基于数据同化与神经微分方程的微中子味演化推断
高能天体物理现象
2021-04-29 v3 高能物理 - 理论
计算物理
摘要
在核坍缩超新星和双致密天体并合等致密环境中，微中子味的演化是一个重要且未解决的问题。其解对这些环境中的动力学和重元素核合成具有潜在影响。在本文中，我们基于近期工作探索基于推断的技术，用于模型参数和微中子味演化历史的估计。我们结合数据同化、常微分方程求解器和神经网络，构建了一种专为非线性动力系统定制的推断方法。利用该架构和一个简单的双微中子、双味模型，我们在四种实验设置下测试了多种优化算法。我们发现，采用这一新架构并结合进化优化算法，可准确捕捉四种实验中的味历史。本工作为将推断技术扩展至大量微中子提供了更多选择。
引用
@article{arxiv.2010.00695,
title = {Inference of neutrino flavor evolution through data assimilation and neural differential equations},
author = {Ermal Rrapaj and Amol V. Patwardhan and Eve Armstrong and George Fuller},
journal= {arXiv preprint arXiv:2010.00695},
year = {2021}
}