利用归一化流将中子星质量-半径测量中的致密物质相变特征作为数据异常进行检测

中子星的观测可用于研究极端致密物质的各个方面，特别是向退禁闭夸克等奇异态发生相变的可能性。我们提出了一种新颖的数据分析方法，用于在一组质量-半径测量中检测致密物质相变的特征，并研究了其相对于观测误差大小和观测数量的灵敏度。该方法基于机器学习异常检测与归一化流技术相结合：在具有无相变特征的天体物理观测样本上训练的算法会将相变样本解释为“异常”。出于本研究的目的，我们聚焦于导致质量-半径序列出现分离分支（强相变）的致密物质状态方程，使用天体物理驱动的中子星质量函数，以及不同大小的观测误差和样本量。结果表明，该方法能可靠地检测出具有相变特征的质量-半径关系，且其灵敏度随测量误差减小和观测数量增加而提高。我们讨论了相变质量位于质量函数范围边缘附近的边缘情况。在当前的电磁与引力波观测真实测量精选集上评估时，该方法给出了不确定结果，我们将其归因于可用的样本量小、观测误差大以及复杂的系统误差。