从中子星性质揭示核物质状态方程:一种监督机器学习方法
核理论
2021-07-22 v2
摘要
我们探索利用监督机器学习方法提取中子星(NS)可观测量与核物质状态方程(EoS)之间的非线性映射。围绕饱和密度进行泰勒展开,我们生成了一组模型无关的描述星体物质的EoS,其受核物质参数约束,且在热力学上自洽、满足因果性并与天体物理观测一致。基于该集合,我们使用两种不同机器学习方法学习了NS潮汐形变参数和半径对核物质参数的完整非线性依赖关系。由于所学非线性映射的高精度,我们得以分析各核物质参数对NS可观测量的影响,识别超出线性关联的EoS性质依赖,并预测哪些恒星可使我们给出强约束。
引用
@article{arxiv.1910.05554,
title = {Unveiling the nuclear matter EoS from neutron star properties: a supervised machine learning approach},
author = {Márcio Ferreira and Constança Providência},
journal= {arXiv preprint arXiv:1910.05554},
year = {2021}
}
备注
16 pages, 4 figures; matches the published version