深度TOV方程用于表征中子星

天体物理观测、理论模型和地面实验探测中子星（NS）内部的不同区域。因此，必须一致地组合来自这些来源的信息。这一分析需要对托尔曼-奥本海默-沃尔科夫方程进行多次求值，随着观测数量的增加，这会变得计算昂贵。此外，多信使天文学需要通过引力波快速表征NS以实现有效的电磁跟踪。本文中，我们开发了一种新型的神经网络映射，从EoS曲线到冷非旋转NS的质量和半径。我们估计了与当前最先进的RePrimAnd求解器相比速度提高了一个数量级，计算NS质量和半径的平均误差为1e-3。此外，我们还开发了用于从符合物理的EoS模型（FRZ$\chi_{1.5}$）获取EoS曲线的神经网络求解器。我们利用这一高效的连续映射来测量FRZ$\chi_{1.5}$模型参数对质量和半径的敏感性。我们表明，该模型的8个参数相对于剩余10个参数至少高出3个数量级。此信息将有助于进一步加速以及探索来自天体物理观测使用此物理符合EoS模型的参数估计中的关键参数空间。