MLody——深度学习生成的偏振同步辐射系数

偏振同步辐射是高能天体物理学中的一个基本过程，特别是在黑洞和脉冲星周围的环境中。对这种辐射的精确建模需要精确计算发射、吸收、旋转和转换系数，这些系数对于辐射转移模拟至关重要。传统上，这些系数是使用基于预计算真值的拟合函数推导出来的。然而，这些拟合函数通常缺乏准确性，特别是在用于生成它们的数据集中未能很好表示的特定等离子体条件下。在这项工作中，我们引入了 ${\tt MLody}$，这是一个深度神经网络，旨在各种等离子体参数范围内高精度地计算偏振同步辐射系数。我们通过将 ${\tt MLody}$ 与辐射转移代码集成，为吸积黑洞模拟生成合成偏振同步辐射图像，从而展示了 ${\tt MLody}$ 的能力。我们的结果显示，与传统方法相比，在线偏振和圆偏振方面存在显著差异（高达两倍）。这些差异可能对事件视界望远镜观测中的参数估计产生重要影响，表明 ${\tt MLody}$ 可以提高未来天体物理分析的准确性。