文件名称：MATLAB模拟的黑洞代码-Neural-Networks-for-Gravitational-Lens-Modeling:用于估计强引力透镜
文件大小：695KB
文件格式：ZIP
更新时间：2024-07-08 22:30:59
系统开源
MATLAB模拟的黑洞代码用于引力透镜建模的神经网络 这段代码使用卷积神经网络（使用 TensorFlow）来估计强引力透镜的参数，即二维的透镜中心坐标、爱因斯坦半径和复椭圆率。 这些参数很重要，因为它们使我们能够量化由于引力透镜导致的图像失真。 由引力透镜引起的光偏转取决于透镜的质量结构这一事实意味着有效地恢复这些参数使我们能够测量和表征质量分布。 引力透镜介绍 根据爱因斯坦的广义相对论，引力被最准确地描述为围绕大质量物体的时空弯曲，而不是作用在远处的力（爱因斯坦，1915）。 虽然光以直线运动，但如果时空弯曲或扭曲，那么没有质量的光必须跟随这些扭曲。 这种时空扭曲后的光现象被称为引力透镜。 当光源和观察者之间有一些物体（例如星系、星系团或黑洞）时，会观察到引力透镜，这些物体的质量足以充当透镜。 非常遥远的星系可以通过引力透镜现象放大，使我们能够观察到原本无法观察到的遥远星系，看到远处光源的多个图像，并表征给定透镜的组成部分。 扭曲的例子 从卷积神经网络中恢复的参数之一是爱因斯坦半径，即由引力透镜创建的爱因斯坦环的半径。 由 LRG 3-757 (2007) 的哈勃拍摄： 在这里，我
【文件预览】：
Neural-Networks-for-Gravitational-Lens-Modeling-master
----images()
--------Hubble_Einstein_Ring.jpg(109KB)
--------Einstein_cross.jpg(103KB)
----docs()
--------history.rst(28B)
--------conf.py(8KB)
--------make.bat(6KB)
--------installation.rst(1KB)
--------authors.rst(18B)
--------_build()
--------overview.rst(1KB)
--------readme.rst(27B)
--------Makefile(7KB)
--------index.rst(2KB)
--------contributing.rst(33B)
----combo_prediction.py(5KB)
----single_model_predictions.py(3KB)
----data()
--------PS_4_real.txt(343KB)
--------PS_4_imag.txt(343KB)
----nets()
--------inception_utils.pyc(2KB)
--------nets_factory_test.py(2KB)
--------lenet.py(3KB)
--------inception_v4.py(15KB)
--------__init__.pyc(103B)
--------nets_factory.pyc(3KB)
--------inception_v4_test.py(10KB)
--------inception_utils.py(3KB)
--------inception.py(15KB)
--------lenet.pyc(3KB)
--------inception.pyc(1KB)
--------inception_v4.pyc(11KB)
--------__init__.py(1B)
--------nets_factory.py(4KB)
----train.py(4KB)
----init.py(5KB)
----LICENSE(1KB)
----get_data.py(12KB)
----demo.ipynb(12KB)
----README.md(6KB)
----ensai_model.py(17KB)