内坠对中子星 g 模振荡的影响
机器学习
2025-10-06 v3 人工智能
机器学习
摘要
本文研究了中子星坩埚对非径向 g 模振荡的影响，并检讨了其与由采用10种不同相对密度函数性质所固定的核物性之间的相关性。在次饱和密度下，中子星物质呈非均匀结构，形成坩埚。我们发现，布隆-瓦萨拉尔(BV)频率在稍高于中子滴沸点密度（即中子星内坩埚）处显著增加，这导致坩埚 g 模振荡，其频率对所采用的密度函数不敏感。在较大密度下，BV频率也随核心-坩埚过渡和 mu 子出现而增加，这导致核心 g 模振荡。结果发现，所得核心 g 模频率随核对称能 L 的斜率而增加，最终会与采用足够大 L 值的坩埚 g 模频率相交。这导致包含坩埚和核心贡献的全局 g 模出现避交叉现象。对于质量 M≥1.4 M☉的中子星，确定了全局 g1 模与 L 的相关性，这使得基于引力波观测测量 L 成为可能。在未来的研究中，应考虑密度或横向模量的不连续性，而温度、旋转、磁场以及中子星中超流中子气体也可能发挥重要作用。
引用
@article{arxiv.2501.07186,
title = {Graph Neural Networks for Transmission Grid Topology Control: Busbar Information Asymmetry and Heterogeneous Representations},
author = {Matthijs de Jong and Jan Viebahn and Yuliya Shapovalova},
journal= {arXiv preprint arXiv:2501.07186},
year = {2025}
}
备注
31 pages, 9 figures. Submitted to Applied Energy. Previous versions were uploaded to arXiv with the title "Generalizable Graph Neural Networks for Robust Power Grid Topology Control"