基于观测数据扩展贝叶斯分析中双向选取状态方程特征的典型中子星经验半径公式

鉴于从中子星（NSs）的引力波和X射线观测（尤其是自GW170817以来）对核状态方程（EOS）的贝叶斯推断取得了重大进展，是否存在一种数据驱动且稳健的、用特征EOS参数（特征）表示典型中子星半径 $R_{1.4}$ 的经验公式？决定 $R_{1.4}$ 的单一最重要但当前知之甚少的EOS参数是什么？我们通过扩展传统贝叶斯分析来研究这些问题，传统分析通常止于给出各EOS参数的边缘后验概率分布函数（PDFs）及其相关性（或有时仅给出皮尔逊相关系数，而该系数仅在变量线性相关时才可靠有用，但实际上往往并非如此）。利用三种回归模型构建方法：双向逐步特征选择、最小绝对收缩选择算子（LASSO）回归，以及基于早期对中子星观测数据全面贝叶斯推断得到的大批后验EOS及相应 $R_{1.4}$ 值上的神经网络回归，我们系统且严谨地建立了具有不同统计精度和技术复杂度的、最可能的 $R_{1.4}$ 公式。在各特征/模型选择过程中一致发现，决定 $R_{1.4}$ 的最重要的EOS参数（按重要性递减顺序）为：对称能曲率 $K_{sym}$、斜率 $L$、对称能 skewness $J_{sym}$、对称核物质 skewness $J_{0}$、不可压缩性 $K_{0}$，以及核物质饱和密度 $\rho_0$ 处对称能大小 $E_{sym}(\rho_0)$。