नई भौतिकी को शामिल किए बिना इन मूल्यों के बीच सामंजस्य बिठाने में संघर्ष करता है। लेखक यह जांचते हैं कि क्या गैर-न्यूनतम रूप से युग्मित (nonminimally coupled) $f(Q)$ गुरुत्वाकर्षण, जो वक्रता (curvature) या टॉर्सन (torsion) के बजाय नॉनमेट्रिसिटी (nonmetricity) पर आधारित सामान्य सापेक्षता (GR) का एक संशोधन है, क्या एक सुसंगत ज्यामितीय ढांचा प्रदान कर सकता है जो इस तनाव को कम करने के साथ-साथ अन्य ब्रह्मांडीय जांचों के साथ संगत बना रहे।

कार्यप्रणाली
यह अध्ययन एक मेट्रिक-एफाइन (metric–affine) औपचारिकता का उपयोग करता है जो सिमेट्रिक टेलीपैरलल (symmetric teleparallel) ढांचे के भीतर है, जहाँ नॉनमेट्रिसिटी स्केलर $Q$ सीधे पदार्थ लैग्रेंजियन ( $L_m$ ) के साथ युग्मित होता है।

सैद्धांतिक ढांचा: लेखक एक क्रिया (action) $S = \int d^4x \sqrt{-g} [\frac{1}{2}f_1(Q) + f_2(Q)L_m]$ का निर्माण करते हैं। वे क्षेत्र समीकरणों (field equations) और निरंतरता समीकरणों को व्युत्पन्न करते हैं, यह ध्यान देते हुए कि गैर-न्यूनतम युग्मन ऊर्जा-संवेग टेंसर के गैर-संरक्षण की ओर ले जाता है, जो प्रभावी रूप से ज्यामिति और पदार्थ के बीच ऊर्जा और संवेग के आदान-प्रदान को प्रस्तुत करता है।
ब्रह्मांड संबंधी मॉडल: एक विशिष्ट पावर-लॉ (power-law) मॉडल अपनाया गया है: $f_1(Q) = -Q + \alpha Q^2$ और $f_2(Q) = 1 + \beta Q$ । एक फ्लैट FLRW ब्रह्मांड के लिए बैकग्राउंड कॉस्मोलॉजी व्युत्पन्न की गई है, जिससे संशोधित फ्राइडमैन समीकरण प्राप्त होते हैं। यह मॉडल युग्मन मापदंडों $\alpha$ और $\beta$ को पेश करता है, जहाँ $\beta$ को वर्तमान पदार्थ घनत्व और $H_0$ द्वारा सीमित किया गया है।
सांख्यिकीय विश्लेषण: emcee सैंपलर का उपयोग करके एक व्यापक मार्कोव चेन मोंटे कार्लो (MCMC) विश्लेषण किया गया है। विश्लेषण विभिन्न डेटासेट्स के संयोजन का उपयोग करता है:
- $H(z)$ के लिए कॉस्मिक क्रोनोमीटर (CC)।
- DESI BAO DR2 (बेरियन एकोस्टिक ऑसिलेशन)।
- टाइप Ia सुपरनोवा (SNeIa) - Pantheon+ (PP), DESY5 (DESY), और Union3 से।
- Planck से संकुचित CMB डेटा (दूरी पूर्ववर्ती $R$ , $l_A$ , और $\Omega_b h^2$ )।
- मॉडल चयन मानदंडों (AIC, BIC, और बेयसियन साक्ष्य) का उपयोग $\Lambda$ CDM के विरुद्ध $f(Q)$ मॉडल की तुलना करने के लिए किया जाता है।
मशीन लर्निंग (ML) सत्यापन: सांख्यिकीय विश्लेषण के पूरक के रूप में, लेखक सर्वश्रेष्ठ-फिट मापदंडों से उत्पन्न सैद्धांतिक $H(z)$ डेटा पर पर्यवेक्षित शिक्षण एल्गोरिदम (supervised learning algorithms)—लीनियर रिग्रेशन (LR), RBF और बहुपद कर्नेल के साथ सपोर्ट वेक्टर रिग्रेशन (SVR), और रैंडम फॉरेस्ट (RF)—लागू करते हैं। इन मॉडलों को डेटा के 80% पर प्रशिक्षित किया जाता है और भविष्य कहनेवाला प्रदर्शन और मजबूती का मूल्यांकन करने के लिए 20% पर परीक्षण किया जाता है।

