中子星 mergers 中快速味量变换的渐近状态预测

neutrino 味量不稳定在浓密天体环境中普遍存在，构成对核心坍缩超新星和中子星 mergers (NSMs) 的大规模模拟的挑战。亚网格模型（subgrid models）提供了解决之道，但需要精确确定此类转换现象的局部结果。本文聚焦于“快速”不稳定现象，这类现象源于 neutrino 与 antineutrino 角分布之间的交叉。我们考虑多种分析性混合方案，包括一种新的全三维方案，同时引入一种新的机器学习（ML）模型。我们将这些模型的准确性与来自经典 NSM 模拟提取的条件下进行数千次局部动力学 neutrino 进化计算的结果进行比较。我们的 ML 模型表现良好，但在未用于训练的 NSM 模拟条件下难以泛化。多维分析模型表现更好且泛化更佳，而其他假设轴对称 neutrino 分布的分析模型准确性不稳定，尤其无法可靠地处理强各向异性引起的效应。本文中测试的 ML 和分析亚网格模型均具有前景，两者在计算需求和系统误差来源方面各有特点。