利用白矮星细化基本常数：基于机器学习的细结构常数和质子-电子质量比约束

我们在修正引力理论和有限温度效应的框架下探讨了两种基本常数的可能变化，即细结构常数 $\alpha$ 和质子-电子质量比 $\mu$。利用高精度的白矮星观测数据 (Gaia-DR3)，我们构建了一个基于贝叶斯方法的机器学习框架，以严格的方式推导质量-半径关系。该经验关系被严格地与来自标量-张力引力模型和温度依赖态方程组的理论预测进行比较。我们的结果表明，基本引力理论和温度均显著影响对 $\alpha$ 和 $\mu$ 的推断约束。我们获得的最强约束为 $|\Delta\alpha/\alpha|=2.10^{+32.56}_{-39.26}\times10^{-7}$ 和 $|\Delta\mu/\mu|=1.61^{+37.16}_{-34.67}\times10^{-7}$（对应修正引力参数 $\gamma\simeq -3.69\times10^{13}\,\mathrm{cm}^2$），而在有限温度情形下，这些约束为 $|\Delta\alpha/\alpha|=1.60^{+37.31}_{-35.42}\times10^{-7}$ 和 $|\Delta\mu/\mu|=1.23^{+37.02}_{-35.71}\times10^{-7}$（对应 $T \simeq 1.1 \times 10^7\rm\, K$）。这些发现比早前研究报告的约束更紧密，凸显了引力和热力学物理在测试基本参数恒定性中的关键作用。