预测主序星的恒星碰撞结果

致密星系核中的恒星碰撞可能在为超大质量黑洞 提供燃料及塑造其环境方面发挥重要作用。这些碰撞期间释放的气体可促进 SMBH 的吸积，影响活动星系核及残骸的潮汐瓦解事件等现象。我们致力于解决在广泛的初始条件参数空间中快速且准确地预测恒星碰撞结果（包括残骸质量和非束缚气体）的挑战。现有的光滑粒子流体动力学 (SPH) 模拟技术虽然详细，但对于探索性研究或实时应用而言资源消耗过大。我们开发了一个基于约 16,000 次主序星碰撞 SPH 模拟数据集训练的机器学习框架。通过提取具有物理意义的参数（如质量、半径、碰撞参数和位力比）并采用带 Huber 损失的梯度提升回归树，我们创建了一个平衡准确性与计算效率的模型。该方法包含处理动态范围的对数变换以及确保物理合理性的正则化。该模型实现了碰撞结果（残骸质量和非束缚质量）的预测，相对于典型质量尺度具有极低的平均绝对误差。它可在几分之一秒内完成运算，从而实现大规模参数研究和实时应用。参数重要性分析表明，碰撞参数和相对速度主导了碰撞结果，这与理论预期一致。我们的方法为研究星系核中的恒星碰撞提供了一个可扩展的工具。快速预测有助于研究 SMBH 吸积的气体供应以及宇宙时间内碰撞的累积效应，这对于解决 SMBH 的增长问题尤为重要。