प्रमुख योगदान और परिणाम

$H_0$ तनाव का आंशिक निवारण: MCMC विश्लेषण विभिन्न डेटासेट संयोजनों में $68.4 $–$ 68.8 $किमी s$ ^{-1}$ Mpc $^{-1}$ की सीमा में एक सर्वश्रेष्ठ-फिट $H_0$ प्रदान करता है। यह मान CMB और स्थानीय दूरी-सीढ़ी के मापों के बीच स्थित है, जो तनाव के आंशिक निवारण का प्रतिनिधित्व करता है। यह मॉडल SH0ES के साथ विसंगति को लगभग $3\sigma$ तक कम कर देता है, जबकि अन्य विलंब-समय जांचों (TRGB, GWTC-3, आदि) के साथ $1\text{--}2\sigma$ के भीतर सुसंगत रहता है।
सांख्यिकीय सुसंगतता: गैर-न्यूनतम $f(Q)$ मॉडल $\Lambda$ CDM के तुलनीय सांख्यिकीय गुणवत्ता का फिट प्रदान करता है। हालांकि AIC और BIC डेटासेट संयोजन के आधार पर मिश्रित परिणाम दिखाते हैं, बेयसियन साक्ष्य ( $\Delta \ln Z$ ) बताता है कि वर्तमान डेटा $\Lambda$ CDM की तुलना में $f(Q)$ मॉडल की अतिरिक्त जटिलता का पुरजोर समर्थन नहीं करता है (जहाँ $|\Delta \ln Z| < 1$ अनिर्णायक साक्ष्य को दर्शाता है)।
कॉस्मोग्राफिक विकास: पुनर्गठित विस्तार इतिहास एक निरंतर त्वरण चरण ( $q \approx -0.8$ निम्न रेडशिफ्ट पर) दिखाता है जो भविष्य में डी सिटर चरण ( $q \to -1$ ) की ओर संक्रमण करता है। प्रभावी समीकरण अवस्था ( $w_{eff}$ ) $-0.9$ के करीब रहती है, जो डार्क-एनर्जी-प्रधान ब्रह्मांड की नकल करती है।
मशीन लर्निंग प्रदर्शन: ML विश्लेषण भविष्य कहनेवाला सटीकता में एक स्पष्ट पदानुक्रम प्रकट करता है। RBF कर्नेल के साथ SVR मॉडल अन्य सभी विधियों से बेहतर प्रदर्शन करता है, जो $R^2 \approx 0.9993$ और न्यूनतम MSE और MAE प्राप्त करता है। लीनियर रिग्रेशन भी अच्छा प्रदर्शन करता है ( $R^2 \approx 0.9976$ ), जबकि बहुपद कर्नेल के साथ SVR और रैंडम फॉरेस्ट कम सटीकता दिखाते हैं। यह $f(Q)$ मॉडल से प्राप्त पुनर्गठित $H(z)$ गतिकी की मजबूती की पुष्टि करता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि गैर-न्यूनतम रूप से युग्मित $f(Q)$ गुरुत्वाकर्षण "एक आशाजनक और लचीला ढांचा" प्रदान करता है। इसका प्राथमिक महत्व यह प्रदर्शित करना है कि नॉनमेट्रिसिटी से जुड़े ज्यामितीय संशोधन स्वाभाविक रूप से विलंब-समय त्वरण उत्पन्न कर सकते हैं और CMB, BAO, या SNeIa के प्रतिबंधों का उल्लंघन किए बिना $H_0$ तनाव को आंशिक रूप से हल कर सकते हैं।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि हालांकि यह मॉडल $H_0$ तनाव को पूरी तरह से हल नहीं करता है, लेकिन यह प्रारंभिक और विलंब-ब्रह्मांड के निर्धारण के बीच के अंतर को सफलतापूर्वक पाटता है। अध्ययन इस बात पर जोर देता है कि गैर-न्यूनतम पदार्थ-ज्यामिति युग्मन दूसरे क्रम के क्षेत्र समीकरणों का एक सुसंगत कार्यान्वयन प्रदान करता है, जिससे अन्य संशोधित गुरुत्वाकर्षण सिद्धांतों में पाए जाने वाले उच्च-व्युत्पन्न अस्थिरता (higher-derivative instabilities) से बचा जा सकता है। मशीन लर्निंग का एकीकरण एक पूरक सत्यापन उपकरण के रूप में कार्य करता है, जो पुष्टि करता है कि मॉडल से प्राप्त सैद्धांतिक विस्तार इतिहास मजबूत और अनुमानित है। लेखक नोट करते हैं कि वर्तमान बैकग्राउंड-स्तर के विश्लेषण के दायरे से बाहर होने के कारण, पदार्थ घनत्व विचलन (matter density perturbations) और संरचना विकास पर मॉडल के प्रभाव की जांच के लिए भविष्य के कार्य की आवश्यकता है।

जांच: एक नया गुरुत्वाकर्षण नुस्खा

परिणाम: एक आंशिक समाधान, कोई जादुई छड़ी नहीं

AI चेक: मशीनों को पैटर्न पहचानना सिखाना

निष्कर्ष

इसी तरह के और पेपर