Нейросети помогли восстановить кривую вращения Млечного Пути с точностью 98%

Международная группа исследователей представила новый метод восстановления кривой вращения Млечного Пути с помощью алгоритмов машинного обучения. Работа, опубликованная на сервере препринтов arXiv, предлагает альтернативу традиционным моделям темной материи.

Ученые использовали 73 наблюдательных точки в диапазоне от 0,1 до 95,56 килопарсек и сравнили три подхода: гребневую регрессию (Ridge), регрессию LASSO и нейронную сеть прямого распространения. Лучший результат показала гребневая регрессия, которая обеспечила коэффициент детерминации R? = 0,9824 ± 0,0064 и среднеквадратичную ошибку 3,75 км/с. Метод позволил сохранить аналитическую интерпретируемость.

Полученный профиль скорости встроили в статическое сферически-симметричное пространство-время. Через уравнения Эйнштейна определили функцию красного смещения и массу галактики. Проверка показала, что все энергетические условия выполнены, скорость звука остается досветовой, круговые орбиты стабильны, а гравитационная энергия отрицательна — это подтверждает притягивающий характер гравитации.

Работа статистически валидирована и предлагает новый взгляд на связь кинематических наблюдений с релятивистской геометрией. Авторы подчеркивают, что такой подход может заменить традиционные модели с темной материей, опираясь исключительно на данные.

Исследование открывает путь к более глубокому пониманию структуры Галактики и тестированию теорий гравитации на основе наблюдательных данных.