利用不确定性感知机器学习直接从望远镜光谱推导中子星状态方程参数
高能天体物理现象
2023-02-15 v5 天体物理仪器与方法
太阳与恒星天体物理
核理论
摘要
中子星为研究极端压强与密度下的物质提供了独特实验室。虽然无法直接探测其内部结构，但这些星体发射的 X 射线可通过推断恒星质量与半径间接提供超密核物质状态方程（EOS）的线索。然而，直接从恒星 X 射线光谱推断 EOS 极具挑战性，并因系统不确定性而复杂化。当前最先进的方法是采用基于模拟的似然以分段方式进行，先推断恒星质量与半径以降低问题维度，再由这些量推断 EOS。我们展示了一系列对最先进方法的改进，涉及现实的不确定性量化以及利用机器学习改进物理属性回归。我们还展示了直接从观测星体的高维光谱对 EOS 进行新颖推断，避开了中间的质量-半径步骤。我们的网络以每颗恒星的不确定性来源为条件，从而实现不确定性向 EOS 的自然且完整传播。
引用
@article{arxiv.2209.02817,
title = {Deducing Neutron Star Equation of State Parameters Directly From Telescope Spectra with Uncertainty-Aware Machine Learning},
author = {Delaney Farrell and Pierre Baldi and Jordan Ott and Aishik Ghosh and Andrew W. Steiner and Atharva Kavitkar and Lee Lindblom and Daniel Whiteson and Fridolin Weber},
journal= {arXiv preprint arXiv:2209.02817},
year = {2023}
}
备注
24 pages, 20 figures