利用深度神经网络从中子星物质状态方程提取核物质性质
核理论
2022-12-05 v2 高能天体物理现象
高能物理 - 唯象学
摘要
从中子星(NS)观测中提取核物质性质，尤其是表征对称能、对正确描述非对称核物质至关重要的那些性质，是当今一个重要问题。我们利用深度神经网络(DNNs)来映射冷β平衡中子星物质与核物质性质之间的关系。假设均匀核物质单粒子能量对同位旋不对称性呈二次依赖，并采用同位旋标量贡献与同位旋矢量贡献至四阶的泰勒展开，我们生成了不同实现的β平衡中子星物质及相应核物质性质的数据集。DNN模型被成功训练，在测试集上达到了很高的精度。最后，使用一个真实场景测试DNN模型：将基于相对论平均场方法或Skyrme力描述得到的33个核模型输入DNN模型，并以相当高的精度恢复了相应的核物质参数，特别地，对对称能斜率和饱和处核物质不可压缩性分别获得了标准偏差σ(L_sym)=12.85 MeV和σ(K_sat)=41.02 MeV。
引用
@article{arxiv.2209.09085,
title = {Extracting nuclear matter properties from the neutron star matter equation of state using deep neural networks},
author = {Márcio Ferreira and Valéria Carvalho and Constança Providência},
journal= {arXiv preprint arXiv:2209.09085},
year = {2022}
}
备注
10 pages, 5 figures; published version