中子星方程状态的深度学习推断

我们提出了一条基于深度神经网络从观测结果推断中子星方程状态的管道。特别是，我们探索了使用标准（确定性）以及贝叶斯（概率性）深度网络，从一组模拟的中子星观测结果（包括总质量、半径和潮汐变形性）推断恒星内部的声速。我们详细讨论了从解力学方程开始构建模拟星体可观测数据集的过程，以及相关深度网络架构及其性能和准确性。我们进一步说明了该管道能够检测中子星核心中可能的QCD相变。我们的结果表明，深度网络为解决中子星的逆问题以及从未来的星体观测中准确推断其内部结构提供了有前景的工具。