中子星状态方程中的无监督机器学习关联
核理论
2022-03-01 v1 高能天体物理现象
摘要
中子星是核天体物理界高度关注的致密天体。此类系统中存在的极端条件对我们当前的核结构微观模型提出了巨大挑战。状态方程（EoS）常由复杂的量子力学模型导出，例如：相对论、非相对论及多种平均场方法。通常每个模型都包含许多参数，如 NN 相互作用强度、粒子组成等。这些是各模型的特有特征，在机器学习语境下可由数值与类别表示。特征的不同选择会影响 EoS 性质，进而导致星体的不同宏观性质。本工作中，我们分析了一组包含多种不同物理模型的 EoS。我们的目标之一是开发工具，以更好地理解不同模型特征之间的关联，以及它们用于中子星建模时所产生的结果之间的关联。
引用
@article{arxiv.2202.13940,
title = {Unsupervised machine learning correlations in EoS of neutron stars},
author = {Ronaldo V. Lobato and Emanuel V. Chimanski and Carlos A. Bertulani},
journal= {arXiv preprint arXiv:2202.13940},
year = {2022}
}
备注
Contribution to the XV International Workshop on Hadron Physics (XV Hadron Physics) 13 -17 September 2021, hosted by Instituto Tecnol\'ogico de Aeron\'autica, S\~ao Jos\'e dos Campos, Brazil