摘要：我们研究了广告的批量重建，即在机器学习框架内的量子纠缠中的黑洞时空的范围。利用神经普通微分方程与蒙特 - 卡洛整合在一起，我们开发了一种用于连续训练功能的方法，以从纠缠熵数据中提取一般的各向同性大量指标。为了验证我们的方法，我们首先将机器学习算法应用于全息括号熵数据，这些数据来自Gubser-Rocha和超导体模型，这些模型是全息图中强耦合问题的代表性模型。我们的算法从这些数据中成功提取了相应的大量指标。此外，我们通过在半填充的费米子紧密结合链中采用纠缠熵数据将方法扩展到多体系统，并示例关键的一维系统并得出相关的散装度量。我们发现，紧密结合链和Gubser-Rocha模型的指标相似。我们推测这种相似性是由于这些模型的金属属性所致。