中子星外壳状态方程：一种机器学习方法

构建中子星外壳需要知道原子核的结合能(BE)。尽管许多原子核的BE已通过实验确定并可从AME数据表中获得，但对于其余原子核，我们需要依赖理论模型。现有许多预测BE的物理理论，各有其优缺点。在本文中，我们在AME2016数据集上应用机器学习(ML)算法来预测原子核的结合能。我们工作的新颖之处在于它是模型无关的。我们不假设或使用任何核物理模型，而是直接在AME2016数据集上使用ML算法。我们的结果通过使用另一种ML算法对第一种算法的误差进行训练并迭代重复此过程而进一步优化。我们的最佳算法在随机测试集上给出的结合能$\sigma_{\rm rms} \approx 0.58$ MeV。这与迄今文献中研究的所有物理模型或ML改进的物理模型相当。利用我们机器学习算法的预测，我们构建了中子星的外壳状态方程(EoS)，并表明我们的模型与现有模型相当。这项工作还展示了各种ML算法的使用以及关于我们如何得到最佳算法的详细分析。它将帮助物理界理解如何为其数据集选择合适的ML算法。我们的算法和最佳拟合模型也已公开供学界使用。