Улучшенное зрение для галактик: Искусственный интеллект восстанавливает детали спектров

Новая методика машинного обучения позволяет получить высококачественные спектры галактик даже из данных с низким разрешением, открывая новые возможности для изучения их эволюции.
![Результаты параметрической зависимости для BP1 демонстрируют, что значения [latex]\xi_n[/latex] в диапазоне [0, 1] (область B) не противоречат требованиям пертурбативной унитарности, стабильности вакуума электрослабого взаимодействия на уровне NLO, а также не исключаются прямыми поисками тяжелых бозонов Хиггса, что указывает на существование допустимой области параметров, согласованной с текущими экспериментальными ограничениями и теоретическими требованиями.](https://arxiv.org/html/2603.18799v1/x9.png)


![Сравнение светимости линии [Cii] на длине волны 158 мкм с красным смещением демонстрирует границы обнаружения при эффективном времени наблюдения 100 часов, а также позволяет оценить светимость галактик из программ ALPINE, квазаров и субмиллиметровых галактик, при этом учтено, что значения не скорректированы на гравитационное линзирование, что подчеркивает сложность и многогранность изучения ранней Вселенной.](https://arxiv.org/html/2603.18689v1/Fig4_CII158.jpg)
![Параметр замедления [latex]q[/latex] демонстрирует зависимость от координаты [latex]z[/latex], что позволяет судить об эволюции Вселенной и её геометрии в пространстве.](https://arxiv.org/html/2603.18971v1/x1.png)
![Наблюдения показывают, что для получения различных долей холодной тёмной материи, состоящей из аксионов, требуется определённый начальный угол рассогласования, при этом верхняя граница на содержание холодной тёмной материи для меВ-аксионов в сценарии LMA обратно пропорциональна скорости инфляции [latex]H_I[/latex].](https://arxiv.org/html/2603.18167v1/x2.png)
