将中子星物理融入神经先验的引力波推断

贝叶斯推断是引力波参数估计中广泛使用的方法，其依赖于先验选择，即我们已有的知识。然而，在研究中子星合并事件时，常以一种不以为人知的方式选择先验，未能利用来自核物理和中子星独立观测的宝贵信息。本文提出了一种方法，通过正规化流构建的数据驱动先验分布，将中子星物理信息编码其中，称为神经先验。这些先验接受来自核方程状态约束和中子星 population 模型的输入。应用于 GW170817、GW190425 和 GW230529，我们展示了该框架的两个贡献：首先，演示其能够提供源分类并从引力波数据中直接实现方程状态约束的模型选择；其次，通过这些以信息为导向的先验获得更窄的源属性约束。结果表明，神经先验能一致地恢复更高的亮度距离估计。本方法为对未来通过引力波观察的含混低质量合并事件进行分类，并持续将中子星性质理解的最新进展纳入引力波数据分析提供了可能。